基于GRM模型的BP神经网络参数估计
本文选题:参数估计 + GRM模型 ; 参考:《心理科学》2014年06期
【摘要】:目前参数估计多采用统计方法,存在耗时长、要求被试样本容量大和项目数多等缺点。本文将BP神经网络和降维法相结合,对GRM的项目参数和考生能力参数进行估计。蒙特卡洛模拟结果显示:(1)不管是人多题少还是题多人少,该网络设计下的参数估计精度都较高;(2)可以应用到多个不同等级评分的参数估计中,甚至是超过15个等级的项目参数,估计精度也较高,这是其他参数估计方法所不可比拟的;(3)运行的时长和统计估计方法相比大大缩减。
[Abstract]:At present, most of the parameters are estimated by statistical method, which has the disadvantages of long time consuming, large sample size and large number of items. In this paper, BP neural network and dimensionality reduction method are combined to estimate the project parameters and examinee ability parameters of GRM. Monte Carlo simulation results show that the precision of parameter estimation under the design of the network is higher, regardless of the number of people or the number of questions.) it can be applied to the parameter estimation of many different grades, or even to items with more than 15 grades. The precision of estimation is also high, which is incomparable to other parameter estimation methods. The running time is greatly reduced compared with the statistical estimation method.
【作者单位】: 江西师范大学计算机信息工程学院;江西警察学院公安科技系;
【基金】:国家自然科学基金(31160203,31360237,61262080) 江西省教育厅科技计划项目(GJJ13209,GJJ13226,GJJ13227,GJJ13208,GJJ13207) 江西师范大学青年成长基金的资助
【分类号】:B841
【相似文献】
相关期刊论文 前10条
1 周明元,甘登文,丁树良;GPCM模型项目参数估计程序的开发与研究[J];心理学探新;2005年02期
2 ;[J];;年期
3 ;[J];;年期
4 ;[J];;年期
5 ;[J];;年期
6 ;[J];;年期
7 ;[J];;年期
8 ;[J];;年期
9 ;[J];;年期
10 ;[J];;年期
相关会议论文 前3条
1 赵金龙;张建宇;;应用蒙特卡洛模拟预测多部位损伤的发生概率[A];力学与工程应用[C];2012年
2 张道国;耿庆申;;蒙特卡洛模拟在输电线路建设成本风险分析中的应用[A];电网工程造价管理优秀论文[C];2011年
3 王增忠;;基于蒙特卡洛模拟的建筑工程成本风险分析[A];第23届全国结构工程学术会议论文集(第Ⅲ册)[C];2014年
相关硕士学位论文 前10条
1 周丽芳;蒙特卡洛模拟在商业银行信用风险管理中的应用[D];河北大学;2013年
2 宫丽娟;基金选择决策的蒙特卡洛模拟[D];对外经济贸易大学;2007年
3 石一磊;蒙特卡洛模拟在银行信用风险度量中的应用研究[D];江苏大学;2005年
4 张亮亮;期权定价中的重点抽样蒙特卡洛模拟[D];苏州大学;2012年
5 陈伶俐;信用风险模型的分析与蒙特卡洛模拟[D];西南财经大学;2012年
6 吴洋;蒙特卡洛模拟在干龙潭锰矿投资风险分析中的研究应用[D];昆明理工大学;2012年
7 陈亮;液态氟盐冷却球床堆的蒙特卡洛模拟研究[D];兰州大学;2014年
8 杨召;基于蒙特卡洛模拟的航次决策风险分析方法及应用研究[D];南京航空航天大学;2012年
9 连春光;基于蒙特卡洛模拟的造船项目投资风险分析[D];江苏科技大学;2010年
10 王小荣;基于蒙特卡洛模拟的建设项目投资风险分析[D];武汉理工大学;2005年
,本文编号:2027671
本文链接:https://www.wllwen.com/shekelunwen/xinlixingwei/2027671.html