基于自适应模糊神经系统的网络学习评价模型研究

《基于自适应模糊神经系统的网络学习评价模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第３１卷第２期计算技术与自动化Ｖｏｌ．３１，Ｎｏ．２２０１２年６月ＣｏｍｐｕｔｉｎｇＴｅｃｈｎｏｌｏｇｙａｎｄＡｕｔｏｍａｔｉｏｎＪｕｎ．２０１２文章编号：１００３－６１９９（２０１２）０２－０１２９－０４基于自适应模糊神经系统的网络学习评价模型研究李绍中（广州番禺职业技术学院教务处，广东广州５１１４８３）摘要：学习评价是网络学习中十分重要的环节，为克服原有网络学习评价方法的不足，构建一种基于自适应模糊神经系统的评价模型，并进行实验仿真。测试结果表明，基于自适应模糊神经系统的网络学习评价模型提高了网络学习评价的准确率，为网络学习提供一种新评价方法。关键词：神经网络

2、；自适应模糊神经系统；网络学习评价中图分类号：ｔｐ３９１．６文献标识码：ＡＴｈｅＲｅｓｅａｒｃｈｏｆＡｓｓｅｓｓｍｅｎｔＭｏｄｅｌｆｏｒＮｅｔｗｏｒｋＬｅａｒｎｉｎｇＢａｓｅｄｏｎＡｄａｐｔｉｖｅＮｅｔｗｏｒｋ－ｂａｓｅｄＦｕｚｚｙＩｎｆｅｒｅｎｃｅＳｙｓｔｅｍＬｉＳｈａｏ－ｚｈｏｎｇ（Ｄｅａｎ＇ｓＯｆｆｉｃｅ，ＧｕａｎｇｚｈｏｕＰａｎｙｕＰｏｌｙｔｅｃｈｎｉｃ，Ｇｕａｎｇｚｈｏｕ５１１４８３，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＡｓｓｅｓｓｍｅｎｔｉｓｔｈｅｉｍｐｏｒｔａｎｔｌｉｎｋｉｎＷｅｂ－ｂａｓｅｄｌｅａｒｎｉｎｇ．Ｉｎｏｒｄｅｒｔｏｏｖｅｒｃｏｍｅｔｈｅｉｎｓ

3、ｕｆｆｉｃｉｅｎｃｉｅｓｏｆｅｘｉｓｔｉｎｇｅ－ｖａｌｕａｔｉｏｎｍｅｔｈｏｄｕｓｅｄｉｎＷｅｂ－ｂａｓｅｄｌｅａｒｎｉｎｇ，ｗｅｒｅｃｏｎｓｔｒｕｃｔｉｏｎａｎｅｖａｌｕａｔｉｏｎｍｏｄｅｌｂａｓｅｄｏｎｔｈｅＡｄａｐｔｉｖｅＮｅｔｗｏｒｋ－ｂａｓｅｄＦｕｚｚｙＩｎｆｅｒｅｎｃｅＳｙｓｔｅｍ（ＡＮＦＩＳ）ａｎｄｍａｋｅｓｏｍｅｓｉｍｕｌａｔｉｏｎｅｘｐｅｒｉｍｅｎｔａｃｃｏｒｄｉｎｇｌｙ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｉｓｎｅｗｅｖａｌｕａｔｉｏｎｍｏｄｅｌｃａｎｉｍｐｒｏｖｅｔｈｅａｓｓｅｓｓｍｅｎｔａｃｃｕｒａｃｙ，ｐｒｏｖｉｄ

4、ｉｎｇａｎｅｗａｓｓｅｓｓｍｅｎｔｍｅｔｈｏｄｆｏｒＷｅｂ－ｂａｓｅｄｌｅａｒｎｉｎｇ．Ｋｅｙｗｏｒｄｓ：ａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓ；ａｄａｐｔｉｖｅｎｅｔｗｏｒｋ－ｂａｓｅｄｆｕｚｚｙｉｎｆｅｒｅｎｃｅｓｙｓｔｅｍ；ｎｅｔｗｏｒｋｉｅａｒｎｉｎｇｅｖａｌｕａｔｉｏｎ指标的权重，使用线性模型进行计算，这种方法缺１引言陷是权值的确定具有很强的主观性，且评价只限线性模型。专家评价法主要是根据经验丰富的专家随着教育信息技术的进一步推广和网络教学的理论、知识和实践经验进行评价，这是一种以评资源的不断丰富，网络学习作为一种主要学习方式价者主观判断为基础

5、的评价方法，其评价意见虽然已经被越来越多的人所接受。近几年，各级精品课具有一定的权威性，但也具有一定的主观性；模糊程、网络课程的建设所取得的成效已是有目共睹，综合评法虽然能考虑到了评价等级差异中间过渡但重建设、轻使用的现象已成为困扰今后精品课的模糊性，从而避免了评价结果只是一个简单加权［３］程、网络课程建设的主要因素。教学资源之所以建平均值，但模糊系统不具备学习能力；神经网络起来容易用起来难，原因是多方面的，但网络学习评价法，能有效避免获得权值的过程中的人为因［１］评价机制不健全无疑是其中的一个重要方面。素，但其整个处理过程属"黑箱"操作，数据处理过［４］全面的、

6、科学地评价网络学习，对推动网络教学资程不容易被人理解和接受。源的使用具有十分重的意义。人工神经网络和模糊逻辑已广泛应用于各种目前，网络学习评价方法主要有传统评价法、模式识别问题的研究，人工神经网络系统本质上是专家评价法、模糊综合评价法和神经网络评价模拟人脑处理信息的一种模型，但人工神经网络系［２］法。传统评价法是在评价指标体系中明确各项统却不能象人脑一样处理模糊信息。而模糊逻辑收稿日期：２０１１－１２－１１基金项目：广东省教育厅２０１１年教研项目（Ｂ０６）作者简介：李绍中（１９６９－），男，湖南娄底人，副教授，硕士，研究方向：智能计算与高等职业教育（Ｅ－ｍａｉｌ：

7、ｌｉｓｈａｏｚｈｏｎｇ８３０＠１６３．ｃｏｍ）。１３０计算技术与自动化２０１２年６月系统可以表达人的经验知识，善于处理模糊信息，余３５组数据作为测试数据，用来对训练生成的模但模糊系统的规则集和隶属度函数等参数常常是型的进行检验。评价采用五级制（优、良、中、及格、依靠经验选择，很难自动调整，这又是神经网络的差）。模型对样本处理规则如下：评价指标优、良、专长，通过将神经网络和模糊逻辑结合起来而形成中、及格、差分别转化成５、４、３、２、１，而输出优、良、的模糊神经系统来为网络学习评价建模正好可以中、及格、差分别对应５个区间，即［４．５５］、［４４．扬长避短。５］、［３．

8、５４］、［