基于遗传神经网络的学生成绩预测

摘要：

提出一种基于遗传神经网络的成绩预测方法.首先用相关分析法计算了基础课程成绩与目标课程成绩的相关系数,选取了与目标课程成绩相关度高的基础课程成绩作为输入项,然后引入遗传算法对反向传播(backpropagation,BP)神经网络的初始权值和阈值进行优化,实现学生目标课程成绩预测.采集某大学通信工程专业1601-1603班级99名学生的实际教学数据进行验证,结果表明,该方法与BP神经网络模型相比,预测的均方根误差由8.6降低为2.8.

关键词：遗传神经网络、BP神经网络、成绩预测、相关分析法、遗传算法

所属期刊栏目：24

分类号：TP183(自动化基础理论)

资助基金：陕西省高等教育教学改革研究重点资助项目17BZ041

在线出版日期：2019-06-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：79-84