基于自适应差分进化的学生成绩等级预测神经网络模型

摘要：

学生成绩数据的分析与挖掘对于教学管理有重要意义,文中提出一种基于自适应差分进化算法优化BP神经网络的学生成绩等级预测模型.以学生各门课程成绩为研究对象,在选定目标课程作为模型输出的基础上,采用相关分析法确定与该门课程成绩相关性较高的科目成绩作为模型输入,建立BP神经网络模型进行成绩预测.针对神经网络收敛速度慢、效果差等不足,采用自适应差分进化算法对神经网络的权值阈值进行优化,以学院某一个年级的183条有效学生成绩数据进行实例验证,并与遗传算法优化神经网络的方法进行比较.结果表明,自适应差分进化算法优化BP神经网络预测结果的精度较高、均方差值较小、收敛效果更好,更有助于学生管理和教学指导.

关键词：BP神经网络优化;成绩预测模型;自适应差分进化算法;相关性分析;模型输入;模型输出;数据挖掘

所属期刊栏目：45

分类号：TN711⁃34;TP301.6(基本电子电路)

资助基金：河南省科技攻关项目182102210296

在线出版日期：2022-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：130-134