一种自编码组合优化的成绩预测模型

摘要：

针对现有成绩预测方法不能有效利用学生成绩数据本质特征的问题,提出一种自编码组合优化的成绩预测模型.该模型采用边缘降噪自编码与堆栈稀疏自编码组合优化的混合式自编码器(HSAE),从历史成绩数据与学生行为数据中,经过无监督的网络训练,学习更具鲁棒性和稀疏性的深层特征.在顶层连接BP神经网络,构成HSAE-BP神经网络模型,实现学生成绩预测.实验结果表明:所提出预测模型的预测准确率相比其他未进行特征学习的浅层预测模型都得到了较好的改善.

关键词：成绩预测、深度学习、边缘降噪自编码、堆栈稀疏自编码、特征学习、BP神经网络

分类号：TP391(计算技术、计算机技术)

资助基金：吉林省高等教育学会2018年度高教科研课题“基于大数据技术的高校学情科学化研究”JGJX2018B36;吉林省教育厅“十三五”科学技术项目“高校学生行为大数据分析平台关键技术研究”JJKH20190601KJ

在线出版日期：2019-11-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：49-51