论文部分内容阅读
分析了传统的自适应考试模型存在的不足，在此基础上利用粗糙集筛选出了和自适应考试模型密切相关的因子：作业指数、课堂活跃指数和教学方式，并分别计算出了各个因子的重要性为0．3000、0．3333、0．1333；然后再利用BP神经网络对筛选出的因子进行训练，进过300次的迭代训练获得了稳定的BP网络结构，误差率小于3．9％。最后采用训练好的BP神经网络改进了自适应考试模型。经实际和模拟数据检验改进后的模型相对于改进前测试效率提高了将近50％。