پیش بینی میزان پیشرفت علمی و انگیزشی دانش آموز دررشته های تحصیلی مختلف بااستفاده ازشبکه های عصبی مصنوعی درداده کاوی
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 903
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ICEEE05_471
Index date: 24 November 2013
پیش بینی میزان پیشرفت علمی و انگیزشی دانش آموز دررشته های تحصیلی مختلف بااستفاده ازشبکه های عصبی مصنوعی درداده کاوی abstract
هدف اصلی ادارات اموزش و پرورش فراهم کردن اموزش با کیفیت برای دانش اموزان است یکی ازروشهای دستیابی به سطح بالایی ازکیفیت درسیستم اموزش و پرورش کشف دانش برای پیش بینی درخصوص ثبت نام دانش اموزان دریک رشته خاص است دانش میان مجموع داده های اموزشی و انگیزشی مخفی است و آن ازمیان تکنیکهای داده کاوی استخراج شدنی است مقاله حاضر برای توجیه به توانایی هایی ازتکنیکهای داده کاوی درزمینه اموزش و پرورش با ارایه یک مدل داده کاوی طراحی شده است دراین تحقیق طبقه بندی برای ارزیابی عملکرددانش اموزان استفاده میشود روشهای زیادی برای پیش بینی عملکرددانش اموزان دررشته های تحصیلی مختلف وجوددارد دراینجا روش شبکه های عصبی مصنوعی استفاده میشود با این کارما دانشی را که عملکرددانش اموزان رادرازمون پایان ترم توصیفی می کند را استخراج می کنیم این روش درشناسایی رشته تحصیلی برای دانش اموزان به طوری که درآن رشته نسبت به سایررشته های تحصیلی موفقتر عمل می کنند مناسب است
پیش بینی میزان پیشرفت علمی و انگیزشی دانش آموز دررشته های تحصیلی مختلف بااستفاده ازشبکه های عصبی مصنوعی درداده کاوی Keywords:
آموزش داده کاوی , الگوریتم شبکه های عصبی مصنوعی , تابع فعال سازی , شبکه های پرسپترون چندلایه , کشف دانش درپایگاه داده
پیش بینی میزان پیشرفت علمی و انگیزشی دانش آموز دررشته های تحصیلی مختلف بااستفاده ازشبکه های عصبی مصنوعی درداده کاوی authors
سیده اعظم ابوالقاسم پور
واحد علوم و تحقیقات خراسان رضوی
سیدمجید مزینانی
دانشگاه امام رضاع
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :