بهبود شبکه ی عصبی تابع پایه ی شعاعی جهت مدلسازی و پیش بینی دانش کاربران در محیط یادگیری الکترونیکی
Publish place: The Second National Congress of New Technologies of Iran with the aim of achieving sustainable development
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 511
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SENACONF02_186
تاریخ نمایه سازی: 30 آبان 1394
Abstract:
گستردگی تحولات در فن اوری اطلاعات، موجب پدید آمدن نوع جدیدی از یادگیری به نام یادگیری الکترونیکی شده است. در این تحقیق به شناسایی سطح دانش یادگیرندگان با استفاده از رویکرد داده کاوی پرداخته شد. به منظور ایجاد مدل پیشنهادی از شبکه عصبی RBF بهبود یافته استفاده شد. به منظور بهبود این شبکه عصبی از الگوریتم آموزش سه مرحله ای استفاده شد که در مرحله اول از ترکیبی از الگوریتم بهینه سازی گروه ذرات و k میانگین، در مرحله دوم از الگوریتم نزدیک ترین k همسایه و در فاز سوم از الگوریتم تندترین کاهش استفاده شد. سپس در ادامه ایجاد مدل به بررسی مشخصه های یادگیرندگان پرداخته شد و چهار مشخصه مناسب به منظور پیش بینی متغیر کلاس که همان سطح دانش یادگیرندگان بود ایجاد شد. در نهایت به منظور ارزیابی مدل ارائه شده ، داده های آموزش دوره های مجازی در مجتمع فنی تهران در نظر گرفته شدند. نتایج حاصل از دوره موفقیت و رضایت تحصیلی یادگیرندگان دوره ی با مدل پیشنهادی در مجتمع فنی تهران را نشان می دهد.
Keywords:
یادگیری الکترونیکی , داده کاوی , الگورتیم بهینه سازی گروه ذرات , شبکه عصبی تابع پایه ی شعاعی , الگوریتم K میانگین
Authors
نرگس پروانه
دانشگاه آزاد اسلامی واحد علوم و تحقیقات لرستان
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 :