龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：河南大学
摘要：本发明公开了一种基于时间卷积网络的MOOCs学生辍学预测方法，包括如下步骤：根据学习矩阵按课程计算出三个课程参与度指标，即最大比率、总体比率和排名，进而生成相应三个矩阵；将三个指标矩阵中的值映射到0‑255区间；将三个指标矩阵合成为一个三维学习矩阵；基于图像卷积神经网络提取三维学习矩阵的特征；基于时间卷积网络TCN提取学习记录中的时序特征；SE‑TCN深度学习模型的训练与测试。本发明通过学生在平台当中的学习行为，把MOOCs学习行为数据转为三维学习矩阵，把这个矩阵当作图像输入到深度学习模型中；重分利用了图像卷积网络的特征提取能力，以及时间卷积网络可并行运算、可调节感受野等优势，可以根据学生的学习行为进行辍学预测，提高预测准确率。
主权项：1.一种基于时间卷积网络的MOOCs学生辍学预测方法，其特征在于，包括以下步骤：步骤1：将学生在MOOCs平台上的学习行为记录进行预处理，转换为代表学生努力程度的三维学习矩阵；根据学习矩阵按课程计算出三个课程参与度指标，即最大比率、总体比率和排名，进而生成相应三个矩阵：MRatio,SRatio和Rank；将三个指标矩阵中的值映射到0-255区间；最后将三个指标矩阵合成为一个三维学习矩阵；步骤2：基于图像卷积神经网络提取三维学习矩阵的特征；步骤3：基于时间卷积网络TCN提取学习记录中的时序特征；步骤4：SE-TCN深度学习模型的训练与测试；具体步骤如下：步骤4.1：将数据划分为训练集和测试集；步骤4.2：在训练集上对SE-TCN模型进行训练；步骤4.3：在测试集上使用准确率，精确率，召回率和F1分数指标评估模型性能。
全文数据：
权利要求：
百度查询： 河南大学 一种基于时间卷积网络的MOOCs学生辍学预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号