DE-DA优化BP神经网络的知识掌握程度预测  

Prediction of Knowledge Mastery Degree of DE-DA Optimization BP Algorithm

作　　者：唐立 李亚平[2,3] 王利军[1] TANG Li;LI Yaping;WANG Lijun

机构地区：[1]安徽经济管理学院信息工程系,安徽合肥230031 [2]安徽经济管理学院教务处,安徽合肥230031 [3]合肥工业大学管理学院,安徽合肥230009

出　　处：《荆楚理工学院学报》2020年第2期12-17,共6页Journal of Jingchu University of Technology

基　　金：安徽省高校自然科学研究重点项目(KJ2019A0965);安徽继续教育改革项目(2018jxjygg008);安徽省高水平教学团队项目(2018jxtd044);安徽经济管理学院院级教学研究项目(yjjyxm201903)。

摘　　要：提出一种先用差分进化优化蜻蜓(Differential Evolution Dragonfly Algorithm,DE-DA)优化逆向传播(Back Propagation,BP)神经网络算法,使其运用在线上教学的知识掌握程度预测。DE-DA算法使得DA可选优继承,提高DA速度和精确度,再用DE-DA组合算法帮助BP神经网络找到全局优化权值和阀值,提高BP神经网络收敛效率,解决陷入局部极小值和收敛速度慢的问题。研究结果表明,DE-DA算法优化BP神经网络的权值和阈值,能有效提高网络训练的收敛速度和精确度,提高了整体预测效果。

关 键 词：BP神经网络 DA算法 DE算法 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构] TP183[自动化与计算机技术—计算机科学与技术]