亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        Tensorflow框架在高校實驗教學(xué)評價模型中的設(shè)計與應(yīng)用

        2020-11-16 06:56:38杜敏
        關(guān)鍵詞:深度神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)

        杜敏

        摘要:Tensorflow是目前較為流行的應(yīng)用最為廣泛的人工智能框架,該框架可以通過已有的數(shù)據(jù)訓(xùn)練并研究模型的準(zhǔn)確性。論文旨在通過使用Tensorflow框架對高校實驗教學(xué)評價模型進(jìn)行研究,研究設(shè)計和實現(xiàn)高校實驗教學(xué)評價模型,以目前主流的評價模型為例,通過將實驗教學(xué)評價模型向量化設(shè)計,同時實現(xiàn)實驗教學(xué)評價算法,通過采用樣本數(shù)據(jù)的訓(xùn)練和測試,形成可以實現(xiàn)基礎(chǔ)預(yù)測的實驗教學(xué)評價模型,在為后續(xù)的教學(xué)質(zhì)量的改革發(fā)展中起到一定的參考意義和積極作用。

        關(guān)鍵詞:機(jī)器學(xué)習(xí);Tensorflow;深度神經(jīng)網(wǎng)絡(luò);卷積神經(jīng)網(wǎng)絡(luò);實驗教學(xué)評價

        中圖分類號:TP391.41 文獻(xiàn)標(biāo)識碼:A 文章編號:1007-9416(2020)09-0151-03

        0 引言

        實驗教學(xué)是本科教學(xué)的重要組成部分,是培養(yǎng)大學(xué)生實踐能力和創(chuàng)新精神的重要實踐性教學(xué)環(huán)節(jié)。通過實驗教學(xué),有助于對理論知識進(jìn)行科學(xué)有效的驗證和提升,對提高學(xué)生的動手操作能力、分析能力、觀察能力和思維能力方面有著重要的作用[1]。

        目前,國內(nèi)高校的實驗教學(xué)評價體系通常由幾部分構(gòu)成:實驗教學(xué)大綱、實驗教材、師資隊伍、實驗教學(xué)方法、實驗教學(xué)態(tài)度、實驗場地、儀器設(shè)備投入、學(xué)生實驗操作水平、學(xué)生綜合分析能力、學(xué)生創(chuàng)新與探索能力[2]等,不同的學(xué)校或?qū)W科根據(jù)教學(xué)目標(biāo)的不同,給定的分值側(cè)重點(diǎn)也不同,總的來說,都是為了衡量或評價實驗教學(xué)效果。論文中,引入Tensorflow框架,設(shè)計和實現(xiàn)高校實驗教學(xué)評價模型。主要為了在實驗教學(xué)評價過程中通過有限的數(shù)據(jù)來分析和預(yù)測可能形成的實驗教學(xué)成效,并提供干預(yù)和修正的可能性,給決策者提供實驗教學(xué)改革發(fā)展依據(jù)。

        1 Tensorflow框架簡介

        Tensorflow的運(yùn)算是采用Python編程語言為基礎(chǔ)表達(dá)。Python是一種易于學(xué)習(xí)的工具,并且提供了多種數(shù)學(xué)運(yùn)算庫,只需要設(shè)計好算法,就可以幫助實現(xiàn)數(shù)學(xué)運(yùn)算。Tensorflow框架通過采用數(shù)據(jù)流圖[3]的形式來表示運(yùn)算的數(shù)據(jù)流結(jié)構(gòu),通過“節(jié)點(diǎn)”來表示運(yùn)算或施加的數(shù)學(xué)操作,也可以表示數(shù)據(jù)輸入(feed in)的起點(diǎn)/輸出(push out)的終點(diǎn),或者是讀取/寫入持久變量(persistent variable)的終點(diǎn)?!熬€”表示“節(jié)點(diǎn)”之間的輸入/輸出關(guān)系?!肮?jié)點(diǎn)”可以在本地運(yùn)算,也可以以分布式的方式運(yùn)算,通過“線”來匯總數(shù)據(jù),數(shù)據(jù)用“張量”來表示。同時“線”也是有方向的,即用有向圖來表示數(shù)學(xué)運(yùn)算。

        本研究中,把高校實驗教學(xué)評價模型看成是一個運(yùn)算任務(wù),學(xué)生在各模塊中獲得的成績看成是節(jié)點(diǎn),把評價體系向量化,即可通過Tensorflow進(jìn)行運(yùn)算。

        2 高校實驗教學(xué)評價體系的向量化設(shè)計

        使用Tensorflow框架分析和研究所面臨的問題,首先要了解機(jī)器學(xué)習(xí),其次在理論上了解該框架的運(yùn)行模式,也就是采用數(shù)據(jù)流圖和節(jié)點(diǎn)來表示運(yùn)算和數(shù)學(xué)操作,數(shù)學(xué)操作的對象是數(shù)據(jù),數(shù)據(jù)的表示我們稱之為向量,即多維數(shù)組,將實驗教學(xué)評價教學(xué)體系向量化的過程是將其數(shù)組化的過程。再次是選擇合適數(shù)學(xué)操作,也就是數(shù)據(jù)流圖的運(yùn)算方式。

        教學(xué)評價體系之間的關(guān)系運(yùn)算歸根結(jié)底屬于深度學(xué)習(xí)中的線性回歸預(yù)測模型,線性回歸預(yù)測模型探討的是一個或多個因素之間的影響關(guān)系,多元線性回歸模型解決的是兩個或兩個以上的因素對因變量可能產(chǎn)生的影響。為了簡化模型的復(fù)雜度,文中選取實驗教學(xué)大綱(取值1~10分)、實驗教學(xué)態(tài)度(取值1~20)、儀器設(shè)備投入(取值1~20分)、學(xué)生綜合分析能力(取值1~25分)、學(xué)生創(chuàng)新與探索能力(取值1~25分)五項指標(biāo)(總分100分)作為數(shù)據(jù)集的五個屬性,標(biāo)簽值為實驗教學(xué)評價結(jié)果(60分以下為差,60~70分為中,70~80分為良,90分以上為優(yōu)),當(dāng)一個評價為優(yōu)秀時,他的向量表示為W{優(yōu),[9,18,16,21,24]}。向量化表示即評價指標(biāo)的特征化,對于線性回歸的預(yù)測模型而言,目的是找出因變量和自變量之間的因果關(guān)系,也就是說在機(jī)器學(xué)習(xí)的過程中,我們對所有的特征都使用的是相同的學(xué)習(xí)率,如果特征的取值偏范圍偏差較大時,就會導(dǎo)致學(xué)習(xí)離散而無法回歸,因此,我們還需對評價模型向量化后取值歸一化,即使得特征值的取值范圍在[0,1]之間,如W{[0.07191,0.19752,0.16241,0.19171,0.16385,0.79122]}。

        論文探討評價體系中不同的指標(biāo)的取值對高校實驗教學(xué)結(jié)果可能產(chǎn)生的影響,即實驗教學(xué)過程中的評價運(yùn)算,趨向于多元線性回歸預(yù)測模型,因而采用多變量線性回歸來構(gòu)建高校實驗教學(xué)評價模型。

        3 實驗教學(xué)評價體系模型的設(shè)計與實現(xiàn)

        采用Tensorflow框架來設(shè)計和實現(xiàn)機(jī)器學(xué)習(xí)模型,首先是分析對象,并向量化;其次是針對所要分析的問題選擇合適的數(shù)學(xué)方法,文中所選取多元線性回歸模型來分析高校實驗教學(xué)評價指標(biāo)中的分值對實驗教學(xué)評價結(jié)果所產(chǎn)生的影響。篇幅所限,文中只選取了5個指標(biāo),方式和方法對于多個指標(biāo)具有相同的指導(dǎo)作用。

        主要分為以下步驟:

        3.1 模型的參數(shù)設(shè)置

        評價指標(biāo)向量化并選擇合適的數(shù)學(xué)方法后,接下來對模型進(jìn)行參數(shù)設(shè)置。即設(shè)置學(xué)習(xí)率和訓(xùn)練次數(shù),訓(xùn)練次數(shù)與訓(xùn)練模型的數(shù)據(jù)相關(guān)。

        learning_rate = 0.03? #設(shè)置學(xué)習(xí)率

        train_steps = 500 #設(shè)置訓(xùn)練次數(shù)

        3.2 構(gòu)建或選擇數(shù)據(jù)

        這是根據(jù)評價指標(biāo)向量化的過程,通過對若干學(xué)生在實驗教學(xué)中獲得的成績,根據(jù)選取指標(biāo)向量化為數(shù)組。為了訓(xùn)練模型的準(zhǔn)確性,應(yīng)當(dāng)盡可能的選取較多的數(shù)據(jù)來進(jìn)行,文中選取了500條多名學(xué)生的實驗教學(xué)評價數(shù)據(jù)來進(jìn)行訓(xùn)練,理論上,每次評價數(shù)據(jù)都可以作為訓(xùn)練數(shù)據(jù),在今后的不斷訓(xùn)練過程中模型的準(zhǔn)確率也會越來越高。構(gòu)建數(shù)據(jù)完成后,將數(shù)據(jù)分為標(biāo)簽和屬性兩個部分分別導(dǎo)入到兩個數(shù)組之中。

        猜你喜歡
        深度神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)
        試論基于深度神經(jīng)網(wǎng)絡(luò)的汽車車型識別問題
        深度神經(jīng)網(wǎng)絡(luò)的發(fā)展現(xiàn)狀
        基于深度卷積神經(jīng)網(wǎng)絡(luò)的物體識別算法
        基于機(jī)器學(xué)習(xí)的圖像特征提取技術(shù)在圖像版權(quán)保護(hù)中的應(yīng)用
        基于網(wǎng)絡(luò)搜索數(shù)據(jù)的平遙旅游客流量預(yù)測分析
        時代金融(2016年27期)2016-11-25 17:51:36
        前綴字母為特征在維吾爾語文本情感分類中的研究
        深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
        基于深度神經(jīng)網(wǎng)絡(luò)的身份識別研究
        基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實現(xiàn)
        軟件工程(2016年8期)2016-10-25 15:47:34
        基于支持向量機(jī)的金融數(shù)據(jù)分析研究
        看av免费毛片手机播放| 人妖啪啪综合av一区| 国产在线高清理伦片a| 精品av天堂毛片久久久| 亚洲熟妇无码久久精品疯| 亚洲中文字幕国产综合| 熟女肥臀白浆一区二区| 日本精品无码一区二区三区久久久| 精品久久久久久久久久久aⅴ| 人妻精品一区二区免费| 国产精品成人av一区二区三区| 国产a国产片国产| 久久精品国产精品亚洲毛片 | 亚洲永久国产中文字幕| 丰满爆乳在线播放| 久久无码一二三四| 91国语对白在线观看| 天天做天天爱夜夜夜爽毛片| 国产成人免费一区二区三区| 亚洲精品中文字幕观看| 国产高清在线精品一区二区三区| 人人鲁人人莫人人爱精品| 粗了大了 整进去好爽视频| 午夜日韩视频在线观看| 产美女被爽到高潮免费a| 欧美aaaaaa级午夜福利视频| 日韩中文字幕一区二区高清 | 高潮喷水无遮挡毛片视频| 国产自拍91精品视频| 男人的天堂无码动漫av| 国产高清无码91| 国产91大片在线观看| 性猛交ⅹxxx富婆视频| 欧美极品少妇性运交| 日本第一区二区三区视频| 蜜桃一区二区三区视频| 性欧美牲交xxxxx视频欧美 | 丝袜美腿亚洲综合玉足| 久久综合99re88久久爱| 欧美老熟妇欲乱高清视频| 超碰观看|