基于深度学习的慕课课程辍课预测
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.1.1 MOOCs的产生与发展 | 第10-11页 |
| 1.1.2 辍课预测 | 第11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究内容与创新 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 MOOCs辍课预测理论与基础综述 | 第14-22页 |
| 2.1 预测与监督学习 | 第14-15页 |
| 2.2 传统预测算法模型研究 | 第15-18页 |
| 2.2.1 回归分析模型 | 第15页 |
| 2.2.2 逻辑回归模型 | 第15-17页 |
| 2.2.3 支持向量机 | 第17-18页 |
| 2.3 评价标准 | 第18-20页 |
| 2.4 本章小结 | 第20-22页 |
| 第三章 神经网络及关联分析 | 第22-32页 |
| 3.1 MP-神经元模型 | 第22-25页 |
| 3.2 BP神经网络模型 | 第25-29页 |
| 3.2.1 反向传播算法 | 第26-28页 |
| 3.2.2 梯度下降算法 | 第28-29页 |
| 3.3 时间序列预测模型 | 第29-30页 |
| 3.4 关联分析与Apriori算法 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 MOOCs平台日志数据分析 | 第32-42页 |
| 4.1 日志数据总体概览 | 第32-35页 |
| 4.2 课程相关性分析 | 第35-37页 |
| 4.3 注册用户辍课分析 | 第37-40页 |
| 4.3.1 辍课的定义 | 第37页 |
| 4.3.2 辍课趋势分析 | 第37-39页 |
| 4.3.3 辍课原因分析 | 第39-40页 |
| 4.4 本章小结 | 第40-42页 |
| 第五章 辍课预测实验 | 第42-58页 |
| 5.1 MOOCs辍课预测过程分析与设计 | 第42-43页 |
| 5.2 MOOCs辍学预测特征提取 | 第43-44页 |
| 5.3 基于深度学习MOOCs辍课模型 | 第44-49页 |
| 5.3.1 人工神经网络模型 | 第44-46页 |
| 5.3.2 循环神经网络模型 | 第46-49页 |
| 5.4 MOOCs辍课预测模型训练 | 第49-56页 |
| 5.4.1 直接训练方法 | 第51-53页 |
| 5.4.2 分课程训练方法 | 第53-55页 |
| 5.4.3 时间序列预测方法 | 第55-56页 |
| 5.5 实验结果分析 | 第56-57页 |
| 5.6 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 全文总结 | 第58-59页 |
| 6.2 后续展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 在校期间发表的论文、科研成果等 | 第63-64页 |
| 致谢 | 第64页 |
