深度学习在虚拟实验指导与批改中的应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-11页 |
| 1.1.1 互联网虚拟实验教学 | 第9-10页 |
| 1.1.2 智能批改评价 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12页 |
| 1.3 论文的研究内容、意义及创新点 | 第12-14页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 研究意义 | 第13-14页 |
| 1.3.3 创新点 | 第14页 |
| 1.4 论文结构安排 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 相关概念及理论概述 | 第16-37页 |
| 2.1 人工智能概述 | 第16-17页 |
| 2.2 数据挖掘概述 | 第17-18页 |
| 2.3 人工神经网络概述 | 第18-31页 |
| 2.3.1 人工神经网络概念 | 第18页 |
| 2.3.2 组成要素 | 第18-19页 |
| 2.3.3 神经元 | 第19-26页 |
| 2.3.4 神经网络结构 | 第26-27页 |
| 2.3.5 神经网络的数学意义 | 第27-28页 |
| 2.3.6 神经网络的学习过程 | 第28-29页 |
| 2.3.7 神经网络的学习模式 | 第29-31页 |
| 2.4 深度学习概述 | 第31-33页 |
| 2.4.1 基本概念 | 第31页 |
| 2.4.2 基本思想 | 第31-32页 |
| 2.4.3 深度学习与神经网络 | 第32页 |
| 2.4.4 深度学习的训练过程 | 第32-33页 |
| 2.5 虚拟实验教学系统概述 | 第33-36页 |
| 2.5.1 虚拟实验室的概念 | 第33-34页 |
| 2.5.2 电路类虚拟实验 | 第34-36页 |
| 2.6 本章小结 | 第36-37页 |
| 第三章 软件设计框架 | 第37-43页 |
| 3.1 需求分析 | 第37-38页 |
| 3.2 软件总体设计 | 第38-42页 |
| 3.2.1 总体概述 | 第38-39页 |
| 3.2.2 系统功能结构 | 第39-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第四章 智能批改系统实现和应用 | 第43-61页 |
| 4.1 案例采集 | 第43-49页 |
| 4.1.1 表单管理 | 第43-46页 |
| 4.1.2 数据库查询 | 第46-48页 |
| 4.1.3 数据库连接 | 第48-49页 |
| 4.2 数据处理 | 第49-56页 |
| 4.2.1 数据提取 | 第49-50页 |
| 4.2.2 数据预处理 | 第50-54页 |
| 4.2.3 特征处理 | 第54-55页 |
| 4.2.4 持久化存储 | 第55-56页 |
| 4.3 智能评分模型 | 第56-60页 |
| 4.3.1 模型训练 | 第56-57页 |
| 4.3.2 预测评分 | 第57-58页 |
| 4.3.3 反馈优化 | 第58页 |
| 4.3.4 性能评估 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 总结和展望 | 第61-64页 |
| 5.1 主要工作和研究结果 | 第61-62页 |
| 5.2 论文创新点 | 第62页 |
| 5.3 存在的问题与研究展望 | 第62-64页 |
| 参考文献 | 第64-66页 |
| 致谢 | 第66页 |
