基于人工神经网络预测汉语阅读理解测验题目难易度的研究
| 1 引言 | 第1-12页 |
| ·题目难易度 | 第5-8页 |
| ·题目难易度的重要性 | 第5页 |
| ·传统的计算题目难易度的方法 | 第5-6页 |
| ·传统的获取题目难易度的方法 | 第6-7页 |
| ·传统的实际施测方法存在的困难 | 第7-8页 |
| ·针对阅读理解文章难易度的预测 | 第8-11页 |
| ·主观评断法 | 第8-9页 |
| ·公式计算法 | 第9-11页 |
| ·上述两种方法存在的问题 | 第11页 |
| ·用于英语阅读理解测验的新方法 | 第11-12页 |
| 2 人工神经网络和BP网络 | 第12-24页 |
| ·人工神经网络 | 第12-19页 |
| ·人工神经网络简介 | 第12-13页 |
| ·人工神经网络发展阶段 | 第13-15页 |
| ·当前人工神经网络的研究内容及应用领域 | 第15页 |
| ·人工神经网络基本原理 | 第15-17页 |
| ·人工神经网络的常见模型 | 第17-19页 |
| ·BP网络(反向传播神经网络) | 第19-22页 |
| ·BP网络结构 | 第19页 |
| ·BP网络的计算步骤 | 第19-22页 |
| ·算法的MATLAB软件实现 | 第22-24页 |
| ·MATLAB软件特点 | 第22-23页 |
| ·MATLAB的神经网络工具箱 | 第23-24页 |
| 3 研究方法 | 第24-57页 |
| ·输入变量的选取 | 第24-29页 |
| ·研究对象 | 第29页 |
| ·数据编码 | 第29-33页 |
| ·BP网络的训练和测试 | 第33-57页 |
| ·BP网络设计 | 第33页 |
| ·隐含层神经元数目的选择 | 第33-34页 |
| ·全部原始数据的交叉题目实验 | 第34-44页 |
| ·归一化原始数据的交叉题目实验 | 第44-53页 |
| ·删除增加变量数据的交叉题目实验 | 第53-55页 |
| ·选取较高相关变量数据的交叉题目实验 | 第55-57页 |
| ·研究结果 | 第57页 |
| 4 讨论 | 第57-61页 |
| 5 后续研究 | 第61页 |
| 6 结语 | 第61-62页 |
| 参考文献 | 第62-70页 |
| 致谢 | 第70页 |
