| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 1、绪论 | 第6-14页 |
| 1、1 现有的题目难度计算方法及其存在的问题 | 第6-9页 |
| 1、1、1 现有的题目难度的计算方法 | 第6-9页 |
| 1、1、2 现有的题目难度计算方法存在的问题 | 第9页 |
| 1、2 C.TEST中阅读理解题目难度的控制 | 第9-12页 |
| 1、2、1 一般标准化考试题目难度参数的获取方法 | 第9-10页 |
| 1、2、2 C.TEST中阅读理解题目难度控制存在的困难 | 第10-12页 |
| 1、3 人工神经网络在题目难度预测中可以发挥的作用 | 第12-14页 |
| 2、人工神经网络简介 | 第14-26页 |
| 2、1 人工神经网络的定义 | 第14-15页 |
| 2、2 人工神经网络原理 | 第15-19页 |
| 2、2、1 生物神经网络 | 第15-16页 |
| 2、2、2 影响人工神经网络模型性能的三个因素 | 第16-19页 |
| 2、3 人工神经理论在不同领域的应用 | 第19-20页 |
| 2、4 BP神经网络 | 第20-24页 |
| 2、4、1 BP算法的原理 | 第20-21页 |
| 2、4、2 BP算法的执行步骤 | 第21-24页 |
| 2、5 算法的软件实现 | 第24-26页 |
| 2、5、1 MATLAB软件简介 | 第24-25页 |
| 2、5、2 MATLAB的神经网络工具箱 | 第25-26页 |
| 3、影响阅读理解过程和题目难度因素的研究 | 第26-33页 |
| 4、研究设计 | 第33-46页 |
| 4、1 研究问题 | 第33页 |
| 4、2 研究对象 | 第33页 |
| 4、3 研究思路 | 第33-35页 |
| 4、4 研究步骤 | 第35-45页 |
| 4、4、1 变量表征 | 第35页 |
| 4、4、2 因素选取 | 第35-38页 |
| 4、4、3 第一次交叉试验 | 第38-39页 |
| 4、4、4 根据散点图结果增加变量后的交叉试验 | 第39-40页 |
| 4、4、5 删除不合格题目后的交叉试验 | 第40-43页 |
| 4、4、6 继续增加变量的交叉试验 | 第43-45页 |
| 4、5 对研究结果的讨论 | 第45-46页 |
| 5、结论和存在的问题 | 第46-49页 |
| 5、1 结论 | 第46页 |
| 5、2 存在的问题 | 第46-49页 |
| 6、后续研究 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54页 |