[发明专利]一种基于神经网络的智能实验过程推荐方法及系统

权利要求书

1.一种基于神经网络的智能实验过程推荐方法，其特征在于，包括：

获取学生的综合评价数据和学生历史实验课程中每个实验的完成时间；

构建关于所述综合评价数据和所述完成时间的数据样本，从所述数据样本中提取训练样本和测试样本；所述综合评价数据包括平时作业成绩、平时作业难度、平时考勤成绩、平时测试成绩、平时测试难度、学习态度评价等级、学生层次评价等级；

构建神经网络模型；

将所述训练样本输入所述神经网络模型，通过SGD以及BP算法对所述网络模型进行训练，得到学生实验用时预测模型；

将所述测试样本输入所述学生实验用时预测模型进行测试；

获取学生上次实验课程的最后一个实验记录，根据所述学生实验用时预测模型对所述最后一个实验后的每个实验用时依次进行预测；

依次累计所述最后一个实验后每个实验的预测实验用时，若所述最后一个实验后的第N个实验处的累计预测用时超出当前实验课程的限定时间，且所述最后一个实验后的第N-1个实验处的累计预测用时小于所述限定时间，则将所述最后一个实验后的N-1个实验推荐给学生。

2.如权利要求1所述的基于神经网络的智能实验过程推荐方法，其特征在于，所述综合评价数据还包括学生类别、课程类别、学期类别、班级类别，所述学生类别包括本科生或专科生，所述课程类别包括必修课或选修课，所述学期类别大一学期或大二学期，所述班级类别包括特色班或普通班。

3.如权利要求1所述的基于神经网络的智能实验过程推荐方法，其特征在于，所述平时作业成绩、所述平时测试成绩经过标准化处理，所述平时作业难度、所述平时考勤成绩、所述平时测试难度经过归一化处理。

4.如权利要求1所述的基于神经网络的智能实验过程推荐方法，其特征在于，所述构建神经网络模型，包括：

初始化神经网络并定义隐藏层单元个数，指定输入大小；

使用ReLU激活函数，定义一Dropout层，指定丢弃10％的神经元；

定义神经网络的输出层，指定输入层的神经元个数为1并指定使用sigmoid作为激活函数。

5.如权利要求1所述的基于神经网络的智能实验过程推荐方法，其特征在于，将所述训练样本输入所述神经网络模型，通过SGD以及BP算法对所述网络模型进行训练，得到学生实验用时预测模型，包括：

将所述训练样本的特征值矩阵和权重矩阵相乘后输入所述神经网络模型进行前向传播以得到预测值；

通过SGD以及BP算法对所述神经网络模型进行反向传播以更新所述权重矩阵；

对所述神经网络模型进行多个轮次的训练以多次更新所述权重矩阵；

根据多次更新后的所述权重矩阵构建所述学生实验用时预测模型。

6.如权利要求5所述的基于神经网络的智能实验过程推荐方法，其特征在于，SGD算法为RMSProp，所述反向传播的损失函数为交叉熵损失函数，评价函数为MAE。