[发明专利]基于神经网络的学习报告分析系统

权利要求书

1.一种基于神经网络的学习报告分析系统，其特征在于，所述基于神经网络的学习报告分析系统包括数据获取模块、数据量化模块以及系统训练模块，所述数据获取模块、数据量化模块以及系统训练模块之间通信连接，相互配合，执行基于神经网络的学习报告分析系统的相关操作事件；其中：

所述数据获取模块确定待分析学生的行为维度，获取所述行为维度对应的学生行为数据，并将所述学生行为数据发送至所述数据量化模块；

所述数据量化模块对所述数据获取模块发送的所述学生行为数据进行量化，得到量化后的所述学生行为数据对应的行为观测数据值，并将所述行为观测数据值发送至系统训练模块；

所述系统训练模块根据所述行为观测数据值，利用神经网络系统，对初始学习报告系统进行训练，得到基于神经网络的学习报告分析系统；

其中，所述系统训练模块根据所述行为观测数据值，利用神经网络系统，对初始学习报告系统进行训练，得到基于神经网络的学习报告分析系统，包括：

所述系统训练模块根据所述行为观测数据值，参照预设监督数据，利用神经网络系统，对初始学习报告系统进行训练，得到基于神经网络的与所述预设监督数据在预设误差范围内一致的所述学习报告分析系统；

其中，所述系统训练模块使用的所述预设监督数据包括学生的观测数据值，以及所述观测数据值对应的最终的样本评价分数；

其中，所述监督数据记为：

X＝{X₁，X₂，…，X_m}以及Y＝{Y₁，Y₂，…，Y_m}；

其中，X_i∈R^N且Y_i∈[0，100]，1≤i≤m；X_i表示学生i对应的N个观测数据值，Y_i表示学生i对应的最终的样本评价分数；

其中，所述系统训练模块根据所述行为观测数据值，参照预设监督数据，利用神经网络系统，对初始学习报告系统进行训练，得到基于神经网络的与所述预设监督数据在预设误差范围内一致的所述学习报告分析系统，包括：

引入与所述观测数据值相关的SeLu激活函数，同时定义所述学习报告分析系统对应的损失函数Loss，所述系统训练模块根据所述SeLu激活函数，计算所述学习报告分析系统对应的分析模型的相关参数；

利用所述损失函数Loss，使得所述分析模型计算得到的最终的模型评价分数与所述监督数据中最终的样本评价分数之间的差值在所述预设误差范围内，从而确定所述分析模型中相关参数的参数值，得到所述学习报告分析系统；

其中，所述系统训练模块针对所述分析模型进行如下定义：

所述系统训练模块利用所述分析模型计算得到的评价分数output(x)为：

output(x)＝μ(W₄(σ(W₃(σ(W₂(σ(W₁x)+b₁)+b₂))+b₃))+b₄)；

其中，μ()是一个函数，其表达式为：此时，output是μ的复合函数；

其中，所述分析模型中的各参数定义如下：

x∈R^N，b₄∈R；x∈R^N，表示x为N维实向量；表示W₁为实矩阵；表示b₁为维实向量；表示W₂为维实矩阵；表示b₂为维实向量；表示W₃为维实矩阵；表示b₃为维实向量；表示W₄为维实向量；b₄∈R，表示b₄为实数域，R表示实数域；

令所述分析模型中的函数σ(x)为SeLu激活函数，则有：

其中，所述SeLu激活函数中，参数α以及参数λ的取值为：

α＝1.67326324，λ＝1.05070098；

基于定义的所述分析模型计算得到的最终的模型评价分数output(x)，定义所述损失函数Loss，则有：