版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、項(xiàng)目反應(yīng)理論是題庫建設(shè)的理論基礎(chǔ),而項(xiàng)目參數(shù)的估計(jì)則是題庫建設(shè)前期的重要工作。在項(xiàng)目反應(yīng)理論中,基于數(shù)理統(tǒng)計(jì)的傳統(tǒng)參數(shù)估計(jì)方法需要大量的考生樣本,這與題庫建設(shè)中的項(xiàng)目預(yù)測必須限制考生數(shù)的要求相矛盾。因此,研究小樣本測驗(yàn)中的項(xiàng)目參數(shù)估計(jì)已成為項(xiàng)目反應(yīng)理論的重要課題。 本文以二值記分的三參數(shù)Logistic模型為研究對象,以廣義回歸神經(jīng)網(wǎng)絡(luò)作為網(wǎng)絡(luò)模型,采用基于蒙特卡羅的模擬實(shí)驗(yàn)方法,研究了小樣本測驗(yàn)下人工神經(jīng)網(wǎng)絡(luò)(簡稱“神經(jīng)網(wǎng)絡(luò)”
2、)方法的項(xiàng)目參數(shù)估計(jì)性能,得出以下研究結(jié)論: 1.本文提出了利用項(xiàng)目反應(yīng)模式作為神經(jīng)網(wǎng)絡(luò)輸入、IRT參數(shù)作為輸出的神經(jīng)網(wǎng)絡(luò)建模方法。理論分析得出,該建模方法具有一定的優(yōu)點(diǎn)。 2.本文設(shè)計(jì)了三種比較神經(jīng)網(wǎng)絡(luò)方法與數(shù)理統(tǒng)計(jì)方法的參數(shù)估計(jì)的性能指標(biāo),并在多種實(shí)驗(yàn)條件下對這兩種方法進(jìn)行了比較,結(jié)果表明:在大多數(shù)指標(biāo)上,神經(jīng)網(wǎng)絡(luò)比數(shù)理統(tǒng)計(jì)方法的估計(jì)精度較高。尤其是當(dāng)數(shù)理統(tǒng)計(jì)方法未對項(xiàng)目參數(shù)的先驗(yàn)分布進(jìn)行限定時(shí),神經(jīng)網(wǎng)絡(luò)的結(jié)果要遠(yuǎn)好
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- IRT計(jì)時(shí)模型的參數(shù)估計(jì)及其研究.pdf
- IRT模型參數(shù)估計(jì)的MCMC算法研究.pdf
- irt模型參數(shù)估計(jì)的mcmc算法研究
- 項(xiàng)目反應(yīng)理論(IRT)中運(yùn)用EM算法進(jìn)行參數(shù)估計(jì).pdf
- 小樣本巖土參數(shù)統(tǒng)計(jì)特征估計(jì)及邊坡穩(wěn)定可靠性分析.pdf
- IRT中項(xiàng)目參數(shù)的估計(jì)精度和DIF檢驗(yàn).pdf
- 小樣本情況下關(guān)于位置參數(shù)的置換檢驗(yàn).pdf
- 基于樣本擴(kuò)充的小樣本人臉識別研究.pdf
- 改進(jìn)的MCMC算法在估計(jì)IRT模型參數(shù)中的應(yīng)用.pdf
- 基于小樣本浮動車數(shù)據(jù)的信號燈路段行程時(shí)間估計(jì)方法研究.pdf
- 基于小樣本學(xué)習(xí)的圖像檢索研究.pdf
- 46085.測驗(yàn)項(xiàng)目的評分和irt中能力參數(shù)的估計(jì)
- IRT框架下的多級評分模型的參數(shù)估計(jì)方法及其應(yīng)用.pdf
- 小樣本數(shù)據(jù)作物模型研究.pdf
- 小樣本非正態(tài)數(shù)據(jù)結(jié)構(gòu)方程模型估計(jì)方法研究與醫(yī)學(xué)應(yīng)用.pdf
- 基于模糊樣本信息的若干參數(shù)估計(jì)問題研究.pdf
- 基于廣義小樣本的數(shù)據(jù)挖掘方法研究.pdf
- IRT中3PLM參數(shù)估計(jì)新方法-GA算法.pdf
- irt中參數(shù)估計(jì)的新方法——三點(diǎn)法
- 基于遷移學(xué)習(xí)的小樣本深度學(xué)習(xí)研究.pdf
評論
0/150
提交評論