2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩55頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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

評論

0/150

提交評論