一种RBF神经网络改进算法在高校学习预警中的应用

摘要

高校学生的学习危机问题日趋严重,传统的管理手段和预警方法在新的学情面前显得力不从心.针对学习危机多成因和分类的特点,提出将改进的RBF神经网络用于该问题的求解.通过教师和专家对影响学习危机的因素进行分析和抽取,使用AHP层次分析法计算这些因素的权重,按权重大小重新修正主要影响因素.为获得全局最优解和提高收敛速度,利用遗传算法对传统RBF网络的权重向量进行全局搜索以得到最优模型.应用结果证明:该模型相比传统模型,在收敛速度和误差精度方面都有较大的提升,计算结果有较高的正确率和识别能力,能较好满足学习预警的实际要求.