Please wait a minute...
 
主管单位:广东省科学技术厅
主办单位:广东省科技合作研究促进中心
编辑出版:《电脑与电信》编辑部
ISSN 1008-6609 CN 44-1606/TN
邮发代号:46-95
国内发行:广东省报刊发行局
《电脑与电信》唯一官方网站。
电脑与电信
  基金项目 本期目录 | 过刊浏览 | 高级检索 |
深度学习技术在高校教学质量评价中的应用研究
张钢
广东工业大学自动化学院
Research on the Application of Deep Learning Technology in University Teaching Quality Assessment
Zhang Gang
Guangdong University of Technology
全文: PDF(0 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 作为确保和促进高等教育教学质量不断提高的重要手段之一,教学质量评价正在被广泛研究。有效处理和分析高校教学过程中收集到的庞大原始数据,能够为教学质量评估及其相关改进措施的制定提供决策支持。针对原始教学数据多样性且数量大的特点,提出了一种使用深度学习技术的教学质量评估模型,采用MatConvNet 构建深度神经网络,对多种原始数据进行有机融合,能够对教学质量实现比较准确的评估,有一定的实用价值。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
张钢
关键词 深度学习教学质量评价深度神经网络数据融合    
Abstract:As one of the key methods for ensuring and improving the teaching quality of university, teaching quality assessment has been widely studied. Effectively processing and analyzing the big original dataset collected during teaching procedure can provide the basis of decision support for teaching quality assessment and policy making. Considering the diversity and huge volume of original teaching data, this paper proposes a teaching quality assessment model based on deep learning technology, in which a deep neural network is implemented by MatConvNet and applied for data fusion. The model achieves good performance in university teaching quality assessment which illustrates its application value.
Key wordsdeep learning    teaching quality assessment    deep neural network    data fusion
年卷期日期: 2017-10-10     
:  G434  
基金资助:广东省自然科学基金项目,项目编号:2016A030310340; 广东工业大学高教研究基金项目,项目编号:2016GJ12; 广东省教育评估协会2015 年度研究课题,项目编号:G-11。
作者简介: 张钢(1979-),男,广东人,工学博士,讲师,研究方向为机器学习。
引用本文:   
张钢. 深度学习技术在高校教学质量评价中的应用研究[J]. 电脑与电信, .
Zhang Gang. Research on the Application of Deep Learning Technology in University Teaching Quality Assessment. Computer & Telecommunication, 2017, 1(10): 6-9.
链接本文:  
https://www.computertelecom.com.cn/CN/  或          https://www.computertelecom.com.cn/CN/Y2017/V1/I10/6
[1] 李春辉王小英张庆洁刘翰卓梁嘉烨高宁康. 基于多尺度卷积神经网络的DDoS攻击检测方法[J]. 电脑与电信, 2024, 1(6): 35-.
[2] 王 瑾  王 睿. 基于多尺度特征深度学习的人脸表情识别算法[J]. 电脑与电信, 2024, 1(5): 75-.
[3] 李春平 陈小文 张淑荣 张湘敏.
基于大数据分析的超星平台线上课程教学质量评价研究
[J]. 电脑与电信, 2024, 1(4): 14-19.
[4] 聂 铖  王 杰.
数据分析方法的研究与发展综述
[J]. 电脑与电信, 2024, 1(4): 200-25.
[5] 马 艳  刘海军  贺 忍  崔春杰  王高远  杨月巧. 基于Informer的电离层电子总量预测[J]. 电脑与电信, 2024, 1(1): 17-20.
[6] 信博夫. 基于yolov5的弱光环境航拍车辆检测[J]. 电脑与电信, 2024, 1(1): 78-83.
[7] 苏萃文 柴国强.
基于面部特征检测的人脸表情实时识别
[J]. 电脑与电信, 2023, 1(1-2): 17-21.
[8] 何宗熹 蒋明忠 谢铭霞 庞家宝 陈秋艳 胡益博. 基于YOLOv8和人脸关键点检测的驾驶员 疲劳驾驶识别算法设计[J]. 电脑与电信, 2023, 1(11): 1-6.
[9] 陈俊安 陆庚有 谢倩怡 龚智慧 刘建平 彭绍湖.
图像去雾算法研究综述
[J]. 电脑与电信, 2022, 1(7): 63-.
[10] 管 尧 朱 凯.
基于雾天条件下交通道路上的目标检测
[J]. 电脑与电信, 2022, 1(5): 69-.
[11] 张苗苗 柴国强 于海乐 徐昊璇.
基于深度学习的面部特征检测与疲劳驾驶预警
[J]. 电脑与电信, 2022, 1(12): 1-.
[12] 包成耀 丁霄霏 戴立奇 吴宗霖 杨艳红. 基于YOLO的轻量化目标检测应用研究[J]. 电脑与电信, 2021, 1(8): 26-29.
[13] 徐铭源 杨艳红. 基于深度学习的行李检测系统的设计[J]. 电脑与电信, 2021, 1(4): 36-40.
[14] 林珑. 基于模型的深度学习通信信号鲁棒识别算法[J]. 电脑与电信, 2021, 1(1): 20-22.
[15] . 时间窗设置对综采工作面矿压预测精度的影响研究[J]. 电脑与电信, 2020, 1(4): 14-18.
No Suggested Reading articles found!
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
  Copyright © 电脑与电信 All Rights Reserved.
地址:广州市连新路171号广东国际科技中心 邮编:510033
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn
粤ICP备05080322号-4