基于GRM模型的BP神经网络参数估计

基于GRM模型的BP神经网络参数估计

(0个评分)

文集编号: 2014080704046

我要下载 收藏文档 1 学分

文档介绍

计算机化自适应测验(CAT)的实施需要大型题库,题库中的项目要有项目参数,目前参数估计多采用统计方法(漆书青等人,2002),它需要有较多的被试和较多的项目,对于样本容量较少的测验,用统计的参数估计方法可能会出现不收敛或精度不够等问题。余嘉元,谭云兰对两级评分项目采用软计算方法——BP神经网络进行参数估计,研究结果显示,该估计方法对考生人数,测验题数的要求较宽松,同时估计的精度较高。和两级评分项目相比,多级评分项目能提供更多的测验信息,因而在测验中也出现了越来越多的多级评分项目,采用统计方法估计多级评分项目的参数也存在同样的问题。本文将BP神经网络和降维法相结合,对GRM下的项目参数和考生能力参数进行估计。使用MATLAB工具箱来设计网络,探讨了BP神经网络的层数、每层的神经元数和每层的激活函数的设计。蒙特卡洛模拟结果表明:1)不管是人多题少(比如50人答20题)还是题多人少(比如20人答30题),该网络设计下的参数估计值精度都较高;2)可以应用到多个不同等级评分的参数估计中,甚至是超过15个等级的项目参数,估计值精度也较高,这是其他参数估计方法所不可比拟的;3)运行时长和传统方法相比大大缩减。4)对于其他的多级评分模型,如分部评分模型,亦可用该方法进行参数估计。

文档标签: 机械工程测试技术
贡献者

王学德新来的

分享文档53 联系TA