一种具有改进灰狼优化器的多隐藏层循环神经网络
神经与进化计算
2019-03-29 v1
摘要
识别大学生的薄弱环节有助于改善学习，并可作为预警系统以促使学生进步。然而，现有系统的满意度水平并不理想。需要新颖且动态的混合系统来模拟这一机制。本文采用一种混合系统（改进的循环神经网络与适配的灰狼优化器）来预测学生的学业结果。该 proposed 系统将改善教师的教学并提升学生的学习体验。结果表明，与其他模型相比，带有适配灰狼优化器的改进循环神经网络具有最佳的准确率。
引用
@article{arxiv.1903.11712,
title = {A Multi Hidden Recurrent Neural Network with a Modified Grey Wolf Optimizer},
author = {Tarik A. Rashid and Dosti K. Abbas and Yalin K. Turel},
journal= {arXiv preprint arXiv:1903.11712},
year = {2019}
}
备注
34 pages, published in PLoS ONE