基于改进LSTM网络的自主学习行为分析预测.pdfVIP

信息技术XINXIJISHU2024年第11期

基于改进LSTM网络的自主学习行为分析预测

郎波！²，樊一娜，姚建欣，李春密3

3.北京师范大学，北京100875）

摘要：为了实现在有限时间内获取学习效果的最优化,文中提出了一种改进的基于长短时记忆神

经网络的学习行为分析预测模型。首先利用经验模态分解对学习数据进行特征提取,从频率上将其

分解为多个本征模态函数，然后利用K均值聚类方法对分解后的分量进行集成，从中选取最优聚类

数生成训练数据，将其输入到长短时记忆神经网络中进行特征融合，从而实现对学习行为的分析预

测。从实验结果分析，该方法与其他模型对比具有较高的预测精度，能够较准确地实现对学生学习行

为的预测。

关键词：自主学习行为；经验模态分解；聚类；长短时记忆神经网络；分析预测

中图分类号：TP181；TN912.3文献标识码：A

D0I:10.13274/j.cnki.hdzj.2024.11.013

AnalysisandpredictionofautonomouslearningbehaviorbasedonimprovedLSTMnetwork

LANGBo-2,FANYi-na,YAOJian-xin,LIChun-mi?

(1.ZhuhaiCityPolytechnic,Zhuhai519090,GuangdongProvince,China;2.ZhuhaiCampusofBeijing

NormalUniversity,Zhuhai519087,GuangdongProvince,China;3.BeijingNormalUniversity,Beijing

100875,China)

Abstract:Inordertooptimizethelearningeffectinalimitedtime,thispaperproposesanimprovedlearning

behavioranalysisandpredictionmodelbasedonLongShortTermMemory(LSTM)neuralnetwork.Firstly,

empiricalmodedecompositionisusedtoextractfeaturesfromthelearningdata,decomposeitintomultiple

intrinsicmodefunctionsfromthefrequency.Then,theK-meansclusteringmethodisusedtointegratethede-

composedcomponents,amongwhichtheoptimalclustersnumbertogeneratetrainingdata.Nextly,thetrain-

ingdatawouldbeinputintotheLSTMmemoryneuralnetwork,soastorealizetheanalysisandpredictionof

learningbehavior.Fromtheanalysisofexperimentresults,thismethodhashigherpredictionaccuracycom-

paredwithothermodels,andcanaccuratelyrealizetheanalysisandpredictionofstudentslearningbehavior.

Keywords:autonomouslearningbehavior;empiricalmodedecomposition;clustering;LSTM;analysis

prediction

基金项目：中国科普研究所重点招标课题（220101ESR002）；国0引言