TY -的A2 -陈,慧华盟——胡,Chuanshuang AU - Ma,狮头,非盟- Chen Ting PY - 2021 DA - 2021/06/08 TI -应用程序在线学习过程评价基于最优离散Hopfield神经网络和熵权TOPSIS SP - 2857244六世- 2021 AB -可持续发展教育方面的差异,鼓励不同的评估方法来评估学生。在流行期间,许多大学的考试改变了从离线到在线。如何充分考虑学生的学习状态和过程做出合理评价学生值得研究。基于学习过程数据在中国一所大学的课程,本研究建立了一个离散Hopfield神经网络模型对测试样本进行分类。在建模的过程中,灰色关联分析方法用于优化元素影响学生的综合评价指标,它解决了故障模型的问题由于大差距的因素在传统的离散Hopfield神经网络模型。然后,熵的TOPSIS方法用于排名和样品相同的评价等级。教师可以客观地评价每个学生的学习过程性能根据排名结果。最后,本文比较分析了各种不同方法的评价结果。分析结果认为,优化离散Hopfield神经网络学习过程评价是可行的,和模型评价结果更客观和全面。SN - 1076 - 2787你——https://doi.org/10.1155/2021/2857244——10.1155 / 2021/2857244 JF - PB - Hindawi KW - ER -复杂性