基于贝叶斯网络技术的ICAI系统学生模型的研究

摘要

本文首先从不确定信息的处理能力和实用性的角度分析，比较了几种不同的ICAI系统学生建模技术，提出用贝叶斯网络建立学生模型的可行性，并指出运用贝叶斯网络技术建立学生模型所要解决的关键问题。　　其次，对一个已有的贝叶斯网络仿真推理算法进行了改进，得出一个新的推理算法——PSIS。文中还将动态贝叶斯网络引入到学生建模领域。然后为适应动态贝叶斯网络的推理需要，对PSIS算法进行了扩展，使它能够在动态贝叶斯网络上完成推理任务。同时，为了满足用静态贝叶斯网络构建的学生模型的更新要求，文中对贝叶斯网络参数学习算法进行了改进，在参数计算中引入一个满足一定条件的变量。　　最后，通过一个ICAI模拟系统，详述了一个用贝叶斯网络建立学生模型的具体方案，说明了贝叶斯网络学生模型的功能。

目录

文摘

英文文摘

第1章绪论

1.1课题的提出

1.1.1学生模型的概念

1.1.2学生模型的本质和特点

1.1.3学生模型研究中的问题

1.2国内外研究现状

1.3几种学生模型构建技术的比较

1.4课题研究的主要内容

第2章贝叶斯网络的理论与应用

2.1贝叶斯网络概述

2.1.1贝叶斯网络的发展

2.1.2贝叶斯网络的应用

2.2贝叶斯网络理论

2.2.1概率论及概率推理

2.2.2概率图模型

2.2.3贝叶斯网络

2.3贝叶斯网络的分类

2.3.1静态贝叶斯网络

2.3.2动态贝叶斯网络

2.4贝叶斯网络的推理

2.4.1贝叶斯网络的精确推理算法

2.4.2贝叶斯网络的近似推理算法

2.5贝叶斯网络的学习

2.6本章小结

第3章贝叶斯网络推理算法研究

3.1引言

3.2算法的理论基础

3.2.1 Monte Carlo计算思想

3.2.2重要函数抽样方法

3.3 SIS算法研究

3.3.1 SIS算法

3.3.2对SIS算法不足的剖析

3.4 PSIS算法

3.4.1分层抽样方法

3.4.2 PSIS算法的描述

3.5适用于DBN的PSIS算法

3.5.1相关概念定义

3.5.2 DBN中的PSIS算法

3.6算法实验及结果分析

3.6.1基于静态贝叶斯网络的算法实验

3.6.2基于动态贝叶斯网络的算法实验

3.7本章小结

第4章贝叶斯网络的学习

4.1 d-分离的概念

4.2贝叶斯网络的学习算法

4.2.1网络参数的学习

4.2.2贝叶斯网络结构的学习

4.3对网络中参数学习方法的改进

4.4本章小结

第5章用贝叶斯网络建立学生模型

5.1贝叶斯网络学生模型概述

5.1.1学生模型的组成

5.1.2贝叶斯网络技术的应用对象

5.2建立学生模型中的问题

5.2.1学生模型中的知识表示方法

5.2.2贝叶斯网络学生模型的功能

5.3一个采用贝叶斯网络学生模型的ICAI系统

5.3.1 SCPL的体系结构

5.3.2 SCPL系统中具有预测功能的学生模型

5.3.3用贝叶斯网络支持教学资源的选择

5.3.4动态跟踪学生知识掌握水平

5.4模型评价

5.4.1预测功能的试验

5.4.2教学资源选择功能的试验

5.4.3对动态跟踪学生知识掌握水平的评价

5.5本章小结

结论

附录1实验用练习题

附录2约束规则

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致谢

作者简介