声明
致谢
缩略词表
1 引言
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 学生能力评价和答题数字识别
1.2.2 智能导学
1.3 研究内容
1.4 本论文的主要贡献
1.5 本论文的组织结构
2 技术背景
2.1 机器学习
2.1.1 深度计算机视觉学习
2.1.2 深度强化学习
2.2 开发平台
2.2.1 CAT-SOOP
2.2.2 Scikit-learn算法库
2.2.3 Anaconda 集成环境
2.2.4 Rllab 库
2.2.5 Tensorflow框架
2.3 本章小结
3 总体设计
3.1 需求设计
3.2 系统架构
3.3 模块设计
3.3.1 用户模块
3.3.2 权限模块
3.3.3 OCR识别模块
3.3.4 课程模块
3.3.5 习题集模块
3.3.6 评分模块
3.3.7 推荐模块
3.3.8 显示模块
3.4 本章小结
4 深度线下学生材料视觉识别
4.1 学生手册中的学生评价
4.1.1 问题描述
4.1.2 等第识别
4.1.3 评价识别
4.2 学生手写字符识别
4.2.1 问题描述
4.2.2 问题分析
4.2.3 数据增强
4.2.4 深度学习模型和训练
4.3 性能评估
4.4 系统实现
4.4.1 接口 API
4.4.2 运行效率分析
4.5 本章小结
5 自适应练习推荐
5.1 系统设计
5.2 学生分组模型和推荐
5.3 主要数据结构
5.4 离线训练模块设计
5.5 在线推荐模块设计
5.5.1 推荐流程
5.5.2 推荐模块
5.6 其它辅助模块
5.6.1 学生信息更新
5.6.2 学生信息读取
5.7 本章小结
6 导学系统 UI设计与功能验证
6.1 导航功能
6.2 登陆功能
6.3 随堂练习功能
6.4 课后练习功能
6.5 推荐功能
6.5 本章小结
7 总结及展望
7.1 总结
7.2 未来工作展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
独创性声明
学位论文数据集
北京交通大学;