基于深度学习的智能导学系统设计

目录

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