哲盟机电井现状分析及对策

1 机电井在哲盟农牧业生产中的地位1.1 干旱是影响农牧业发展的主要矛盾哲盟位于内蒙古东部,东经119°～123°,北纬42°～46°,属于温带大陆性季风型半干旱性气候.年降雨量300～450mm,蒸发量1800～2000mm,年降雨变化大,时空分布不均.所以,全盟干旱特点是,春旱和秋吊,有时春夏秋连旱,素有十年九旱之称.进入70年代以来,降雨量出现明显减少.从历史上看,从50～70年代,按十年平均数计算,降雨量由444.4mm 降到346.3mm,干旱范围广,旱灾面积大,严重制约农牧业生产的发展.从哲盟60～80年代的旱灾分析,1963年全盟普遍出现春旱,一冬春降雨少,比常年少六成左右,春播期没     

融合行为和遗忘因素的贝叶斯知识追踪模型研究

贝叶斯知识追踪模型(Bayesian knowledge tracing,BKT)被用于智能教学系统中追踪学习者的知识状态并预测其掌握水平和未来表现.由于BKT容易忽视记忆遗忘现象,以及未考虑学习行为对表现结果产生的影响,导致模型预测结果与实际情况出现偏差.针对此问题,提出了一种融合学习者的行为和遗忘因素的贝叶斯知识追踪模型(behavior-forgetting Bayesian knowledge tracing,BF-BKT).首先,采用决策树算法处理学习行为数据,引入行为节点;然后初始化遗忘参数并赋值,更新学习者知识掌握水平的算法;最后,利用ASSISTMENTS提供的公开数据集对相关模型的预测精度进行对比.实验验证,BF-BKT能够达到更好的预测精度.     

TCN-KT：个人基础与遗忘融合的时间卷积知识追踪模型

智慧教育的热门领域知识追踪（KT）被视为序列建模任务,其主要关注点和解决方式都集中在循环神经网络（RNN）上。但RNN通常会面临梯度消失或者梯度爆炸等问题,且训练时间和设备要求都过于严苛,针对以上问题,提出融合学习者个人先验基础和遗忘因素的时间卷积知识追踪模型（TCN-KT）。首先利用RNN模型计算得到学生个人先验基础,然后使用梯度稳定、内存占用率更低的时间卷积网络（TCN）预测学生下一题正误的初始概率,最后融合基于学生基础的遗忘因素得到最终结果。实验验证,TCN-KT预测性能最佳并减少了计算时间。