终检评审通过 创新训练 520计算机科学技术 数字教育市级

本项目基于教育数据挖掘和深度神经网络，拟通过收集电路题目的图片以及相应的学生得分情况创建数据表，后根据模式识别中的语义识别和图像识别进行题型分类,在分类完成的基础上建立模型,通过分析训练，来得出适合各题型的机器学习模型与各影响因素的权重，并不断优化模型，提高效率和准确度。最后将上述工作封装为对外接口，对输入的电路题目的图片进行分析，得出分数预测与难度预测，同时为学生提供讲解视频以及“举一反三”的相关题目使学生更好的掌握该类题型。同时用户的使用将作为反馈进一步优化模型。相比于传统辅助教学系统，该算法具有普适性，延展性，以及自学习的特点，即摆脱了无法识别数据库中不存在的题目的问题，能对任意电路题进行电路特征分析，进而对得分率等进行预测，并且扩展出相关类型题目等，以巩固知识点，而用户的体验也会进一步优化该模型。