一种基于SOM神经网络算法的在线知识聚合方法技术

本发明专利技术涉及一种基于SOM神经网络算法的在线知识聚合模型，步骤如下：步骤1.获取知识元；步骤2.设置神经网络变量；步骤3.初始化权值；步骤4.选取获胜的神经元；步骤5.更新权值；步骤6.更新节点的参数；步骤7.输出知识簇。本方法利用SOM神经网络等技术将有流动关系的知识元聚合为一个个知识簇，将知识簇整合成一系列的知识主题，使其且在内容和形式上更符合在线学习的需求。

【技术实现步骤摘要】
一种基于SOM神经网络算法的在线知识聚合方法
本专利技术属于人工智能与在线教育交叉领域，是一种基于自组织映射(SOM)神经网络算法的在线知识聚合方法。
技术介绍
碎片化知识使学习者便捷获取知识的同时，也存在一些问题。一是碎片化知识来源比较零散，缺少知识的整合性，其存在形式显现随机、动态、片段化；二是碎片化知识易导致知识结构紊乱，将原有知识进行碎片化的过程中，破坏了原有知识结构；因此，现有的碎片化知识形态存在以下的缺陷：(1)碎片化知识的存在形式片段化、组织方式无序化。(2)碎片化知识之间缺乏必要的关联。目前，碎片化知识的组织方式仍为传统的、堆叠式的组织方式，颗粒度过粗。在碎片化学习过程中，尚不能基于现有技术进行知识的重组，对知识碎片缺乏归一化提取、语义关联、动态聚合等再组织方法，易造成学习者知识芜杂和认知超载等问题；
技术实现思路
本专利技术的目的在于克服原有技术的不足之处，提供一种基于SOM神经网络算法的在线知识聚合方法，该方法有利于使碎片化知识结构系统化，提高在线知识的获取率。为实现上述目的，本专本文档来自技高网...

【技术保护点】
1.一种基于SOM神经网络算法的在线知识聚合方法，其特征在于，所述方法包括以下步骤：/n步骤A：获取知识元：假设X是学生当前正在学习的知识元样本，P

【技术特征摘要】
1.一种基于SOM神经网络算法的在线知识聚合方法，其特征在于，所述方法包括以下步骤：
步骤A：获取知识元：假设X是学生当前正在学习的知识元样本，P1，P2，P3，…，Pn，是自组织神经网络中知识元样本的n维输入，记作X＝[P1，P2，P3，…，Pn]
步骤B：设置神经元变量：Z1，Z2，Z3，…，Zm为输入神经元和输出神经元的m×n个权系数向量，记为Zj＝[P1j，P2j，P3j，…，Pnj]，其中，j＝1，2，…，m为m个分类，定义迭代次数num＝a。
步骤C：初始化：对每个节点的权值进行初始化，随机产生0到1之间的值。并对输入向量和权值做归一化处理。
步骤D：选取获胜神经元：计算样本与权值向量的欧几里得距离Dj，比较它们之间的大小，距离最小的神经元赢得竞争，为获胜神经元I(x)。
步骤E：更新权值：对获胜的神经元拓扑邻域内的神经元进行更新，并对学习后的权值重新归一化。
步骤F：更新节点的参数：按照梯度下降的方法进行更新，直到收敛。
步骤G：输出结果：PT1，PT2，PT3，…，PTn为神经网络的n个神经元的知识簇的输出，若则输出PTx知识簇。


2...

【专利技术属性】
技术研发人员：梁琨，叶子，张翼英，
申请(专利权)人：天津科技大学，
类型：发明
国别省市：天津;12