Please use this identifier to cite or link to this item: http://hdl.handle.net/11455/8297
DC FieldValueLanguage
dc.contributor.advisor廖俊睿zh_TW
dc.contributor.advisorJan-Ray Liaoen_US
dc.contributor.author黃義立zh_TW
dc.contributor.authorHuang, Yi-Lien_US
dc.date2003zh_TW
dc.date.accessioned2014-06-06T06:41:20Z-
dc.date.available2014-06-06T06:41:20Z-
dc.identifier.urihttp://hdl.handle.net/11455/8297-
dc.description.abstract本研究的目的乃利用「Neuro-Fuzzy Control」與「教材與學習的特性」實作「個人化線上評量系統」,其中包含使用Inverse learning設計方法與Carroll提出的學習模型,使得能夠提供給上線者適合其當時學習狀況的難易度評量,而且一份適性難易度評量各章節題數的決定是依據上線者之前評量的作答情形而有不同比例,以達到在較短時間各章節能整體性平衡的學習,至於題庫內各題目難易度也藉由累計所有上線者的作答情形作更新,以介於0到1間的連續數表示。最後比較適性難易度與隨機難易度在學習上呈現的差異,並討論整個系統中「教師Plant策略模型」與「預期學習能力模型」對適性難易度評量的影響。zh_TW
dc.description.abstractThe purpose of this thesis is to implement a personalized on-line evaluation system based on “neuro-fuzzy control” and the “teaching-learning characteristics”. We use inverse learning method and the learning model proposed by Carroll to design the system. It can provide an exam whose difficulty is adaptive to the progress of on-line user. The system chooses questions based on user's previous performance and pick more questions in the sections or chapters where the user performed poorly in the past. Thereby, the user can learn the materials more quickly without wasting time on the part they already understand. Instead of using a discrete difficulty measure for each question, the difficulty measure in database is also updated every time someone takes the exam and it is expressed by continuous numbers between 0 and 1. Finally, we will discuss the differences between the adaptive evaluation we proposed and the random evaluation which is currently in wide use. We will also discuss the influence of the “teacher''s plant strategy model” and the “student's expected learning attitude model” on the adaptive difficulty evaluation.en_US
dc.description.tableofcontents第一章 簡介 1 1.1 動機與目的 1 1.2 章節介紹 2 第二章 理論基礎 4 2.1 Neuro-Fuzzy 的理論基礎 4 2.1.1 Feedback Control System 4 2.1.2 Neuro-Fuzzy Control 5 2.1.3 ANFIS架構的形成 5 2.1.4 ANFIS的knowledge acquistion 7 2.1.5 Hybrid Learn Algorithm 7 2.1.6 Fuzzy Logic Toolbox For Use with MATLAB 12 2.2 利用Inverse Learning設計neuro-fuzzy control 14 2.2.1 Neuro-Fuzzy架構 14 2.2.2 Training Phase的階段 15 2.2.3 Application Phase的階段 15 2.2.4 On-line Inverse Learning 16 2.3 教材與學習者的特性 17 2.3.1 教材特性模式 17 2.3.2 學習能力預期的可提升量 19 第三章 材料與方法 21 3.1 Plant的建構 21 3.1.1 Plant的策略 22 3.1.2 Plant的模型 24 3.2 Plant逆動態的建構-Training phase 26 3.2.1 Plant逆動態traning data set的取得 26 3.2.2 Plant逆動態的模型 27 3.3 Plant逆動態的使用-Off-line Application phase 31 3.3.1 下一次預期學習能力的取得 31 3.3.2 Off-line Application phase模擬 33 3.4 On-line Inverse Learning建構「個人化線上評量系統」 38 3.4.1 個人化的 Plant逆動態 38 3.4.2 On-line Application phase模擬 39 第四章 系統實作 46 4.1 網路架構 46 4.1.1 二層式的架構: 46 4.1.2 三層式的架構: 47 4.2 相關網路技術 48 4.2.1 IIS(Internet Information Server) 48 4.2.2 ASP(Active Server Pages) 48 4.2.3 ODBC(Open DataBase Connectivity) 49 4.2.4 ADO(ActiveX Data Object) 49 4.2.5 SQL(Structured Query Language) 49 4.2.6 CGI(Common Gatway Interface) 50 4.3 後端伺服器(Server)存取過程 50 4.3.1 存取DataBase Server的過程 50 4.3.2 存取MatLab Server的過程 51 4.4 Web Server的建構 52 4.4.1 Web Server軟體規格: 52 4.4.2 「個人化線上評量」虛擬目錄的設定: 52 4.4.3 MatLab Server CGI程式的設定: 52 4.4.4 組態檔matweb.conf內容格式 53 4.5 DataBase Server的建構 53 4.5.1 DataBase Server 端軟體規格: 53 4.5.2 題目資料庫exam.mdb: 53 4.5.3 記錄資料庫record.mdb: 55 4.6 MatLab Server的建構 59 4.6.1 MatLabServer端軟體規格: 59 4.6.2 MatLabServer管理程式 59 4.6.3組態檔matlabserver.conf內容可有的選項 59 4.7 個人化線上評量系統 60 4.7.1 系統結構圖 60 4.7.2 各模組介紹(功能、目的、資料流程圖) 60 4.7.3 適性評量模組相關的演算法 67 4.7.4 程式存取MatLab Server的介面 70 4.7.5 系統實施流程 74 4.7.6 實施測試限制 79 第五章 結果與討論 80 5.1 學習能力漸進的走向 80 5.1.1 建立難易度0.5與其他難易度間分數轉換的模型 80 5.1.2 適性難易度與隨機難易度學習能力之曲線 84 5.2 依學習能力決定各章節出題比重 88 5.3 題庫中題目的難易度隨時更新 90 5.4 不同動態系統Plant的影響 92 5.4.1 建構不同的Plant 92 5.4.2 以不同的Plant模型模擬比較 94 5.5 不同預期的學習能力模型的影響 96 5.5.1 建構不同預期的學習能力模型 97 5.5.2 以不同的預期學習能力模型模擬比較 98 5.5.3 繪製最大的能力可提升量-黃金線 100 5.5.4 以預期學習能力模型與其黃金線模擬比較 100 第六章 結論 104 6.1 個人化線上評量的學習成效 104 6.2 進一步研究的方向 105 參考文獻 106 附錄 108 A.1 系統登入模組 108 A.2 隨機評量模組 109 A.3 適性評量模組 112 A.4 學習過程模組 115zh_TW
dc.language.isoen_USzh_TW
dc.publisher電機工程學系zh_TW
dc.subjectneuro-fuzzy controlen_US
dc.subject類神經模糊控制zh_TW
dc.subjectlearning modelen_US
dc.subjectadaptive difficultyen_US
dc.subject學習能力模型zh_TW
dc.subject適性難易度zh_TW
dc.title類神經模糊控制在個人化線上評量系統的應用zh_TW
dc.titleThe Application of Personalized On-line Evaluation System Based on Neuro-Fuzzy Controlen_US
dc.typeThesis and Dissertationzh_TW
item.languageiso639-1en_US-
item.openairetypeThesis and Dissertation-
item.cerifentitytypePublications-
item.grantfulltextnone-
item.fulltextno fulltext-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
Appears in Collections:電機工程學系所
Show simple item record
 
TAIR Related Article

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.