申请/专利权人:南京冠邦网络技术有限责任公司
申请日:2024-02-26
公开(公告)日:2024-05-07
公开(公告)号:CN117993567A
主分类号:G06Q10/04
分类号:G06Q10/04;G06Q10/0631;G06Q50/20;G06N3/0499;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.24#实质审查的生效;2024.05.07#公开
摘要:本发明公开了一种基于神经网络预测不同学科教师需求量的系统和方法,属于神经网络领域,本发明包括如下步骤:S1、构建历史单班计划课程量的矩阵及历史班级数量的向量,计算出历史总计划课程量,构建学科历史总计划课程量的矩阵;S2、构建学科单人标准课程量的向量,数据运算并整理后,构建理论教师需求量的向量;S3、构建历史实际教师需求量的向量,建立前馈神经网络模型并训练,导入变动后的信息,预测出各学科的教师需求量;本发明通过综合考虑年级、学科、班级规模、课程计划以及教育行业规定标准等因素对教师需求量进行精确的计算,并进一步利用前馈神经网络对教师需求量进行拟合预测,使得预测更加精确。
主权项:1.一种基于神经网络预测不同学科教师需求量的方法,其特征在于:该方法包括以下步骤:S1、采集用户所在教育团体的历史年级数量、历史学科数量及该团体各年级中对应的各学科的历史单班计划课程量,构建历史单班计划课程量的矩阵记为矩阵P,采集历史各年级的班级数量,构建历史班级数量的向量记为向量C,根据矩阵P和向量C,计算出该团体各年级中各学科的历史总计划课程量,构建学科历史总计划课程量的矩阵记为矩阵Q;S2、采集教育行业规定的各学科的单人标准课程量信息,构建学科单人标准课程量的向量记为向量B,取向量B中各元素的倒数,构建新的向量记为向量B1,对矩阵Q和向量B1进行Hadamard积运算,数据整理后,构建理论教师需求量的向量记为向量N;S3、采集各学科的历史实际教师需求量,构建历史实际教师需求量的向量记为向量R,建立前馈神经网络模型,将矩阵P中的各元素、向量C中的各元素及向量N中的各元素作为输入变量,矩阵R中的各元素作为输出变量,对前馈神经网络模型进行训练,训练完成的前馈神经网络模型,结合变动后的年级数量、学科数量及该团体各年级中对应的各学科的单班计划课程量,预测出各学科的教师需求量。
全文数据:
权利要求:
百度查询: 南京冠邦网络技术有限责任公司 一种基于神经网络预测不同学科教师需求量的系统和方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。