当代外语研究
噹代外語研究
당대외어연구
CONTEMPORARY FOREIGN LANGUAGES STUDIES
2013年
2期
37-40
,共4页
神经网络%空白题%识别技术%CET%主观题阅卷
神經網絡%空白題%識彆技術%CET%主觀題閱捲
신경망락%공백제%식별기술%CET%주관제열권
在大规模高风险考试的阅卷过程中常会遇到一定数量的未作答空白题.这些空白题若能由计算机自动识别,将提高阅卷效率和降低阅卷成本.本研究尝试利用神经网络进行空白题识别技术的开发,并讨论该技术在CET主观题阅卷中的应用.该研究提取出图像像素灰度值矩阵行向量、列向量标准差的标准差作为识别空白题的特征参数,选取自学习能力较强的Elman模型,以训练速度快、准确度高的traindx函数为训练函数,以梯度下降的learngdm为学习函数,以非线性的tansig和logsig为隐藏层和输出层的传递函数,并通过对隐藏层神经元数目的调整来优化网络,使网络能以较少的运算消耗获得较好的识别效果.初步研究结果表明该技术可以较好地识别空白题,在保证识别正确率的同时节约人力等资源.
在大規模高風險攷試的閱捲過程中常會遇到一定數量的未作答空白題.這些空白題若能由計算機自動識彆,將提高閱捲效率和降低閱捲成本.本研究嘗試利用神經網絡進行空白題識彆技術的開髮,併討論該技術在CET主觀題閱捲中的應用.該研究提取齣圖像像素灰度值矩陣行嚮量、列嚮量標準差的標準差作為識彆空白題的特徵參數,選取自學習能力較彊的Elman模型,以訓練速度快、準確度高的traindx函數為訓練函數,以梯度下降的learngdm為學習函數,以非線性的tansig和logsig為隱藏層和輸齣層的傳遞函數,併通過對隱藏層神經元數目的調整來優化網絡,使網絡能以較少的運算消耗穫得較好的識彆效果.初步研究結果錶明該技術可以較好地識彆空白題,在保證識彆正確率的同時節約人力等資源.
재대규모고풍험고시적열권과정중상회우도일정수량적미작답공백제.저사공백제약능유계산궤자동식별,장제고열권효솔화강저열권성본.본연구상시이용신경망락진행공백제식별기술적개발,병토론해기술재CET주관제열권중적응용.해연구제취출도상상소회도치구진행향량、렬향량표준차적표준차작위식별공백제적특정삼수,선취자학습능력교강적Elman모형,이훈련속도쾌、준학도고적traindx함수위훈련함수,이제도하강적learngdm위학습함수,이비선성적tansig화logsig위은장층화수출층적전체함수,병통과대은장층신경원수목적조정래우화망락,사망락능이교소적운산소모획득교호적식별효과.초보연구결과표명해기술가이교호지식별공백제,재보증식별정학솔적동시절약인력등자원.
