关键词:
多任务自编码器
计算机网络课程
资源整合
神经网络
最优编码映射
编码单元
多层隐藏层
单热向量
摘要:
由于计算机网络课程资源构成复杂多元,整合后的资源差错率难以有效控制。为此,提出了基于多任务自编码器的计算机网络课程资源整合方法研究。在构建多任务自编码器阶段,引入神经网络辅助,使自编码器能够敏锐捕捉计算机网络课程资源之间的规律,并确定最优编码映射,为目标教学内容与计算机网络课程资源构建专门的编码单元。通过多层隐藏层处理输入的单热向量(计算机网络课程资源),最终输出学习的码字信息。在整合阶段,以目标教学内容为核心,将具有与目标一致编码的教学资源作为最终整合结果。测试结果显示,资源差错率始终稳定在5.0%以内,与对照组相比具有明显优势,显著提升了教学效率和质量,促进了教学创新,对提升计算机网络课程的教学效果具有重要意义。