一种基于贝叶斯神经网络的深度知识追踪方法与流程

技术特征：

1.一种基于贝叶斯神经网络的深度知识追踪方法，该方法主要有三个特征。

2.特征一：该方法模型结构采用embedding+lstm+dense的深度知识追踪模型结构，embedding层训练有任务导向性的学生行为向量，lstm层处理学生答题行为数据的长依赖，dense层将中间数据处理为所需的数据形式。

3.特征二：该方法参数形式采用概率分布形式，权重，在训练中权重参数,其中是参数在均值上的偏移量，ε的值从标准正态分布采样获取，测试评估权重参数有两种取值情况：1）；2）。

4.特征三：该方法参数训练引入模型参数的贝叶斯先验知识，运用贝叶斯反向传播算法和批梯度下降算法进行参数调整，模型的损失计算由真实值与预测值差值和参数先验与后验差值两部分构成。

5.具有特征一和特征二的组合。

6.具有特征一和特征三的组合。

7.具有特征二和特征三的组合。

8.具有特征一、特征二和特征三的组合。