摘要:項(xiàng)目反應(yīng)理論所估計(jì)出的項(xiàng)目參數(shù)不受被試者能力分布的影響,即具有參數(shù)不變性的優(yōu)點(diǎn).項(xiàng)目反應(yīng)理論中的參數(shù)估計(jì)是應(yīng)用項(xiàng)目反應(yīng)理論的前提,常用參數(shù)估計(jì)方法有極大似然法、貝葉斯法等建立在數(shù)理統(tǒng)計(jì)基礎(chǔ)上的方法,一般要求較大的樣本,對(duì)于小樣本缺乏合適的參數(shù)估計(jì)方法.本文提出一種廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)的參數(shù)估計(jì)方法,以二值記分的測(cè)驗(yàn)結(jié)果作為樣本,通過實(shí)驗(yàn)與數(shù)理統(tǒng)計(jì)方法進(jìn)行對(duì)比,分析不同樣本量下參數(shù)估計(jì)結(jié)果的誤差.與傳統(tǒng)數(shù)理統(tǒng)計(jì)方法相比,基于GRNN參數(shù)估計(jì)方法在小樣本下對(duì)參數(shù)估計(jì)的精度較高.
注:因版權(quán)方要求,不能公開全文,如需全文,請(qǐng)咨詢雜志社。
小型微型計(jì)算機(jī)系統(tǒng)雜志, 月刊,本刊重視學(xué)術(shù)導(dǎo)向,堅(jiān)持科學(xué)性、學(xué)術(shù)性、先進(jìn)性、創(chuàng)新性,刊載內(nèi)容涉及的欄目:計(jì)算機(jī)網(wǎng)絡(luò)信息安全、算法理論、人工智能分布式計(jì)算、計(jì)算機(jī)圖形與圖像、計(jì)算機(jī)應(yīng)用等。于1980年經(jīng)新聞總署批準(zhǔn)的正規(guī)刊物。