《表6 最有影响力的课程：基于LSTM的学习成绩预测及其影响因素方法研究》
提示：宽带有限、当前游客访问压缩模式
从各专业中选出一个预测课程，根据前文描述，计算各先修课程的影响力，结果如表6所示。
| 图表编号 | XD00189325000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.12.01 |
| 作者 | 曹洪江、谢金 |
| 绘制单位 | 武汉理工大学经济学院、武汉理工大学经济学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表5 实验结果展示：基于LSTM的学习成绩预测及其影响因素方法研究》2020.12.01
- 《表4 实验参数设置：基于LSTM的学习成绩预测及其影响因素方法研究》2020.12.01
- 《表3 实验方案设计：基于LSTM的学习成绩预测及其影响因素方法研究》2020.12.01
- 《表6 垃圾处理得分：上海市垃圾产量影响因素分析及规模预测——基于灰色系统理论的研究》2020.05.27
- 《表1 关键词列表：基于机器学习LSTM&US模型的消费者信心指数预测研究》2020.07.25
- 《表6 不同水平学生数学学业成绩及其影响因素的回归差异》2020.08.01
- 《表6 断尾回归结果：基于DEA方法的精准扶贫效率区域差异及其影响因素分析》2020.06.30
- 《表2 旋转后成份矩阵：在线课程学习体验及其影响因素的实证研究》2020.06.30
- 《表3 各变量相关性分析：在线课程学习体验及其影响因素的实证研究》2020.06.30
- 《表1 方差贡献率分析表：在线课程学习体验及其影响因素的实证研究》2020.06.30
- 《表2 旋转后成份矩阵：在线课程学习体验及其影响因素的实证研究》2020.06.30
- 《表4 模型汇总b：在线课程学习体验及其影响因素的实证研究》2020.06.30
- 《表1 基于IPA的课件制作课程学习影响因素》2020.07.10
- 《表6 实验结果：基于离散化和LSTM神经网络的股票指数趋势预测研究》2019.12.25
- 《表6 测量模型区分效度：基于UTAUT模型对酒店员工使用网络学习空间影响因素的实证研究》2020.01.10
- 《表4 因素影响程度：基于LSTM的工业互联网设备工作状态预测》2020.01.01
- 《表3 LSTM模参数：基于深度学习的核电站事故预测及故障诊断方法》2019.12.10
- 《表2 卡方检验结果：基于Logistic回归的大学生MATLAB课程成绩的影响因素分析》2019.08.15
- 《表1 变量赋值：基于Logistic回归的大学生MATLAB课程成绩的影响因素分析》2019.08.15
- 《表1：考虑美元人民币汇率影响的企业债收益预测研究——基于LSTM神经网络》2019.06.15