基于二維卷積神經(jīng)網(wǎng)絡(luò)的大學(xué)生負(fù)性情緒預(yù)警模型

摘要： 目的：基于二維深度學(xué)習(xí)算法提出大學(xué)生負(fù)性情緒預(yù)警模型,增強(qiáng)大學(xué)生負(fù)性情緒識(shí)別的準(zhǔn)確性和穩(wěn)定性。方法：基于13所高校56 837名大學(xué)生3類15項(xiàng)特征數(shù)據(jù),構(gòu)建“時(shí)間-測(cè)度”基于特征灰度的二維卷積神經(jīng)網(wǎng)絡(luò)模型（FG-CNN）,比較該模型與6類機(jī)器學(xué)習(xí)模型在負(fù)性情緒同期預(yù)警和跨期預(yù)警上的效果。結(jié)果：FG-CNN在同期預(yù)測(cè)上具有94.93%的準(zhǔn)確率和0.976的AUC值,在跨期預(yù)測(cè)上... （共6頁(yè)）