编辑推荐
《三维虚拟空间学习绩效评估》在自行开发的三维虚拟迷宫漫游系统上，以寻路为学习任务，从用户特征、环境特征和任务特征三个方面，深入探讨影响空间学习绩效的主要因素及其交互作用，并采用神经网络模型构建空间学习绩效的预测模型。
作者简介
左伍衡，男，1973年6月生，湖南衡阳人，应用心理学博士，浙江工业大学教科学院副教授，教育学和计算机专业硕士生导师。当前主要研究方向为学习科学、可视分析与用户研究，主持和参与了国家自然科学基金、国家精品资源共享课程、浙江省科技厅公益性技术应用研究计项目、浙江省重点教材建设项目和浙江省高等教育课堂教学改革项目等多项课题，主编出版多部教材，在可视分析和空间学习方面发表论文多篇。
目录
1绪论
1.1研究背景及意义
1.1.1研究背景
1.1.2研究意义
1.2研究目标、内容和方法
1.2.1研究目标和内容
1.2.2研究思路和方法
1.3论文结构
2文献综述
2.1空间及空间学习概述
2.1.1空间和学习空间
2.1.2空间认知与空间学习概述
2.2三维虚拟空间情景中空间学习的相关研究
2.2.1空间学习绩效评估
2.2.2三维虚拟空间情景中学习绩效的主要影响因素
3三维虚拟环境的建构
3.1三维虚拟空间建构技术
3.1.1环境建模技术
3.1.2虚拟现实开发工具OpenGL简介
3.2三维虚拟迷宫漫游系统的设计
3.2.1迷宫概述
3.2.2三维虚拟迷宫漫游系统的需求分析与功能设计
3.3三维虚拟迷宫漫游系统的实现
3.3.1迷宦地图编辑子系统
3.3.2迷宫漫游子系统
4三维虚拟空间学习绩效主要影响因素的实验研究
4.1实验1：三维虚拟环境中被试个体特征对学习绩效的影响
4.1.1实验目的
4.1.2实验方法
4.1.3结果分析
4.1.4实验结论
4.2实验2：三维虚拟环境中任务特征对学习绩效的影响
4.2.1实验目的
4.2.2实验方法
4.2.3结果分析
4.2.4实验结论
4.3实验3：桌面式三维虚拟环境特征对学习绩效的影响研究
4.3.1实验目的
4.3.2实验方法
4.3.3结果分析
4.3.4实验结论
4.4实验4：三维虚拟环境个体特征和任务特征对学习绩效的综合影响
4.4.1实验目的
4.4.2研究方法
4.4.3结果分析
4.4.4实验结论
4.5实验5：三维虚拟环境个体特征和环境特征对学习绩效的综合影响
4.5.1研究目的
4.5.2研究方法
4.5.3结果分析
4.5.4实验结论
4.6实验6：三维虚拟环境任务特征和环境特征对学习绩效的综合影响
4.6.1研究目的
4.6.2研究方法
4.6.3结果分析
4.6.4实验结论
4.7实验7：个体特征、任务特征和环境特征对学习绩效的综合影响
4.7.1研究目的
4.7.2研究方法
4.7.3结果分析
4.7.4实验结论
5三维虚拟空间学习绩效预测模型构建
5.1基于BPNN的三维虚拟空间学习绩效预测模型构建
5.1.1BPNN概述
5.1.2BPNN构建
5.1.3BPNN训练
5.1.4基于BPNN的三维虚拟空间学习绩效预测模型拟合度分析
5.1.5基于BPNN的三维虚拟空间学习绩效预测模型误差分析
5.1.6基于BPNN的三维虚拟空间学习绩效预测模型敏感度分析
5.2基于GRNN的三维虚拟空间学习绩效预测模型构建
5.2.1GRNN神经网络的结构及特点
5.2.2GRNN网络构建与训练
5.2.3基于GRNN的三维虚拟空间学习绩效预测模型拟合度分析
5.2.4基于GRNN的三维虚拟空间学习绩效预测模型误差分析
5.2.5基于GRNN的三维虚拟空间学习绩效预测模型敏感度分析
5.3三维虚拟空间学习绩效预测模型比较
5.3.1两种模型的总体性能比较
5.3.2神经网络模型的输入项敏感度比较
6总结论与展望
6.1总结论
6.2本研究创新点
6.3研究局限及未来研究方向
参考文献
索引
附录：空间认知能力测验问卷
文摘
版权页：
插图：
BPNN（Back Propagation Neural Networks，简称BP神经网络）网络是1986年由以Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP神经网络模型拓扑结构包括输入层、隐含层和输出层。BP网络采用误差反向传播算法，这是一种基于梯度下降的δ规则学习算法。其基本思想是：整个网络的学习由信号的正向传播和误差的反向传播两个过程组成。在正向传播过程中，输入信号从输入层输入，经过网络的权值、阈值和神经元的传递函数作用后，从输出层输出。如果输出层与期望层之间的误差大于规定值，则进行修正，转入误差反向传播阶段。误差反传是将输出误差通过隐含层向输入层逐层返回，并将误差按“递度下降”原则“分摊”给各层神经元，并修改各层神经元的权值与偏差。以上两个过程是反复进行的，权值不断调整的过程，也就是网络训练过程，此循环一直进行到网络的输出误差减少到允许值或到达设定的训练次数为止。
《三维虚拟空间学习绩效评估》在自行开发的三维虚拟迷宫漫游系统上，以寻路为学习任务，从用户特征、环境特征和任务特征三个方面，深入探讨影响空间学习绩效的主要因素及其交互作用，并采用神经网络模型构建空间学习绩效的预测模型。
作者简介
左伍衡，男，1973年6月生，湖南衡阳人，应用心理学博士，浙江工业大学教科学院副教授，教育学和计算机专业硕士生导师。当前主要研究方向为学习科学、可视分析与用户研究，主持和参与了国家自然科学基金、国家精品资源共享课程、浙江省科技厅公益性技术应用研究计项目、浙江省重点教材建设项目和浙江省高等教育课堂教学改革项目等多项课题，主编出版多部教材，在可视分析和空间学习方面发表论文多篇。
目录
1绪论
1.1研究背景及意义
1.1.1研究背景
1.1.2研究意义
1.2研究目标、内容和方法
1.2.1研究目标和内容
1.2.2研究思路和方法
1.3论文结构
2文献综述
2.1空间及空间学习概述
2.1.1空间和学习空间
2.1.2空间认知与空间学习概述
2.2三维虚拟空间情景中空间学习的相关研究
2.2.1空间学习绩效评估
2.2.2三维虚拟空间情景中学习绩效的主要影响因素
3三维虚拟环境的建构
3.1三维虚拟空间建构技术
3.1.1环境建模技术
3.1.2虚拟现实开发工具OpenGL简介
3.2三维虚拟迷宫漫游系统的设计
3.2.1迷宫概述
3.2.2三维虚拟迷宫漫游系统的需求分析与功能设计
3.3三维虚拟迷宫漫游系统的实现
3.3.1迷宦地图编辑子系统
3.3.2迷宫漫游子系统
4三维虚拟空间学习绩效主要影响因素的实验研究
4.1实验1：三维虚拟环境中被试个体特征对学习绩效的影响
4.1.1实验目的
4.1.2实验方法
4.1.3结果分析
4.1.4实验结论
4.2实验2：三维虚拟环境中任务特征对学习绩效的影响
4.2.1实验目的
4.2.2实验方法
4.2.3结果分析
4.2.4实验结论
4.3实验3：桌面式三维虚拟环境特征对学习绩效的影响研究
4.3.1实验目的
4.3.2实验方法
4.3.3结果分析
4.3.4实验结论
4.4实验4：三维虚拟环境个体特征和任务特征对学习绩效的综合影响
4.4.1实验目的
4.4.2研究方法
4.4.3结果分析
4.4.4实验结论
4.5实验5：三维虚拟环境个体特征和环境特征对学习绩效的综合影响
4.5.1研究目的
4.5.2研究方法
4.5.3结果分析
4.5.4实验结论
4.6实验6：三维虚拟环境任务特征和环境特征对学习绩效的综合影响
4.6.1研究目的
4.6.2研究方法
4.6.3结果分析
4.6.4实验结论
4.7实验7：个体特征、任务特征和环境特征对学习绩效的综合影响
4.7.1研究目的
4.7.2研究方法
4.7.3结果分析
4.7.4实验结论
5三维虚拟空间学习绩效预测模型构建
5.1基于BPNN的三维虚拟空间学习绩效预测模型构建
5.1.1BPNN概述
5.1.2BPNN构建
5.1.3BPNN训练
5.1.4基于BPNN的三维虚拟空间学习绩效预测模型拟合度分析
5.1.5基于BPNN的三维虚拟空间学习绩效预测模型误差分析
5.1.6基于BPNN的三维虚拟空间学习绩效预测模型敏感度分析
5.2基于GRNN的三维虚拟空间学习绩效预测模型构建
5.2.1GRNN神经网络的结构及特点
5.2.2GRNN网络构建与训练
5.2.3基于GRNN的三维虚拟空间学习绩效预测模型拟合度分析
5.2.4基于GRNN的三维虚拟空间学习绩效预测模型误差分析
5.2.5基于GRNN的三维虚拟空间学习绩效预测模型敏感度分析
5.3三维虚拟空间学习绩效预测模型比较
5.3.1两种模型的总体性能比较
5.3.2神经网络模型的输入项敏感度比较
6总结论与展望
6.1总结论
6.2本研究创新点
6.3研究局限及未来研究方向
参考文献
索引
附录：空间认知能力测验问卷
文摘
版权页：
插图：
BPNN（Back Propagation Neural Networks，简称BP神经网络）网络是1986年由以Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP神经网络模型拓扑结构包括输入层、隐含层和输出层。BP网络采用误差反向传播算法，这是一种基于梯度下降的δ规则学习算法。其基本思想是：整个网络的学习由信号的正向传播和误差的反向传播两个过程组成。在正向传播过程中，输入信号从输入层输入，经过网络的权值、阈值和神经元的传递函数作用后，从输出层输出。如果输出层与期望层之间的误差大于规定值，则进行修正，转入误差反向传播阶段。误差反传是将输出误差通过隐含层向输入层逐层返回，并将误差按“递度下降”原则“分摊”给各层神经元，并修改各层神经元的权值与偏差。以上两个过程是反复进行的，权值不断调整的过程，也就是网络训练过程，此循环一直进行到网络的输出误差减少到允许值或到达设定的训练次数为止。
| ISBN | 9787308155557 |
|---|---|
| 出版社 | 浙江大学出版社 |
| 作者 | 左伍衡 |
| 尺寸 | 16 |