Page 60 - Sistemas de aprendizaje e-learning: técnicas de inteligencia artificial para las inteligencias múltiples

Sistemas de Aprendizaje e-learning: técnicas de 59
inteligencia artificial para las inteligencias múltiples

Tabla 4.3. Los 10 resultados más altos de la regresión con ANN.
NO. DESCRIPCIÓN ANN R
1 ListeningMusic 0.3196
2 Personal 0.3245
3 Experimenting 0.3252
4 PracSports 0.3267
5 Portfolio 0.3275
6 Comment 0.3287
7 MessCelphone 0.3291
8 WatchingTV 0.3337
9 Newspaper 0.3346
10 Games 0.3899

4.2.3. RESULTADOS DE LA REGRESIÓN UTILIZANDO ANFIS
Para extraer la regresión, se seleccionaron cada uno de los 40 atributos del cuestionario de
preferencias como la variable de salida y como la variable de entrada cada una de los estilos
de aprendizaje VARK del cuestionario; el código para ello es el siguiente:

%ANFISIM
clear all
load Vark . dat
%Inputs . Columns 41 to 44 are the VARK ’s results
V= Vark (: ,41) ; A= Vark (: ,42) ; R= Vark (: ,43) ; K= Vark (: ,44) ;

%Input
x=[V, A, R, K];
%Output Columns : 1 to 40 are the learners attributes y= Vark (: ,16) /100;
%three membership functions mfn =3;
epochn =300;
tic ;
%gauss membership function
infis = genfis1 ([x y],mfn ,’gaussmf ’);
outfis = anfis ([x y],infis , epochn );
y- hat = evalfis (x, outfis );
toc
e=y-y- hat ;
plotregression (y,y- hat );

Nótese que para la variable de salida (y), en: y=MultipleInt (:,16)/100, se cambió el parámetro
a (:,1) to (:,2), (:,3) y así sucesivamente para cada uno de los 40 atributos. Las tablas 4.4 y 4.5
muestran las características del ANFIS y los cinco mayores resultados de la regresión con 30
épocas. El ANFIS tiene tres funciones de membresía, cuatro entradas (de los resultados del