基于机器学习对于MLP模型的学习和应用
是的，隆重震撼推出 -慧学日程
是一款针对大学生日常学习计划的安排，基于训练模型对于学习时间的调整，你可以选择在里面输入你的学习科目（必修，选修，考证）开始时会根据你对这门课的重视程度，每天学习时长，临近考试的天数进行一个基于大语言模型给出的每天每个时间段学习时间的分配，使用时如果你学完这门课程就自然的去打个卡，基于MLP模型的预测，将更多的学习时间分配在你所完成学习任务时间段内，模型即认定你在该时间段内学习这门课的效率比较高，这样长久以来模型就会记住你的习惯，在每天同样的时间内给你分配更多的任务。
基于机器学习完成的MLP决策模型，我们做了一个小程序（目前微信平台在审核），小程序名字叫做慧学日程，是一款基于 MLP（多层感知机）神经网络的大学生个性化学习规划工具。它将一天划分为六个时段（早晨、上午、午间、下午、傍晚、晚间），通过 12 维特征输入（课程重要度、每日可用时长、剩余天数、课程类型、各时段历史完成率），为每门课程智能分配每日各时段的学习时长。
核心特色在于 反馈闭环：你在每个时段的打卡完成情况会被模型记录，完成率高的时段未来会获得更多分配，完成率低的时段则会减少分配，让学习计划越用越精准。
微信小程序采用双线程架构（渲染层 WebView + 逻辑层 JSCore），通过 WeixinJSBridge 进行跨线程通信[13]。本项目在开发中应用的关键技术包括：
- **数据绑定与响应式更新**：使用 `setData` 实现页面数据的声明式渲染，打卡状态变化实时反映在界面。
- **本地存储**：利用 `wx.setStorageSync` 缓存用户课程数据与当日打卡状态，减少网络请求频率。
- **网络请求封装**：对 `wx.request` 进行二次封装，统一处理 Token 鉴权、错误重试与 Loading 状态。
- **定时器机制**：通过 `setInterval` 实现时段状态轮询，检测时段过期并触发自动标记。
- **图表可视化**：集成 ECharts 微信小程序版，在学习计划页展示时段分配柱状图，在个人中心展示完成率趋势折线图。
评论