本发明涉及课程学习，具体为一种基于退火算法的记忆增强方法及课程学习系统。
背景技术：
1、传统教育普遍采用一种通用的教学方法和学习策略，忽视了学生的个体差异和记忆规律；然而，每个人的学习能力、认知方式和记忆特点都是独特的。遗忘曲线研究是关于人类记忆的重要领域，它描述了在学习后记忆信息逐渐衰退的模式。该概念最早由德国心理学家艾宾浩斯（ebbinghaus）在19世纪末提出，并通过他自身的实验证据得到支持；目前，遗忘曲线的研究已经深入发展，并对教育、认知心理学和学习策略等领域产生了广泛的影响。研究者们不仅进一步验证了遗忘曲线的存在和形态，还探索了多种干预措施以延缓遗忘过程。
2、现有的关于遗忘曲线的研究也表明，这一类研究不适用于大规模教学过程，目前的广泛应用如各种学习软件的复习策略，这些策略也是得到统一的遗忘规律如艾宾浩斯遗忘曲线，或者是仅通过学习者学习过程中的表现进行记忆规律总结，忽略了个体本身的生理记忆差异性，导致无法针对学习个人进行专属的记忆规律探寻及学习策略设计。
技术实现思路
1、为解决现有技术中存在的记忆规律一刀切及对个体本身的生理记忆差异忽略等问题，本发明提供了一种基于退火算法的记忆增强方法及课程学习系统。
2、为解决上述技术问题，本发明采用了以下技术方案：一种基于退火算法的记忆增强方法，包括如下步骤：
3、s1、以退火算法拟合遗忘曲线，得到对应遗忘时间的学生个性化遗忘曲线，并结合学生个性化学习特征，输出学生个性化记忆规律；
4、s2、根据学生个性化记忆规律及学习记录匹配策略完成当前课程的学习；
5、s3、在不同时间节点内进行课程学习测评，记录相关数据，并反馈至学生个性化遗忘曲线中，训练个人记忆规律精度。
6、优选的，在步骤s1中，学生个性化学习特征包括：
7、记忆能力，定义为学生完成课程所用时长；
8、记忆可提取性m_r为此刻能够回忆起某条记忆的概率；
9、；
10、记忆稳定性m_s为：
11、；其中，m为课后习题数，n为答对的题目数。
12、优选的，在步骤s1中，输出学生个性化记忆规律具体为：
13、确定要拟合的遗忘曲线的形式和参数；
14、；
15、其中，a为正整数，x表示学习后的天数，y表示保持的百分率；
16、设定温度t、冷却率、以及终止温度，其中，冷却率取值范围为[0, 1]，降温策略为：
17、；
18、表示更新后的温度，表示当前温度，表示每次迭代时降低的温度量，取值为0.05；
19、根据当前温度和冷却率，对当前解进行邻域搜索，通过拟合误差来评估每个邻域解的优劣，并根据接受策略优化解或者继续搜索，接受策略为蒙特卡洛准则；
20、迭代至终止温度，停止搜索并返回最优解；并作为拟合的遗忘曲线参数。
21、优选的，步骤s2的学习记录匹配策略如下：
22、构建当前课程的个性化知识图谱，包括若干学习路径；
23、基于学生当前学习进度信息匹配相应的学习路径，当前学习进度包括感知记录、短期记录、复述记录和长期记录；
24、根据学生个性化记忆规律获得不同学习路径的学习时长。
25、优选的，个性化知识图谱构建为：
26、采集学生生理数据包括：脑电信号、心电信号和视频信号；
27、对生理数据进行关键特征提取，得到学生关键数据特征，包括脑电、心电、体温、体态、面部表情特征；
28、设计多模态生理数据融合挖掘方法实现数据挖掘，并根据挖掘结果和基础知识图谱预测学生学习偏好，更新基础知识图谱，生成符合学生学习情况的个性化知识图谱。
29、优选的，所述个性化知识图谱包括：逻辑类学习路径、发散类学习路径、重复难点学习路径和强化类学习路径；基于学生当前学习进度信息匹配相应的学习路径，具体为：
30、感知记录匹配逻辑类学习路径；短期记录匹配发散类学习路径；复述记录匹配重复难点学习路径；长期记录匹配强化类学习路径。
31、优选的，学习时长限定为：基于学生个性化遗忘曲线，生成学生记忆概率得到短期学习时长、复述间隔及长期学习时长，完成学习路径时长限定。
32、本发明还公开一种课程学习系统，应用记忆增强方法，包括：
33、学习记录匹配模块，基于用于当前学习进度信息，从当前课程的个性化知识图谱中匹配相应的学习路径；以及
34、基于学生个性化记忆规律限定学习路径的学习时长；
35、教学测评模块，完成课程学习后，根据学生个性化记忆规律，设定评测时间及问题，重复多次不同间隔时间进行测评，并记录相关数据。
36、有益效果：本发明结合学生自身生理记忆特征和课程学习特征，采用退火算法拟合遗忘曲线，得到学生个性化记忆规律，并根据学生个性化记忆规律及学习记录匹配策略完成当前课程的学习，在不同时间节点内进行课程学习测评，记录相关数据，并进行反馈，进行记忆规律加强，以及利用学生个性化记忆规律，设计更有效的学习方法和策略，提高学习者的记忆力和学习成效。
1.一种基于退火算法的记忆增强方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于退火算法的记忆增强方法，其特征在于：在步骤s1中，学生个性化学习特征包括：
3.根据权利要求1所述的一种基于退火算法的记忆增强方法，其特征在于：在步骤s1中，输出学生个性化记忆规律具体为：
4.根据权利要求3所述的一种基于退火算法的记忆增强方法，其特征在于：步骤s2的学习记录匹配策略如下：
5.根据权利要求4所述的一种基于退火算法的记忆增强方法，其特征在于：个性化知识图谱构建为：
6.根据权利要求4所述的一种基于退火算法的记忆增强方法，其特征在于：所述个性化知识图谱包括：逻辑类学习路径、发散类学习路径、重复难点学习路径和强化类学习路径；
7.根据权利要求6所述的一种基于退火算法的记忆增强方法，其特征在于：学习时长限定为：基于学生个性化遗忘曲线，生成学生记忆概率得到短期学习时长、复述间隔及长期学习时长，完成学习路径时长限定。
8.一种课程学习系统，应用权利要求1-7任一项所述的记忆增强方法，包括：
