基于bp神经网络的实践教学质量评价模型研究

《基于bp神经网络的实践教学质量评价模型研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于BP神经网络的实践教学质量评价模型研究：高校教学质量的评价是一个多变量、多因素、模糊的非线性过程。文章采用了BP神经X络的原理用于教学质量评价，建立了教学质量评价模型，克服了评价中因主观因素造成的影响，得到了较满意的评价结果。　　关键词：BP神经X络；教学质量；评价模型；神经元　　：TP183：A：1009-3044(2011)11-2659-03　　AstudyofEvaluatingTeachingQualityBasedonBPNeuralNetationScienceandEngineering,CentralSouthUniversity,Changsha410083,

2、China;2.SchoolofputerandElectronicEngineering,HunanUniversityofmerce,Changsha410205,China)　　Abstract:Teachingqualityevaluationincollegeteachingisamulti-factor,multi-variablefuzzynonlinearprocess.ThispaperintroducedateachingqualityevaluationsystemonBPneuralodelofteachingqualityisestablished.Ther

3、esultshoodelingofteachingqualityevaluationbasedonBPneuraloresatisfiedevaluationresults.　　Keyodel;neuron　　高等教育的根本目标就是培养高素质人才，而提高教学质量是重要的手段。高校教学质量的评估是教学管理中的一个重要环节，如何客观、公正、科学的综合评价高校教师的教学质量已成为高校教学日常管理的一个重要内容，它有助于准确而全面地掌握学校教师教学工作情况，有助于管理者了解教学目标的实施情况，从而进一步提高教学质量。但教学质量评价多属于非线性分类问题，是一个有定性指标也有定量指标的多因素复杂

4、系统，因指标是多层次的、复杂的，难以用合适的固定数学模型描述。很多传统的方法如加权均值法、层次分析法、模糊综合判定法等在教学质量评价中被使用过，虽然取得了一定成效，但仍然存在很多缺陷，如缺乏自学习能力，难以做出精确评价；在确定各项评价指标权重时，往往凭借经验估计，导致评价具有主观性，不能很好的解决问题。BP神经X络作为一种应用范围广的新技术，以其强大的自学习、自组织等特性，为解决非线性问题提供了新的途径。　　文章采用人工神经X络中的BP算法[1](前馈式神经X络方法)，建立了教学质量的评价模型，克服了评价中因主观因素造成的影响。　　1BP神经X络模型　　BP(BackPropagat

5、ion)神经X络是一种前馈式X络。该类神经X络模型采用多层映射机制，利用最小均方差[2]的学习方式。人工神经X络一般由许多个神经元组成，神经元是神经X络的基本处理单元，它一般是多输入/单输出的结构，动作很简单，将输入向量与权向量乘积经过一次变换，即得到输出结果。这个输出可以通过相互连接一直传递下去。图1为神经元模型。　　在图中，x1,x2,…,xn是神经元的输入；oid函数作为BP神经X络隐含层单元和输出层单元上的激活函数，函数形式为：　　（15）　　由于评估结果的期望输出值经过归一化处理后均落于[0,1]区间内，因此采用sigmoid函数作为激活函数。　　5结语　　运用BP神经X络

6、建立的质量评价模型，客服了评价过程中出现的主观性和不确定性，具有高度的自学习、自适应的特点。经过测试表明，虽然X络结构不容易确定，但如果训练的数据足够多而且具有代表性，就能取得良好的仿真效果。BPX络存在的缺陷和不足主要体现在：①X络隐含层的单元数和层数选择一单通过反复试验或根据经验确定，没有理论上的指导和依据，往往因存在冗余增加X络学习的负担。②由于BP算法学习速率太小，对于一些较复杂的问题，训练时间可能非常长，导致X络收敛速度很慢。