RBF神经网络在大学生素质综合测评中的应用

《RBF神经网络在大学生素质综合测评中的应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2010年7月中国制造业信息化第39卷第13期RBF神经网络在大学生素质综合测评中的应用马来坤(南京农业大学工学院，江苏南京210031)摘要：为了反映大学生素质综合评价过程中的非线性关系，合理地对大学生进行综合测评，提出了基于径向基函数(RBF)神经网络的大学生综合测评方法，并将其应用于南京农业大学工学院学生的综合测评中，取得了较好的效果。研究证明了基于RBF网络的大学生综合测评方法的实用性和有效性。关键词：RBF神经网络；大学生；综合测评中图分类号：G473文献标识码：A文章编号：1672—1616(2010)13—0064一O3大学

2、生素质综合测评是国内目前许多高校采合测评体系中，具有很强的适用性。用的对学生素质进行综合考核和评估的学生素质评价体系，是学生奖助学金、评优评先的一项重要2径向基神经网络及研究工具参照标准uJ。因此，各高校对学生综合测评的评2．1径向基神经网络价方法都比较关注，一些较为成熟的评价方法也被径向基函数(RadMBasisFunction，)神经引入其中。径向基神经网络具有强大的非线性映网络属于3层前向人工神经网络，是前向网络中性射能力，通过对网络的训练进而找到某些行为变化能最优的一种，被誉为“最适合模式识别任务的神的规律，可以实现复杂的因果关系

3、。本文借助计算经网络”l5J。RBF神经网络由输入层、隐层和输出机工具语言MAT建立一个径向基函数神经层组成，其结构如图1所示。其中为权值，网络并将其应用于大学生综合测评体系中，取得了f(X)为网络的输出结果。()为网络隐层的非良好的效果。线性函数，它是一类径向基函数，具有非负对称性。典型的径向基函数为高斯函数，即1大学生综合测评的基本方法()rllX—cI1]=expI一Ii=1，⋯，mL二DiJ关于对大学生进行综合测评的评价方法的研其中：(X)为网络第i个隐层节点的输出；X为究有很多。1994年，孔德芳将模糊数学应用于学维输入向量；C

4、为第i个基函数的中心，与X有相生素质的综合评价中，使评判的结果较为明朗L2J；同的维数；为第i个隐节点的变量(可自由选同年，丁在尚用层次分析法建立的学生素质综合评择)，决定了该函数围绕中心点的宽度；Il一ll价模型具有一定的应用价值_3J；2005年，陈家玮、为向量(X—C)的范数，表示和Cf之间的距离；王桂敏、冯海艳针对学生综合测评的多因素、多指m为隐层的节点数目。标性，提出用灰色系统理论中的灰色关联分析方法∽对学生进行综合测评，较为科学并接近客观实际[4l。由于评价结果与评价指标之间是非线性关系，而传统的评估方法不能很好地反映这种非线

5、性映射关系，因此具有一定的局限性。神经网络擅长处理非线性问题，本文以南京农业大学工学院的综合图1RBF神经网络的结构测评体系为例，将径向基神经网络应用于大学生综径向基函数的作用是对输入激励产生一个局收稿日期：2010—03—29作者简介：马来坤(1989一)，男，安徽滁州人，南京农业大学本科生，主要研究方向为工业工程、系统工程。·应用研究·马来坤RBF神经网络在大学生素质综合测评中的应用65部化的响应，即仅当输入落在输人空间中一个很小表1综合测评指标体系、韵指定区域时，隐单元才做出有意义的非零响应，此时隐层相当于一个非线性变换器，将输入空

6、间映射到一个新的空间，输出层在新的空间中实现线性组合[6J。RBF网络具有以下特点：(1)无需假设学习的近似函数形式即可对数据进行拟合；(2)能以给定精度逼近任意非线性函数；(3)不存在局部极小点问题；(4)训练速度快，比BP网络快2～3个数量级[；(5)所需隐层结点数较少；(6)具有很强的泛化能力和容错性；(7)分类能力优于BP网络，且稳定性较高8。上述特点决定了RBF网络适合于在大学生综合测评中进行应用。2．2研究工具MATIABA15领导、决策、协调能力本文借助计算机工具语言MATLAB进行研组织A16语言及文字表达能力能力A17人

7、际关系协调能力究。MATLAB拥有强大的科学计算能力和可视化A18外联社交能力功能与简单易用、开放式可扩展的环境，特别是其A19获取知识的能力所附带的30多种面向不同领域的工具箱支持，基能力磊另篾量翥銎麓和良好的学习习惯本包括了目前比较成熟的神经网络设计方法，它可A22社会实践中独立解决实际问题的能力以使研究人员从繁琐的编程中解脱出来，大大提高壹啡A23动手操作能力譬A24创新的思维与成果了工作效率和解题质量。A25广泛的爱好A26良好个性的充分发挥3．3网络的训练与评价3RBF网络在大学生综合测评中的将所得样本分为2组，前95个为训练样

8、本，后应用5个为测试样本。设置目标误差goal=0．001，通3．1IF网络的建立过对网络的训练和根据误差最小的原则确定本文采用LAB中的newrb()进行网络的spread=1．0。设计。南