基于BP神經(jīng)網(wǎng)絡(luò)的教師教學(xué)質(zhì)量評價研究

基于BP神經(jīng)網(wǎng)絡(luò)的教師教學(xué)質(zhì)量評價研究

劉毅，石黎，徐嘉婧，樊文潔

（湖北經(jīng)濟學(xué)院，湖北武漢430205）

摘要：BP神經(jīng)網(wǎng)絡(luò)是近年來國內(nèi)外新興的一種方法，具有非線性的特點，可以模擬任何非線性的問題。應(yīng)用BP神經(jīng)網(wǎng)絡(luò)對教師教學(xué)質(zhì)量評價體系進行建模，在MATLAB2012中進行訓(xùn)練，得到有效評價模型，最終實現(xiàn)接近真實水平的評價。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；教學(xué)質(zhì)量；模型

黨的十八大提出了全面深化高校改革，而在今年（2014年）全國300所高校也在探索轉(zhuǎn)型成為技術(shù)類大學(xué)，在這種改革創(chuàng)新的教育環(huán)境下，對一個有效的，新型的教師教學(xué)質(zhì)量評價體系的需求就更加迫切了。目前大多數(shù)高校采用加權(quán)平均法，層次分析法，board評價法等等比較簡單的線性算法對教學(xué)質(zhì)量進行評價，會出現(xiàn)結(jié)果失真，評價不全面等問題。通過用BP神經(jīng)網(wǎng)絡(luò)對教學(xué)質(zhì)量評價體系進行建模，然后訓(xùn)練網(wǎng)絡(luò)模型，可以得到一個有效的評價體系模型。

一、評價指標(biāo)體系

在教學(xué)質(zhì)量評價中，評價指標(biāo)是評價工作最終真實有效的重要因素之一。為了確保研究工作順利進行，得到理想的評價模型，采用湖北經(jīng)濟學(xué)院法商學(xué)院評價系統(tǒng)真實指標(biāo)與數(shù)據(jù)進行實驗。實驗樣本的好壞直接決定著最終的實驗結(jié)果，從評價系統(tǒng)中選取22個訓(xùn)練樣本作為實驗訓(xùn)練樣本。評價指標(biāo)如表1所示：

表1：湖北經(jīng)濟學(xué)院法商學(xué)院評價指標(biāo)體系

二、BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法

Traingd是標(biāo)準的BP梯度下降學(xué)習(xí)算法，按照梯度下降的方向修正各個神經(jīng)元之間的權(quán)值。算法從本質(zhì)上來說就是信號的正向傳播，誤差的反向傳播，在建立神經(jīng)網(wǎng)絡(luò)的時候連接權(quán)值是隨機賦予的，通過訓(xùn)練樣本的輸入訓(xùn)練，來不斷修正權(quán)值，訓(xùn)練比較成功的網(wǎng)絡(luò)的輸出就會接近期望輸出。這里以3層神經(jīng)網(wǎng)絡(luò)拓撲圖為例來介紹BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法：

1.網(wǎng)絡(luò)參數(shù)初始化，設(shè)定誤差函數(shù)e，給定計算精度值ε，最大學(xué)習(xí)次數(shù)M，學(xué)習(xí)步長η，以及權(quán)值初始值，權(quán)值初始值為[-1，1]之間的隨機數(shù)。

2.信號的正向傳播，輸入樣本數(shù)據(jù)，樣本分為輸入樣本（輸入樣本為[x=x1，x2，…xk…xn]，其中任一樣本為[xk=xk1，xk2，…，xkm]，（k=1，2，3，…n））和期望輸出樣本（dk=Tk）。然后根據(jù)輸入樣本值計算隱含層輸出值，再根據(jù)隱含層輸出值計算輸出層輸出值。

I為隱含層神經(jīng)元個數(shù)，wmi是輸入層和隱含層之間的權(quán)值，f（）為激活函數(shù)，在教師教學(xué)質(zhì)量評價體系模型中的f（）為Tansig，wip為隱含層和輸出層的連接權(quán)值。

3.誤差的反向傳播，輸出層輸出結(jié)果Vp與期望輸出結(jié)果Tk比較，此時如果全局平方和誤差E小于預(yù)先設(shè)定的精度值ε，或者學(xué)習(xí)的次數(shù)大于最大學(xué)習(xí)次數(shù)M，此時神經(jīng)網(wǎng)絡(luò)就會停止訓(xùn)練。如果全局平方和誤差E大于預(yù)先設(shè)定的精度值，網(wǎng)絡(luò)會把誤差反向傳播，依照誤差量逐步修改網(wǎng)絡(luò)各層的連接權(quán)值。

隱含層與輸出層之間的權(quán)值修正量的計算公式為：

輸入層和隱含層之間的權(quán)值修正量的計算公式為：

繼續(xù)重復(fù)步驟b和步驟c；如果誤差達到要求，則停止訓(xùn)練,訓(xùn)練完成。否則，重復(fù)訓(xùn)練，直到誤差達到精度要求。[1]

三、模型構(gòu)建與仿真應(yīng)用

根據(jù)表1中的評價指標(biāo)及數(shù)據(jù)，評價指標(biāo)作為神經(jīng)網(wǎng)絡(luò)的輸入項，有18個，所以輸入層神經(jīng)元定為18個，輸出層輸出結(jié)果為一個，所以個數(shù)為1個，隱含層神經(jīng)元個數(shù)到目前為止沒有確定的方法且其個數(shù)的確定非常重要，隱含層節(jié)點數(shù)如果太少，則收斂速度慢，如果隱含層個數(shù)太多，則造成拓撲結(jié)構(gòu)復(fù)雜，網(wǎng)絡(luò)訓(xùn)練時間變長。在這個網(wǎng)絡(luò)模型中，根據(jù)相關(guān)公式和不斷驗證，把隱含層神經(jīng)元個數(shù)定為9。[2]

從評價系統(tǒng)中選取的22個訓(xùn)練樣本，歸一化處理后，樣本分為輸入樣本P和期望輸出樣本T。把這些樣本在MATLAB2012神經(jīng)網(wǎng)絡(luò)工具箱中進行模擬訓(xùn)練，得到誤差如圖1:

圖1：訓(xùn)練誤差（訓(xùn)練函數(shù)為）

模型構(gòu)建和仿真用的軟件為MATLAB2012的神經(jīng)網(wǎng)絡(luò)工具箱，采用的樣本有22個，軟件會隨機把樣本分為訓(xùn)練樣本，驗證樣本，和測試樣本。由圖可知：訓(xùn)練樣本（Train），驗證樣本（Validation），測試樣本(Test)的誤差均已達到要求，最好的誤差值(best)為0.0001359。

把神經(jīng)網(wǎng)絡(luò)輸出值與期望輸出值對照，可以判斷所構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型是否理想有效。網(wǎng)絡(luò)輸出與期望輸出的對照表如圖2：

圖2：網(wǎng)絡(luò)輸出與期望輸出對比折線圖

圖2中兩條折線幾近重合，可以看出期望輸出值與網(wǎng)絡(luò)輸出值比較接近，期望評價值也與網(wǎng)絡(luò)評價值非常接近。說明此次建立的模型達到了預(yù)期效果。[3]

四、結(jié)語

BP神經(jīng)網(wǎng)絡(luò)作為一種新興的模擬問題的方法，有著傳統(tǒng)方法無法比擬的優(yōu)點。通過BP神經(jīng)網(wǎng)絡(luò)對教師教學(xué)質(zhì)量評價體系建立模型，在MATLAB2012中訓(xùn)練之后，得到誤差在要求范圍內(nèi)的評價模型，建立了可用于湖北經(jīng)濟學(xué)院或其他高校的理想的教師教學(xué)質(zhì)量評價模型。

（注：本文系湖北經(jīng)濟學(xué)院大學(xué)生科研項目課題“自主創(chuàng)新環(huán)境下教師教學(xué)質(zhì)量評價體系和模型研究”成果）

參考文獻：

[1]高雋.人工神經(jīng)網(wǎng)絡(luò)原理及仿真實例[M].北京:機械工業(yè)出版社, 2007.

[2]傅莉.BP神經(jīng)網(wǎng)絡(luò)在教學(xué)質(zhì)量評價中的應(yīng)用[J].智能計算機與應(yīng)用，2012，（5）:70-72.

[3]趙萬芹，孔令超.基于BP神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評價的探討[J].化工高等教育，2011，（1）：101-105.

[4]唐立力.基于BP神經(jīng)網(wǎng)絡(luò)的課堂教學(xué)質(zhì)量評價系統(tǒng)[J].中國西部科技，2014，（4）：103-105.

[5]侯媛彬，杜京義，汪梅.神經(jīng)網(wǎng)絡(luò)[M].西安:西安電子科技大學(xué)出版社，2007.