一種用于高校教師創(chuàng)新能力評(píng)價(jià)的智能模型

喬維德

（無(wú)錫開放大學(xué) 科研與質(zhì)量控制處，江蘇 無(wú)錫 214011）

0 引言

創(chuàng)新是民族不斷進(jìn)步和國(guó)家興旺發(fā)達(dá)的不竭源泉和發(fā)展動(dòng)力.高校以服務(wù)于地方經(jīng)濟(jì)和社會(huì)發(fā)展為己任，是創(chuàng)新型和應(yīng)用型人才培養(yǎng)的搖籃和基地.創(chuàng)新型人才的培養(yǎng)需要高等教育不斷加以創(chuàng)新，而高等教育創(chuàng)新的核心在于高校教師，高校教師應(yīng)該成為實(shí)施教育創(chuàng)新的中堅(jiān)力量.高校教師的創(chuàng)新能力是指高校教師將新穎的見解和獨(dú)到的主張應(yīng)用于教育教學(xué)改革、應(yīng)用研究和社會(huì)服務(wù)之中所體現(xiàn)出的求異、求新，為教育教學(xué)改革、地方經(jīng)濟(jì)社會(huì)發(fā)展高效地發(fā)現(xiàn)新問(wèn)題、提出新問(wèn)題和解決新問(wèn)題，創(chuàng)造性地開展教學(xué)和科研等工作的各種創(chuàng)新行為能力的復(fù)合體.高校教師創(chuàng)新能力具體包括學(xué)習(xí)創(chuàng)新能力、教學(xué)改革能力、應(yīng)用研究能力和社會(huì)服務(wù)能力等，主要體現(xiàn)在創(chuàng)新意識(shí)、創(chuàng)新思維、創(chuàng)新實(shí)踐、教學(xué)實(shí)踐、科研實(shí)踐、團(tuán)隊(duì)協(xié)作和自主學(xué)習(xí)等要素[1].《國(guó)家創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略綱要》提出要健全完善創(chuàng)新評(píng)價(jià)制度體系，推進(jìn)高校創(chuàng)新工作的績(jī)效評(píng)價(jià)，將技術(shù)轉(zhuǎn)移和科研成果對(duì)經(jīng)濟(jì)社會(huì)的影響納入評(píng)價(jià)指標(biāo).為此，對(duì)高校教師的創(chuàng)新能力進(jìn)行科學(xué)評(píng)價(jià)，并不斷激發(fā)高校教師的創(chuàng)新能力已成為當(dāng)前面臨并需要重點(diǎn)研究的任務(wù)和課題.

目前，關(guān)于高校教師創(chuàng)新能力評(píng)價(jià)問(wèn)題的研究，已取得一定的研究成果和成效.吳映曈等[2]利用層次分析法與灰色關(guān)聯(lián)分析法構(gòu)建教師創(chuàng)新能力綜合評(píng)價(jià)模型；周永衛(wèi)等[3]采取因子分析法建立高校教師創(chuàng)新能力評(píng)價(jià)體系，并進(jìn)行實(shí)證研究后提出提升高校教師創(chuàng)新能力的相應(yīng)對(duì)策；有學(xué)者也提出了基于BP神經(jīng)網(wǎng)絡(luò)的高校教師創(chuàng)新教學(xué)能力評(píng)價(jià)方法.通過(guò)對(duì)相關(guān)研究文獻(xiàn)的分析發(fā)現(xiàn)，由于高校教師創(chuàng)新能力評(píng)價(jià)涉及多種變化因素，屬于非線性系統(tǒng)，所以采用傳統(tǒng)的灰色關(guān)聯(lián)分析等方法會(huì)存在很大局限性.層次分析法借助比較矩陣處理相關(guān)數(shù)據(jù)，能夠有效克服評(píng)價(jià)工作中不能量化的困難和問(wèn)題，但層次分析法帶有較強(qiáng)的主觀性，往往會(huì)影響評(píng)價(jià)結(jié)果的準(zhǔn)確性和公正性.BP神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)非線性映射功能，利用它評(píng)價(jià)高校教師創(chuàng)新能力，能取得一定成效.雖然BP算法非線性映射及泛化能力比較強(qiáng)，但計(jì)算量大、收斂速度過(guò)慢、很容易陷入局部最小值，所以對(duì)高校教師創(chuàng)新能力評(píng)價(jià)結(jié)果往往不準(zhǔn)確.綜合以上問(wèn)題及不足，本研究充分利用粒子群（PSO）算法收斂速度快和人工蜂群（ABC）算法全局搜索能力強(qiáng)的特點(diǎn)，將粒子群算法與人工蜂群算法融合形成粒子群-人工蜂群（PSO-ABC）算法，并用于優(yōu)化高校教師創(chuàng)新能力評(píng)價(jià)的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)，提高高校教師創(chuàng)新能力評(píng)價(jià)的科學(xué)性和精準(zhǔn)度，為高校創(chuàng)新工作的有效、有序、有力發(fā)展提供科學(xué)決策咨詢.

1 高校教師創(chuàng)新能力評(píng)價(jià)原理

圖1為高校教師創(chuàng)新能力評(píng)價(jià)模型原理示意圖[4]，首先在分析影響高校教師創(chuàng)新能力因素基礎(chǔ)上，通過(guò)層次分析法構(gòu)建高校教師創(chuàng)新能力評(píng)價(jià)指標(biāo)體系，利用BP神經(jīng)網(wǎng)絡(luò)建立其評(píng)價(jià)模型，采取粒子群-人工蜂群算法優(yōu)化輸出最優(yōu)的BP網(wǎng)絡(luò)初始結(jié)構(gòu)參數(shù)，并應(yīng)用改進(jìn)BP算法訓(xùn)練網(wǎng)絡(luò)，直至BP網(wǎng)絡(luò)輸出與期望輸出（即采用層次分析法得出的綜合得分）的誤差達(dá)到規(guī)定精度要求，最后再對(duì)網(wǎng)絡(luò)加以測(cè)試驗(yàn)證.

2 高校教師創(chuàng)新能力評(píng)價(jià)指標(biāo)體系構(gòu)建

2.1 建立遞階層次結(jié)構(gòu)

在對(duì)高校教師創(chuàng)新能力進(jìn)行評(píng)價(jià)前，需要確定影響高校教師創(chuàng)新能力評(píng)價(jià)的指標(biāo)體系.高校教師創(chuàng)新能力評(píng)價(jià)過(guò)程中涉及的因素比較多且各因素之間又有關(guān)聯(lián)，所以高校教師創(chuàng)新能力評(píng)價(jià)應(yīng)該屬于比較特殊又復(fù)雜的系統(tǒng)，它融合了高校教師和創(chuàng)新教育教學(xué)的新要求和新特點(diǎn)，為此，利用層次分析法建立高校教師創(chuàng)新能力評(píng)價(jià)指標(biāo)結(jié)構(gòu)體系時(shí)，要用系統(tǒng)工程的思維考慮問(wèn)題，以系統(tǒng)性、客觀性、定性與定量相結(jié)合、發(fā)展性為原則來(lái)科學(xué)構(gòu)建指標(biāo)體系.影響高校教師創(chuàng)新能力評(píng)價(jià)的各種因素錯(cuò)綜復(fù)雜，結(jié)合高校教師創(chuàng)新工作特點(diǎn)及要求，對(duì)高校教師創(chuàng)新能力評(píng)價(jià)主要考慮4個(gè)方面，一是高校教師知識(shí)存量情況.高校教師的知識(shí)存量水平是教師創(chuàng)新能力的基礎(chǔ)和條件，包括高校教師的學(xué)歷水平、學(xué)位、專業(yè)技術(shù)職務(wù)、職業(yè)技能資格證書獲取情況等.二是教學(xué)創(chuàng)新情況.高校的基本職能和根本任務(wù)是培養(yǎng)創(chuàng)新型人才，要培養(yǎng)學(xué)生的創(chuàng)新意識(shí)和創(chuàng)新能力，教師在日常教學(xué)工作中，應(yīng)該注重教學(xué)的創(chuàng)新，積極投身教學(xué)改革，包括教學(xué)藝術(shù)、教學(xué)手段的運(yùn)用，指導(dǎo)學(xué)生創(chuàng)新大賽，積極參加教學(xué)改革以及教學(xué)技能競(jìng)賽活動(dòng)等.三是科研創(chuàng)新.科學(xué)研究是高校的重要職能之一，高校教師應(yīng)加強(qiáng)課題和項(xiàng)目研究，努力提升專業(yè)理論與實(shí)踐研究水平，加快科研成果的產(chǎn)出.主要包括科研課題、發(fā)表論文的數(shù)量、級(jí)別等.四是創(chuàng)新成果轉(zhuǎn)化.高校教師的科研成果最終要服務(wù)于社會(huì)和地方經(jīng)濟(jì)發(fā)展，高校教師要加強(qiáng)校企業(yè)合作，將研究成果面向市場(chǎng)和企業(yè)，加速科研成果的轉(zhuǎn)化，實(shí)現(xiàn)科研成果的市場(chǎng)價(jià)值，包括學(xué)術(shù)獲獎(jiǎng)、專利轉(zhuǎn)讓、橫向課題到賬經(jīng)費(fèi)等.基于以上分析，本研究在參考相關(guān)研究文獻(xiàn)、咨詢高校教育專家及征求理、工、文、經(jīng)、法、管等學(xué)科的高校教師、省市教育主管部門領(lǐng)導(dǎo)等意見的基礎(chǔ)之上，建立用于高校教師創(chuàng)新能力評(píng)價(jià)的三層結(jié)構(gòu)模型，如表1所示，該結(jié)構(gòu)模型由目標(biāo)層（U）、一級(jí)指標(biāo)層（V）、二級(jí)指標(biāo)層（X）組成，其中二級(jí)指標(biāo)層共包含20個(gè)指標(biāo)因素.

2.2 確定指標(biāo)權(quán)重

圖1 高校教師創(chuàng)新能力評(píng)價(jià)原理示意圖

表1 高校教師創(chuàng)新能力評(píng)價(jià)層次結(jié)構(gòu)

采用1～9九級(jí)標(biāo)度法確定高校教師創(chuàng)新能力評(píng)價(jià)的權(quán)重判斷矩陣U—V、V1—X、V2—X、V3—X、V4—X，比如權(quán)重矩陣U—V中，“5”表示一級(jí)指標(biāo)V3（教學(xué)創(chuàng)新）比一級(jí)指標(biāo)V1（知識(shí)存量）重要，而“1/5”則表示V1沒(méi)有V3重要.因此一級(jí)指標(biāo)層中，知識(shí)存量、教學(xué)創(chuàng)新、科研創(chuàng)新、創(chuàng)新成果轉(zhuǎn)化在高校教師創(chuàng)新能力評(píng)價(jià)中所占的權(quán)重分別設(shè)定為0.22，0.25，0.28，0.25. 其他權(quán)重判斷矩陣類推. 通過(guò)推算判斷矩陣特征向量且進(jìn)行歸一化處理后，求取各項(xiàng)指標(biāo)權(quán)重及其合成權(quán)重[5]，如表2～表6所示.表7為高校教師創(chuàng)新能力評(píng)價(jià)的二級(jí)指標(biāo)層各指標(biāo)因素相對(duì)于目標(biāo)層的綜合權(quán)重.

表2 權(quán)重判斷矩陣U─V

表3 權(quán)重判斷矩陣V 1─X

3 高校教師創(chuàng)新能力評(píng)價(jià)模型結(jié)構(gòu)

采用BP神經(jīng)網(wǎng)絡(luò)建立高校教師創(chuàng)新能力評(píng)價(jià)模型，并利用粒子群-人工蜂群算法優(yōu)化BP網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)，然后將訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)模型用于對(duì)高校教師創(chuàng)新能力的準(zhǔn)確評(píng)價(jià)，評(píng)價(jià)模型如圖2所示.選取以上評(píng)價(jià)體系中的20個(gè)指標(biāo)數(shù)據(jù)預(yù)處理（即歸一化）后的值作為BP神經(jīng)網(wǎng)絡(luò)的輸入變量，以BP神經(jīng)網(wǎng)絡(luò)的輸出變量s*經(jīng)過(guò)反歸一化處理后的s值作為高校教師創(chuàng)新能力的網(wǎng)絡(luò)評(píng)價(jià)結(jié)果.ωij為BP神經(jīng)網(wǎng)絡(luò)對(duì)輸入層和中間層之間的連接權(quán)值，Tki為中間層與輸出層之間的連接權(quán)值，中間層、輸出層節(jié)點(diǎn)閾值分別為θi和θk，Q為BP神經(jīng)網(wǎng)絡(luò)的期望輸出值，即高校教師創(chuàng)新能力的專家評(píng)審結(jié)果.

表4 權(quán)重判斷矩陣V2─X

表5 權(quán)重判斷矩陣V3─X

表6 權(quán)重判斷矩陣V4─X

表7 高校教師創(chuàng)新能力評(píng)價(jià)指標(biāo)合成權(quán)重

圖2 高校教師創(chuàng)新能力評(píng)價(jià)的BP神經(jīng)網(wǎng)絡(luò)模型

4 BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)優(yōu)化與訓(xùn)練

圖2中，BP神經(jīng)網(wǎng)絡(luò)需要經(jīng)過(guò)不斷的學(xué)習(xí)來(lái)優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)ωij、Tki、θi、θk，保證BP網(wǎng)絡(luò)輸出與專家評(píng)審結(jié)果之間的誤差滿足要求.考慮到初始參數(shù)ωij、Tki、θi、θk對(duì)網(wǎng)絡(luò)輸出影響非常大，而且BP算法對(duì)選取的參數(shù)初始值比較敏感，也極易出現(xiàn)陷入局部極值現(xiàn)象[6]，因此，本研究采取粒子群-人工蜂群算法優(yōu)化輸出BP神經(jīng)網(wǎng)絡(luò)中ωij、Tki、θi、θk等最優(yōu)初始連接權(quán)值和閾值，并通過(guò)改進(jìn)BP算法對(duì)BP神經(jīng)網(wǎng)絡(luò)加以學(xué)習(xí)訓(xùn)練，直至BP神經(jīng)網(wǎng)絡(luò)輸出誤差滿足要求為止.

4.1 改進(jìn)BP算法

學(xué)習(xí)過(guò)程中標(biāo)準(zhǔn)BP算法比較容易陷入局部極小，且可能產(chǎn)生振蕩甚至發(fā)散現(xiàn)象，為此對(duì)標(biāo)準(zhǔn)BP算法加以改進(jìn)，一是增加動(dòng)量項(xiàng)，從而消除學(xué)習(xí)中出現(xiàn)的振蕩現(xiàn)象；二是引入自適應(yīng)學(xué)習(xí)因子，通過(guò)對(duì)學(xué)習(xí)率的自動(dòng)調(diào)節(jié)，也能防止因?yàn)閷W(xué)習(xí)率過(guò)大、過(guò)小以及收斂速度過(guò)慢而導(dǎo)致的系統(tǒng)振蕩或者發(fā)散等異常情況.

4.2 粒子群-人工蜂群算法優(yōu)化BP網(wǎng)絡(luò)

粒子群算法收斂速度快，但往往會(huì)陷入局部最優(yōu)，且產(chǎn)生“早熟”，后期搜索更優(yōu)解時(shí)收斂速度明顯變慢.人工蜂群算法全局搜索能力強(qiáng)，然而前期搜索時(shí)速度較慢，但是一旦尋找到可行解，搜索能力將會(huì)迅速增強(qiáng).比較粒子群算法和人工蜂群算法各自的特點(diǎn)與缺陷，將粒子群算法和人工蜂群算法有機(jī)結(jié)合起來(lái)，組成粒子群-人工蜂群算法.利用粒子群-人工蜂群算法進(jìn)化輸出的最優(yōu)值，作為高校教師創(chuàng)新能力評(píng)價(jià)模型中BP神經(jīng)網(wǎng)絡(luò)的最優(yōu)初始連接權(quán)值、閾值.粒子群-人工蜂群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)初始結(jié)構(gòu)參數(shù)的具體步驟為[6]：

Step1：初始化參數(shù)，設(shè)置粒子群規(guī)模、慣性權(quán)重以及粒子群和人工蜂群算法的最大迭代次數(shù)等.

Step2：將粒子進(jìn)行分組，每組含等量的粒子.

Step3：計(jì)算每個(gè)粒子的適應(yīng)度，求取每組中的最優(yōu)粒子.

Step4：更新粒子的速度和位置，通過(guò)計(jì)算得出各組全局最優(yōu)粒子.第i個(gè)粒子的速度Vij和位置Xij按下列算式進(jìn)行迭代更新：

式中 i=1，2，…，N（N 為粒子個(gè)數(shù)）；j=1，2，…，M（M 為求解空間維數(shù)）；t、tmax表示算法當(dāng)前及最大迭代次數(shù)；Pij、Gj分別表示第i個(gè)粒子的個(gè)體最優(yōu)和全局最優(yōu)的位置；C1、C2分別表示局部、全局加速常數(shù)；R1、R2為均勻分布在[0，1]的隨機(jī)值；ω 表示粒子的慣性權(quán)重，ω1、ω2分別表示其初始值和終值（ω1＞ω2）.

Step5：將求得的各組最優(yōu)粒子重新組合形成人工蜂群，這些最優(yōu)粒子為蜂群算法中的初始粒子.

Step6：設(shè)定人工蜂群算法的初始迭代次數(shù)為1，人工蜂群中的引領(lǐng)蜂按照式（6）通過(guò)不斷更新位置來(lái)搜尋蜜源，即：

式中 vij為更新后的新位置，k=1，2，…，H，k≠i，rand（-1，1）為[-1，1]上的一個(gè)隨機(jī)數(shù).

Step7：當(dāng)引領(lǐng)蜂搜索到蜜源以后，計(jì)算測(cè)試蜜源的適應(yīng)度，即：

式中Fi表示第i個(gè)蜜源的適應(yīng)度；fi表示第i個(gè)蜜源的適應(yīng)值（優(yōu)化問(wèn)題目標(biāo)函數(shù)值）.

Step8：將引領(lǐng)蜂搜索的新蜜源與原蜜源的適應(yīng)度進(jìn)行比較，如果前者高于后者，則由新蜜源位置替代原蜜源位置，否則蜜源位置不變并將迭代次數(shù)NP加1.

Step9：計(jì)算蜜源位置的概率值，跟隨蜂按概率函數(shù)Pi選擇其搜尋到的新蜜源，并計(jì)算相應(yīng)的適應(yīng)度.

Step10：將跟隨蜂選擇的新蜜源和原蜜源的適應(yīng)度進(jìn)行比較，如果前者高于后者，那么就用新蜜源位置替換原蜜源位置，否則蜜源位置不變并將迭代次數(shù)NP加1.

Step11：當(dāng)?shù)螖?shù)NP達(dá)到人工蜂群算法的最大迭代數(shù)時(shí)，輸出最優(yōu)蜜源位置，位置輸出值作為BP網(wǎng)絡(luò)中的最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)初始參數(shù)，即初始權(quán)值ωij、Tki和節(jié)點(diǎn)閾值θi、θk.

粒子群-人工蜂群算法中，適應(yīng)值f定義為BP神經(jīng)網(wǎng)絡(luò)的期望輸出與實(shí)際輸出的均方差，如：

式中n表示BP網(wǎng)絡(luò)訓(xùn)練樣本數(shù)；m表示BP網(wǎng)絡(luò)輸出節(jié)點(diǎn)數(shù)；Qjh，sjh分別為第j個(gè)樣本在第h個(gè)BP網(wǎng)絡(luò)輸出節(jié)點(diǎn)處的期望輸出與實(shí)際輸出.

粒子群-人工蜂群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)流程如圖3所示.

5 高校教師創(chuàng)新能力評(píng)價(jià)模型應(yīng)用

5.1 數(shù)據(jù)預(yù)處理

影響高校教師創(chuàng)新能力的指標(biāo)因素有20個(gè)，各因素的量綱、單位不盡相同，當(dāng)借助BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)高校教師創(chuàng)新能力時(shí)，為避免因原始樣本數(shù)據(jù)過(guò)大影響網(wǎng)絡(luò)訓(xùn)練速度及其靈敏性，這里對(duì)原始數(shù)據(jù)樣本的輸入和輸出都需要進(jìn)行歸一化處理，將原始數(shù)據(jù)轉(zhuǎn)換為[0，1]區(qū)間值，力求數(shù)據(jù)均勻平滑分布.

圖3 粒子群-人工蜂群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)流程

式中x*表示歸一化后的數(shù)據(jù)值；x、s分別表示原始數(shù)據(jù)的輸入樣本和輸出樣本；xmax、xmin分別表示原始數(shù)據(jù)的最大值、最小值.在BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練結(jié)束后，對(duì)于網(wǎng)絡(luò)輸出得到的歸一化數(shù)據(jù)，需要再經(jīng)過(guò)反歸一化的數(shù)學(xué)處理，還原成正常的高校教師創(chuàng)新能力網(wǎng)絡(luò)評(píng)價(jià)結(jié)果值.

5.2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)

用于高校教師創(chuàng)新能力評(píng)價(jià)的20個(gè)指標(biāo)因素分別對(duì)應(yīng)BP神經(jīng)網(wǎng)絡(luò)的輸入神經(jīng)元，網(wǎng)絡(luò)輸入層節(jié)點(diǎn)數(shù)n=20.BP網(wǎng)絡(luò)輸出為高校教師創(chuàng)新能力評(píng)價(jià)結(jié)果s，評(píng)價(jià)結(jié)果s按照分值設(shè)定5個(gè)等第，即優(yōu)秀[100，90]、良好（90，80]、中等（80，70]、合格（70，60]、不合格（60，0]，輸出神經(jīng)元節(jié)點(diǎn)數(shù) m=1.BP 網(wǎng)絡(luò)中間層神經(jīng)元節(jié)點(diǎn)數(shù)h 由式（12）確定[7]，經(jīng)過(guò)多次測(cè)試得：

選取其節(jié)點(diǎn)數(shù)為17.高校教師創(chuàng)新能力評(píng)價(jià)的BP網(wǎng)絡(luò)結(jié)構(gòu)為20—17—1，中間層、輸出層神經(jīng)元傳遞函數(shù)分別選取tansig和purelin，中間層、輸出層節(jié)點(diǎn)的激活函數(shù)選取均選取Sigmoid.

5.3 訓(xùn)練及測(cè)試樣本選取

表8列出某高校部分教師創(chuàng)新能力專家評(píng)價(jià)數(shù)據(jù)樣本，樣本含訓(xùn)練及測(cè)試樣本，其中第1～60組數(shù)據(jù)用于BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練（因版面限制，只列部分?jǐn)?shù)據(jù)），后8組數(shù)據(jù)用于BP網(wǎng)絡(luò)的測(cè)試.x1～x20為影響高校部分教師創(chuàng)新能力評(píng)價(jià)的各指標(biāo)數(shù)據(jù)值，得分Q為高校教師創(chuàng)新能力專家評(píng)價(jià)結(jié)果，它是由層次分析法推算出的綜合得分，即x1～x20評(píng)價(jià)指標(biāo)值與其指標(biāo)合成權(quán)重的乘積之和，用它作為BP神經(jīng)網(wǎng)絡(luò)的期望輸出值.

5.4 參數(shù)設(shè)計(jì)及評(píng)價(jià)結(jié)果分析

粒子群-人工蜂群算法初始化參數(shù)選取為：粒子群數(shù)量N=50，慣性權(quán)重初始值ω1=1.4、終值ω2=0.5；R1=R2=2；粒子群和人工蜂群算法的最大迭代次數(shù)分別為200，110.粒子群劃分的組數(shù)G=5，每組粒子個(gè)數(shù)B=10.BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的目標(biāo)誤差精度設(shè)定為0.000 1.BP神經(jīng)網(wǎng)絡(luò)的最多迭代次數(shù)為350.利用表8中的前60組評(píng)價(jià)數(shù)據(jù)借助MATLAB對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練，直至BP網(wǎng)絡(luò)滿足規(guī)定目標(biāo)誤差精度或者達(dá)到最多迭代次數(shù).從圖4所示的網(wǎng)絡(luò)訓(xùn)練曲線分析得出：當(dāng)網(wǎng)絡(luò)訓(xùn)練步數(shù)達(dá)到136步時(shí)，能滿足目標(biāo)誤差要求，BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時(shí)間短，訓(xùn)練精度高.BP網(wǎng)絡(luò)訓(xùn)練完畢后，利用表8中的第61～68這8組數(shù)據(jù)作為BP網(wǎng)絡(luò)的測(cè)試樣本，得出如表9所示的檢驗(yàn)結(jié)果，分析顯示：用于高校教師創(chuàng)新能力評(píng)價(jià)的BP神經(jīng)網(wǎng)絡(luò)輸出值s與期望輸出值Q（即專家評(píng)價(jià)結(jié)果）之間的最大相對(duì)誤差為1.42%，網(wǎng)絡(luò)評(píng)價(jià)與專家評(píng)價(jià)的結(jié)論完全一致，所以所建立的BP神經(jīng)網(wǎng)絡(luò)模型能取代專家評(píng)價(jià)，可以對(duì)高校教師創(chuàng)新能力作出比較客觀公正、準(zhǔn)確有效的評(píng)價(jià)結(jié)論.

表8 用于BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練、測(cè)試樣本

為進(jìn)一步驗(yàn)證本研究提出的粒子群-人工蜂群算法及改進(jìn)BP算法的優(yōu)化訓(xùn)練性能，仍采用上述60組訓(xùn)練樣本數(shù)據(jù)和8組測(cè)試樣本數(shù)據(jù)，先后分別采取BP算法、粒子群算法+BP算法、人工蜂群算法+BP算法和粒子群-人工蜂群算法+BP算法優(yōu)化、訓(xùn)練且測(cè)試BP神經(jīng)網(wǎng)絡(luò)，再進(jìn)行對(duì)比分析，如粒子群算法+BP算法，即首先用粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值、閾值等結(jié)構(gòu)參數(shù)，然后利用BP學(xué)習(xí)算法對(duì)神經(jīng)網(wǎng)絡(luò)加以訓(xùn)練.表10的比較結(jié)果分析表明，BP神經(jīng)網(wǎng)絡(luò)經(jīng)粒子群-人工蜂群算法優(yōu)化后的網(wǎng)絡(luò)訓(xùn)練速度最快、訓(xùn)練誤差最小、測(cè)試精度最高.

圖4 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差曲線

表9 BP網(wǎng)絡(luò)測(cè)試樣本評(píng)價(jià)結(jié)果對(duì)比

表10 各種算法優(yōu)化BP網(wǎng)絡(luò)的指標(biāo)比較

6 結(jié)語(yǔ)

利用層次分析法構(gòu)建高校教師創(chuàng)新能力評(píng)價(jià)指標(biāo)體系，體系含高校教師知識(shí)存量、教學(xué)創(chuàng)新、科研創(chuàng)新、創(chuàng)新成果轉(zhuǎn)化4個(gè)一級(jí)指標(biāo)，以及學(xué)歷學(xué)位情況、專業(yè)技術(shù)職務(wù)情況等20個(gè)二級(jí)指標(biāo).

建立高校教師創(chuàng)新能力評(píng)價(jià)的BP神經(jīng)網(wǎng)絡(luò)模型.選取影響高校教師創(chuàng)新能力的20個(gè)二級(jí)指標(biāo)因素作為BP神經(jīng)網(wǎng)絡(luò)的輸入變量，高校教師創(chuàng)新能力評(píng)價(jià)結(jié)果作為BP神經(jīng)網(wǎng)絡(luò)的輸出變量.采取粒子群-人工蜂群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，通過(guò)數(shù)據(jù)樣本對(duì)網(wǎng)絡(luò)加以訓(xùn)練和測(cè)試.高校教師創(chuàng)新能力網(wǎng)絡(luò)輸出評(píng)價(jià)結(jié)果與層次分析法評(píng)價(jià)（即專家評(píng)價(jià)）結(jié)果一致.本研究提出的用于高校教師創(chuàng)新能力評(píng)價(jià)的BP網(wǎng)絡(luò)模型預(yù)測(cè)精度高、效率高、效度高，具有較好的可信度和智能性，對(duì)于高校管理者科學(xué)評(píng)價(jià)高校教師創(chuàng)新能力提供了科學(xué)依據(jù)和有效手段，是一種值得推廣的高校教師創(chuàng)新能力評(píng)價(jià)方法.