張保文 沈榮

寧夏大學(xué)數(shù)學(xué)系，寧夏 銀川 750021

人工神經(jīng)網(wǎng)絡(luò)在課堂教學(xué)質(zhì)量評(píng)價(jià)體系中的應(yīng)用

張保文 沈榮

寧夏大學(xué)數(shù)學(xué)系，寧夏 銀川 750021

利用人工神經(jīng)網(wǎng)絡(luò)方法建立高等學(xué)校教師課堂教學(xué)質(zhì)量評(píng)價(jià)模型，并在Matlab系統(tǒng)內(nèi)得以實(shí)現(xiàn)。實(shí)驗(yàn)表明，人工神經(jīng)網(wǎng)絡(luò)用于教師課堂教學(xué)質(zhì)量評(píng)價(jià)中完全可行。

BP人工神經(jīng)網(wǎng)絡(luò)；Matlab；評(píng)價(jià)

人工神經(jīng)網(wǎng)絡(luò)已被用于航空、國防、交通等多種領(lǐng)域 。作為一種強(qiáng)有力的解決工程問題的非經(jīng)典數(shù)學(xué)方法，人工神經(jīng)網(wǎng)絡(luò)在教師課堂教學(xué)質(zhì)量評(píng)價(jià)中也得到了廣泛的應(yīng)用 。

1 課堂教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系的確立

表1 任課教師詳細(xì)評(píng)價(jià)表寧夏大學(xué)數(shù)學(xué)計(jì)算機(jī)學(xué)院

2 基于BP神經(jīng)網(wǎng)絡(luò)的課堂教學(xué)質(zhì)量評(píng)價(jià)模型

用三層誤差反向傳播神經(jīng)網(wǎng)絡(luò)模型來實(shí)現(xiàn)教師課堂教學(xué)質(zhì)量評(píng)價(jià)問題，第一層是輸入層，中間層是隱含層，第三層是輸出層。各層次的神經(jīng)元之間形成全互聯(lián)連接，各層次內(nèi)的神經(jīng)元之間沒有連接。

2.1 輸入層結(jié)點(diǎn)個(gè)數(shù)的確定：在寧大高校教師本科教學(xué)課堂教學(xué)質(zhì)量評(píng)價(jià)中，有三個(gè)一級(jí)評(píng)價(jià)指標(biāo)，14項(xiàng)二級(jí)評(píng)價(jià)指標(biāo)，針對(duì)于每個(gè)項(xiàng)目均給出了具體的評(píng)價(jià)標(biāo)準(zhǔn)。所以這里取輸入層的結(jié)點(diǎn)數(shù)等于二級(jí)指標(biāo)的個(gè)數(shù)，即輸入層有14個(gè)結(jié)點(diǎn)（n=14）。

2.2 隱含層結(jié)點(diǎn)個(gè)數(shù)的確定：

(n其中為輸入結(jié)點(diǎn)數(shù)，l為輸出結(jié)點(diǎn)數(shù))。

文獻(xiàn)[4]中，當(dāng)用三層神經(jīng)網(wǎng)絡(luò)時(shí)，其隱含層神經(jīng)元數(shù)為。在這里，綜合上面兩種文獻(xiàn)確定神經(jīng)元數(shù)的方法，取隱含層神經(jīng)元數(shù)為

這樣，m為[[4，7]間的整數(shù)，再取最大值，所以隱含層節(jié)點(diǎn)數(shù)m=7。

2.3 輸出層結(jié)點(diǎn)數(shù)的確定：對(duì)于每個(gè)學(xué)校的最終評(píng)價(jià)結(jié)果，只能為優(yōu)秀、良好、合格、不合格四種結(jié)果中的某一種。所以這里取輸出層的結(jié)點(diǎn)數(shù)為1，即為評(píng)價(jià)結(jié)果值。整個(gè)教師課堂教學(xué)質(zhì)量神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)如圖1所示。

圖1 教師課堂教學(xué)質(zhì)量神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型

3 教師課堂教學(xué)質(zhì)量評(píng)價(jià)在神經(jīng)網(wǎng)絡(luò)模型中的實(shí)現(xiàn)

BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)在MATLAB中的代碼如下：

hold off； %訓(xùn)練后圖形與誤差曲線如圖2：

圖2

圖3

采用高性能的數(shù)值計(jì)算可視化軟件MATLAB，運(yùn)用其神經(jīng)網(wǎng)絡(luò)工具箱學(xué)習(xí)訓(xùn)練網(wǎng)絡(luò)[5]，其中輸入層神經(jīng)元14個(gè)，輸出層神經(jīng)元1個(gè)，隱含層7個(gè)，允許誤差為0.001經(jīng)過44254次訓(xùn)練，總誤差函數(shù)精度達(dá)到0.000999986＜0.001，即10-3次數(shù)量級(jí)，說明精度較高。選取20個(gè)樣本數(shù)據(jù)及14個(gè)測(cè)試數(shù)據(jù)，最后得到神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型，效果理想，如圖3所示。

表2 測(cè)試樣本結(jié)果

從表2中可以看出，結(jié)果與實(shí)際情況相符，誤差較小，說明構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型效果較好。

因此，輸入學(xué)校的各項(xiàng)指標(biāo)的評(píng)價(jià)值，根據(jù)上面構(gòu)造的神經(jīng)網(wǎng)絡(luò)模型，計(jì)算出的值即為評(píng)價(jià)結(jié)果值。最終評(píng)價(jià)結(jié)果根據(jù)就近度原則來確定屬于哪個(gè)檔次。例如神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出值為0.781412，在四個(gè)結(jié)果值0.1，0.4， 0.7， 1中，離0.7最近，則認(rèn)為評(píng)價(jià)結(jié)果為“良好”。

4 結(jié)論

本文采用BP人工神經(jīng)網(wǎng)絡(luò)模型，并用Matlab仿真系統(tǒng)實(shí)現(xiàn)了該模型的運(yùn)作過程，較好地保證了評(píng)價(jià)的客觀性。

[1] MartinT.Hagan,Howard V.Demuth,MarkH.Beale.神經(jīng)網(wǎng)絡(luò)設(shè)計(jì).北京:機(jī)械工業(yè)出版社，2002：197～255.

[2] Chunling Fan,Zhihua Jin,Jin Zhang,Weifeng Tian.Application of multisensor data fusion based on RBF neural networks for fault diagnosis of SAMS. Control,Automation,Robotics and Vision,2002. ICARCV 2002.7 International Conference on 2～5 Dec.2002,1557～1562.

[3] Daqi Gan,The optimal number of hide nodes in multilayed feedforward neural network,IEEE,SMC CECA,France,july,1996.

[4] 張立明.人工神經(jīng)網(wǎng)絡(luò)模型及其應(yīng)用.復(fù)旦大學(xué)出版社，1993.

[5] 葛哲學(xué).神經(jīng)網(wǎng)絡(luò)理論與MATLAB2007實(shí)現(xiàn).電子工業(yè)出版社，2007.

10.3969/j.issn.1001-8972.2012.08.145

編號(hào)：NDZR09-7，NDZR10—72