楊陽+王宏+化成城+殷長昊+李開元

摘要：本文從創(chuàng)新型人才培養(yǎng)的知識結構出發(fā)，以機械工程學科課程體系為研究對象，基于QS世界大學排名相關參數(shù)指標，使用現(xiàn)代數(shù)學分析和建模方法，建立了三層BP神經網絡分析模型，并在MATLAB上對樣本數(shù)據(jù)進行了訓練和數(shù)據(jù)驗證，模型誤差集中于-0.6—+0.5?；谠撃Ｐ投康厍蟪隽薗S排名系統(tǒng)未列出的中國某些高校的QS參數(shù)。對比分析結果表明，高校機械學科課程體系結構是決定其在QS系統(tǒng)排名的重要影響因素。本研究對于機械工程學科進入國際一流學科和培養(yǎng)創(chuàng)新型人才具有借鑒作用。

關鍵詞：一流學科；課程結構；BP神經網絡；創(chuàng)新型人才

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2017）03-0162-02

建設國際一流的學科是創(chuàng)建國際一流大學的基礎，堅持以一流為目標，以機械工程學科為基礎，優(yōu)化課程結構體系，培養(yǎng)創(chuàng)新型人才。機械工程學科課程結構建設是研究生培養(yǎng)的重要特征，也是創(chuàng)新型人才培養(yǎng)的重要載體和平臺。本文以大學排名為依托，選取全球范圍內認可度較高的大學排名——國際高等教育研究機構Quacquarelli Symonds（簡稱QS）世界大學工程技術類排名的各項參數(shù)作為依據(jù)。設計人工神經網絡模型，將眾多復雜的指標綜合起來，并予以量化。

一、課程結構與創(chuàng)新型人才培養(yǎng)的關系

培養(yǎng)創(chuàng)新型人才既是當前中國高校教育改革與發(fā)展的一個重要課題，也是中國經濟社會發(fā)展的迫切需要，對知識的學習和積累也提出了更高的要求。任何課程體系都必須圍繞并服務于創(chuàng)新人才各方面素質的全面發(fā)展以及個性培養(yǎng)而設計，不能顧此失彼，從各門課程的組成要素看，也必須注意進行整體設計，兼顧各要素之間的聯(lián)系，才能起到相互促進的作用[1]。人們在社會科學、自然科學和技術科學等各學科內，通過多門學科相結合，運用各種方法、技巧等，使其相互結合，形成新的學科，提高研究生的創(chuàng)新能力。

二、基于BP神經網絡的機械工程研究生課程結構分析

BP神經網絡是被廣泛應用的一種重要網絡形式，主要用來進行非線性系統(tǒng)的輸入輸出映射關系建模。本文采用的是隱含層為一層的三層BP神經網絡模型，該模型為有監(jiān)督的多層前向網絡，由三層神經元組成：輸入層、隱含層和輸出層，其不同層之間用網絡權值進行連接，同層內部神經元之間沒有連接關系[2]。

通過對QS世界大學排名中工程技術類排名前400的部分院校進行排名指標數(shù)據(jù)整理和匯總，以及對其機械工程學科研究生課程進行搜集和分類，參考部分典型的課程結構分類標準，將機械工程學科的研究生課程分為自然科學基礎、工程技術基礎、機械設計、機械制造、機電一體化、生物方面、能源環(huán)保方面、微納尺度、管理九類課程，作為九個指標，將其每類課程所占百分比，作為BP神經網絡輸入層的神經元；輸出層有四個神經元，數(shù)據(jù)來源于QS世界大學排名中工程技術類排名，包括總體得分、學術聲譽、全球雇主評價、單位教職的論文引用數(shù)。通常我們要根據(jù)網絡收斂性能的好壞來確定隱含層神經元個數(shù)，通過對大量網絡模型結構的分析研究，得到以下經驗公式[3]：

S=■+a 1≤a≤10 （2.1）其中S為隱含層節(jié)點數(shù)，m為輸入層節(jié)點數(shù)，n為輸出層節(jié)點數(shù)。根據(jù)公式（2.1），我們首先將隱含層神經元數(shù)目設置為10，然后逐步增加到15和20。進行多次實驗，通過誤差的對比，發(fā)現(xiàn)在隱含層神經元個數(shù)為25時，該BP神經網絡的性能最好。因此，該BP神經網絡模型隱含層神經元數(shù)目設為25。將輸入數(shù)據(jù)的70%作為訓練數(shù)據(jù)，15%作為測試數(shù)據(jù)，15%作為驗證數(shù)據(jù)，通過對訓練結果進行測試，誤差達到所要求的范圍內則說明網絡模型良好[4]。利用MATLAB訓練及測試后的網絡誤差情況如下頁圖1所示，訓練和測試誤差均達到預期效果，大多集中在零誤差附近，該模型滿足實際的應用要求。

三、中國高校與國際一流學科大學的對比分析

列舉中國某“211工程”、“985工程”高校，對其研究生院機械工程學科課程結構進行調查與統(tǒng)計，將其課程分布的9個參量輸入到訓練好的BP神經網絡，推測出其總體得分、學術聲譽、全球雇主評價、單位教職的論文引用數(shù)4個參量。

輸入x=[9.76 13.82 39.84 11.38 21.95 0.00 0.81 0.81 1.63]；

輸出ans=57.8018 28.9101 38.9170 72.6147

中國某高?？傮w得分為57.8018，學術聲譽28.9101，全球雇主評價38.9170，單位教職的論文引用情況72.6147。從推測出的數(shù)據(jù)看，在QS排名中，中國某高校主要落后在學術聲譽、全球雇主評價等指標上，相比于國際一流學科高校還是有很大的差距，差距最大的主要是科研水平和國際化方面，尤其是在科研水平方面。對比來看，在課程設置中，國際一流大學一流學科都有著豐富的課程設置，強調多學科融合以及新興領域的學習，注重課程設置，推進創(chuàng)新型人才的培養(yǎng)。中國高校要創(chuàng)建國際一流學科，加大培養(yǎng)創(chuàng)新型人才的力度，應強化基礎知識的學習，多開設工程技術基礎類課程；在此基礎上，加強專業(yè)知識的拓寬，不同專業(yè)方向專業(yè)課程供開放選擇，增設新興領域的課程學習[5]。另外，要強化多學科知識的融合，設置大量交叉學科課程，提高實踐能力，鍛煉和提高學生的實踐和創(chuàng)新能力。

四、結論

本文研究了國際一流大學機械工程學科的課程體系結構，利用QS世界大學排名相關參數(shù)指標，建立了三層BP神經網絡分析模型，對國際一流高校的機械工程學科課程結構進行了分析?；谒〝?shù)學模型，求出了中國某高校的QS總體得分、學術聲譽、全球雇主評價、單位教職的論文引用情況等。選用QS排名中的29所高校作為系統(tǒng)樣本，其中25組作為訓練樣本，4組作為測試樣本，通過MATLAB完成網絡的訓練和測試，使用訓練好的BP網絡模型，推測QS排名系統(tǒng)未列出的中國某高校的QS相關參數(shù)，將其與國際一流學科的數(shù)據(jù)進行了比較分析。結果表明，中國某高校機械工程學科在課程結構設置上需要整體優(yōu)化，強調多學科融合，拓寬知識面，鞏固基礎知識學習，加大創(chuàng)新型人才培養(yǎng)力度。

參考文獻：

[1]郭叢斌，孫啟明.中國內地高校與世界一流大學的比較分析——從大學排名的視角[J].教育研究，2015，（02）：147-157.

[2]饒海琴，雷良海.重點課程建設對創(chuàng)新人才培養(yǎng)的思考[J].課程教育研究，2013，（32）：255-256.

[3]盧錚松，李珂珂.基于人工神經網絡的研究生課程評價模型[J].現(xiàn)代教育技術，2009，（10）：53-57.

[4]聶勇，馬其平.國際一流高校創(chuàng)新型人才培養(yǎng)模式建構的思考[J].內蒙古農業(yè)大學學報（社會科學版），2011，（06）：126-127.

[5]劉強，潘鵬飛，王玉清.變革中的大學學科排名——QS世界大學學科排名最新進展與反思[J].比較教育研究，2015，（12）：35-41.

Research on the Course Structure of International First-Class Mechanical Engineering Using Neural Network

YANG Yang，WANG Hong，HUA Cheng-cheng，YIN Chang-hao，LI Kai-yuan

（Northeastern University School of Mechanical Engineer & Automation，Shenyang，Liaoning 110819，China）

Abstract：Mechanical engineering course system was taken as the research object，based on QS World University rankings relevant parameters，in order to cultivate innovative talents，used modern mathematical analysis method，established a three layer BP neural network analysis model，errors have been lumped in -0.6—+0.5. Based on this model，some Chinese universities，which are not listed in the QS rankings system，were quantitatively calculated. The results of comparative analysis show that the structure of the mechanical course system in universities is an important influence factor to the rankings of the QS system. This study is useful for the mechanical engineering disciplines to enter the international first-class disciplines and cultivate innovative talents.

Key words：first class discipline；course structure；BP neural network；innovative talents