BP神經(jīng)網(wǎng)絡(luò)文檔.doc

《BP神經(jīng)網(wǎng)絡(luò)文檔.doc》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、BP神經(jīng)網(wǎng)絡(luò)及其在教學(xué)質(zhì)量評價中的應(yīng)用之前的教學(xué)質(zhì)量評價，只是通過對教學(xué)指標(biāo)的簡單處理，如求平均值或人為的給出各指標(biāo)的權(quán)值來加權(quán)求和，其評價結(jié)果帶有很大主觀性。利用BP神經(jīng)網(wǎng)絡(luò)建立教學(xué)質(zhì)量評價系統(tǒng)的模型,通過調(diào)查分析得到教學(xué)評價指標(biāo)，將其標(biāo)量化成確定的數(shù)據(jù)作為其輸入,用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練后作為實(shí)際輸出，將之前得到的教學(xué)效果作為期望輸出。比較期望輸出與實(shí)際輸出的誤差。當(dāng)誤差達(dá)到期望的最小值時，認(rèn)為訓(xùn)練成功。訓(xùn)練成功后可以得到比較準(zhǔn)確的權(quán)值和閾值，用訓(xùn)練成功后的網(wǎng)絡(luò)處理另一組新得到的教學(xué)評價指標(biāo)，得到教學(xué)質(zhì)量評價結(jié)果。該方法用于教學(xué)質(zhì)量評價中,既克服了專家在評價過程中的主觀因素,又得到了滿意的評

2、價結(jié)果,具有廣泛的適用性。一、BP神經(jīng)網(wǎng)絡(luò)介紹BP神經(jīng)網(wǎng)絡(luò)是加州大學(xué)的Rumelhart和Mcclelland提出的一種人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，是一種按照誤差逆向傳播算法訓(xùn)練的神經(jīng)網(wǎng)絡(luò)。其學(xué)習(xí)規(guī)則為：使用梯度下降法，通過誤差反向傳播不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。從本質(zhì)上說,這是一類由大量信息處理單元通過廣泛聯(lián)結(jié)而構(gòu)成的動態(tài)信息處理系統(tǒng)。BP神經(jīng)網(wǎng)絡(luò)包括信息的正向傳播和誤差的反向傳播兩個過程。信息的正向傳播：將教學(xué)評價指標(biāo)各數(shù)據(jù)通過網(wǎng)絡(luò)的輸入層輸入網(wǎng)絡(luò)，通過加權(quán)求和（）輸入到隱層，在隱層通過作用函數(shù)（一般選取sigmod函數(shù)：()=）處理后作為隱層的輸出值（()=）。將隱層

3、輸出值再次加權(quán)求和輸入到輸出層，用作用函數(shù)處理后，得到實(shí)際輸出（）。誤差的反向傳播：比較期望輸出（）與實(shí)際輸出的誤差的平方和（），如果誤差大于期望值，將進(jìn)行誤差的反向傳播過程。利用梯度下降法（對作用函數(shù)求導(dǎo)），調(diào)整各層的權(quán)值和閾值。輸出層到隱層權(quán)值變化（），閾值變化（），隱層到輸入層權(quán)值變化（），閾值變化（），將其逐層向隱層和輸入層反傳，周而復(fù)始，直至誤差達(dá)到期望最小，認(rèn)為網(wǎng)絡(luò)訓(xùn)練成功。之后就可以利用訓(xùn)練好的網(wǎng)絡(luò)處理新的教學(xué)質(zhì)量指標(biāo)，得到準(zhǔn)確的教學(xué)質(zhì)量評價結(jié)果。BP神經(jīng)網(wǎng)絡(luò)邏輯結(jié)構(gòu)圖如下：一、BP神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評價模型應(yīng)用教學(xué)評價指標(biāo)（每個指標(biāo)打分范圍0-10）：x1：為人師表,以自身

4、行為影響學(xué)生；x2：作業(yè)適量、批改認(rèn)真、耐心答疑；x3：激發(fā)學(xué)生興趣、啟發(fā)創(chuàng)新思維；x4：教師衣著、言談舉止及精神狀態(tài)；x5：教學(xué)態(tài)度與教學(xué)技巧；x6：講授重點(diǎn)突出、條理清晰；x7：能夠把復(fù)雜問題清楚地表達(dá)；x8：引導(dǎo)學(xué)生探討、解決問題；x9：注重教學(xué)互動、師生交流；x10：充分利用現(xiàn)代化教學(xué)手段。(1)輸入層神經(jīng)元個數(shù)的確定根據(jù)我們調(diào)查中的的教學(xué)評價指標(biāo),一共有10個指標(biāo),可將這10個指標(biāo)作為模型的輸入神經(jīng)元,所以輸入層神經(jīng)元個數(shù)n=10.(2)輸出層神經(jīng)元個數(shù)的確定我們將評價結(jié)果作為網(wǎng)絡(luò)的輸出,輸出層個數(shù)m=1(3)網(wǎng)絡(luò)隱含層數(shù)的確定隱含層可以是一層也可以是多層，根據(jù)之前的理論證明，在

5、對教學(xué)質(zhì)量評價模型中,我們選擇隱含層為1層(4)隱含層神經(jīng)元個數(shù)的確定一般情況下,隱含層神經(jīng)元個數(shù)是根據(jù)網(wǎng)絡(luò)收斂性能的好壞來確定的。隱含層神經(jīng)元個數(shù)過少可能訓(xùn)練不出網(wǎng)絡(luò)或者網(wǎng)絡(luò)不夠強(qiáng)壯,但隱含層神經(jīng)元個數(shù)過多,又會使學(xué)習(xí)時間過長,誤差也不一定最佳,因此存在一個如何確定合適的隱含層神經(jīng)元個數(shù)的問題。一般可以采用試湊法,通過比較網(wǎng)絡(luò)輸出值與期望輸出值之間的誤差,來確定隱層神經(jīng)元個數(shù)。在本文中我們根據(jù)相關(guān)經(jīng)驗初定隱含層神經(jīng)元個數(shù)s=8.之后將所有評價指標(biāo)數(shù)據(jù)及之前得到的比較完善的教學(xué)質(zhì)量評價結(jié)果輸入網(wǎng)絡(luò)，對網(wǎng)絡(luò)進(jìn)行訓(xùn)練。我們?nèi)W(xué)習(xí)率=0.5，定誤差最小值為=0.00001。訓(xùn)練結(jié)束后，得到合適的

6、權(quán)值閾值，用此權(quán)值閾值對之后再調(diào)查得到的評價指標(biāo)進(jìn)行處理，得到合適的教學(xué)質(zhì)量評價結(jié)果。一、評價結(jié)果分析(1)調(diào)查問卷得到的教學(xué)指標(biāo)打分，如下：X1X2X3X4X5X6X7X8X9X10實(shí)際值16.545.5698.54.575.59.57.2526667.556.575.56.576.75377.5878.577.599.568.544434.556.55.567.566.255655.56.5545.567.566.2566.5736545.56.57.566.757785655.56787.57.586585.5444.565.576.25測試（驗證）5.57.54584.5788.5

7、67.25將如上8個樣本的10個教學(xué)指標(biāo)保存在txt文檔中，把數(shù)據(jù)讀入網(wǎng)絡(luò)的輸入層，經(jīng)過5116次網(wǎng)絡(luò)訓(xùn)練達(dá)到設(shè)定好的誤差最小值，得到修改好的權(quán)值和閾值。并用訓(xùn)練好的網(wǎng)絡(luò)處理新數(shù)據(jù)（5.57.54584.5788.56），得到實(shí)際輸出教學(xué)質(zhì)量（6.）。一、結(jié)論BP神經(jīng)網(wǎng)絡(luò)模型由于其具有高度非線性函數(shù)映射功能及自適應(yīng)、自學(xué)習(xí)能力,可以有效克服傳統(tǒng)教學(xué)質(zhì)量評價方法的缺陷,降低傳統(tǒng)評價方法中指標(biāo)權(quán)重確定的人為影響因素,而且精度