BP神經網絡教師教學論文

前言：本站為你精心整理了BP神經網絡教師教學論文范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

1全方位教學質量評價體系構建全方位

評價體系是指由領導部門、督導團、同事同仁、教師自身和學生等全方位各角度地來了解教師的工作績效。通過這種績效評價，被評教師可以從上級領導、督導團、自身和學生處獲取多角度的反饋，從而更清楚地知道自己的不足、長處，從而為后期的發展及職業規劃提供依據。事實證明，這種全方位的評價體系是全面而有效的。全方位高校教學質量綜合評價體系包括授課評價體系和學習評價體系。授課評價體系中的評價對象是高校教師，評價主體有督導、同行、學生和教師本人。學習評價體系中，評價的對象是學生，評價主體有督導、教師、其他同學和學生本人。對于授課評價體系的指標有教師互評、教師自評、督導評教和學生評教等;對于學習評價體系的指標有同學互評、學生自評、督導評學和教師評學等。各指標相互聯系、相互影響構成了全方位高校教學質量評價體系。

2神經網絡用于教學質量評價體系的可行性

作為研究非線性擬合與分類的有力工具，神經網絡在模式識別、自動控制、預測等方面已凸顯了其優越性。神經網絡針對已有的訓練數據，通過不斷的學習和訓練，能從已有的大量復雜數據中挖掘出規律性的東西，從而達到探求未知的目的。它尤其能處理任意類型的數據，這是許多傳統方法無法達到的，因而其準確度較高。同時，它還能處理多元輸入，并兼顧各個輸入對輸出的影響。因此，將神經網絡用于高校教學質量評價體系，不僅可以解決綜合評價指標體系中的定性指標與定量指標的問題，也可解決傳統評價體系的復雜建模問題，避免了人為的主顧隨意度，保證了有效的評估結果。bp神經網絡是通過反向傳播誤差來修正模型權值和閾值的一種應用較廣泛的神經網絡。將BP神經網絡用于高校教學質量評估時，將全方位高校教學質量綜合評價體系中的各個指標作為神經元輸入，將評價的最終結果作為輸出，從而建立評估模型。訓練過程中，若輸出的量值和預期的量值之間存在誤差，且超出了規定的范圍，則按照誤差反向傳遞的方法調整各層之間的連接權值及隱層和輸出層節點的閾值，直到系統誤差控制在可接受的范圍內，則訓練停止。此時的權值和閾值將不再改變，所得的網絡是經過自適應學習的正確表示，訓練好的神經網絡便可以作為一種定性與定量相結合的有效工具為訓練數據以外的對象做出正確評價。

3教學質量評價指標體系的建立

本文根據全方位高校教學質量評價體系所包含的2個體系下的7個二級指標，將這7個指標分別當作7個二級系統，即教師互評系統、教師自評系統、督導評教系統、學生評教系統、教師評學系統、督導評學系統、學生自評系統。每個二級系統下又存在不同的評價指標。將這些評價指標作為二級系統的輸入，二級系統的輸出作為教學質量評價體系神經網絡的輸入，教學質量綜合評價體系神經網絡的輸出則是高校教師教學質量評價的最終結果。

4BP神經網絡模型的確定

首先對BP神經網絡的輸入數據(訓練樣本)進行歸一化處理，這樣做可有效避免隱層S函數的飽和區，同時能加快學習速度(Matlab中一般采用premnmx函數進行歸一化處理)。輸入層的神經元只具備數據傳送的功能，一般采用線性函數作為傳遞函數，其學習過程中不會發生飽和現象。隱含層中的神經元一般采用飽和非線性的S函數。同時，鑒于神經網絡訓樣本數據經過了歸一化處理，則測試樣本數據也需要采取相同的預處理，即采用tram-nmx函數進行數據的歸一化，再用postmnmx函數對系統輸出值進行反歸一化處理。BP神經網絡的輸出層神經元數目是根據7個二級系統來確定的。本文輸出選取層的神經元個數為1。隱含層數目為7，各二級系統的隱含層數目為其對應的二級指標數3，學習率取0．3，動量項系數為0．95，收斂誤差界值設置為0．0001。使用了Matlab2012神經網絡工具箱中的trainlm函數進行訓練，通過Levenberg－Marquardt算法完成網絡訓練。網絡的隱含層神經元傳遞函數為tansig函數，輸出層神經元的傳遞函數為purelin函數。訓練過程見圖3。從神經網絡的訓練過程可以看出:使用BP網絡進行建模時，訓練少于200次即可實現較為完美的擬合效果。預測結果與專家評估結果的對比。

5結束語

本文構建了全方位教學質量評價體系，根據不同高校對教學質量的要求建立教學質量評價指標體系，根據2個體系下的7個二級指標構成兩級神經網絡系統，并分別進行訓練。訓練結果表明:該網絡能夠較好地擬合訓練數據，預測效果顯著。通過神經網絡對高校教師教學質量進行合理評價，克服了單一的人為因素對評價結果的直接影響，為高校教學質量的評估提供了一種科學合理的新方法，為教學質量評估的研究發展提供有益的參考。

作者：鄭永陳艷單位：重慶理工大學機械檢測技術與裝備教育部工程研究中心