谷保平，郭紅艷

（河南廣播電視大學(xué)，鄭州 450000）

一、引言

高校評(píng)估是考核高校辦學(xué)綜合實(shí)力的一個(gè)重要方法，評(píng)估結(jié)果的高低已經(jīng)成為衡量一所高校綜合實(shí)力的重要指標(biāo)。如何準(zhǔn)確對(duì)高校進(jìn)行評(píng)價(jià)已成為一個(gè)十分重要的問題。目前，高校評(píng)估無固定的模式，評(píng)估項(xiàng)目多且復(fù)雜，很多評(píng)價(jià)因子之間相互影響，評(píng)價(jià)過程及時(shí)間比較長(zhǎng)，工作煩瑣，且人為主觀因素對(duì)評(píng)價(jià)結(jié)果有很大影響，如何快速、準(zhǔn)確地對(duì)眾多高校評(píng)估進(jìn)行客觀、公正地評(píng)價(jià)？這是目前有待解決的一個(gè)問題。本文采用神經(jīng)網(wǎng)絡(luò)對(duì)高校評(píng)估進(jìn)行綜合評(píng)價(jià)，利用離散型Hopfield神經(jīng)網(wǎng)絡(luò)具有聯(lián)想記憶的功能，對(duì)數(shù)字進(jìn)行識(shí)別取得滿意的效果，計(jì)算收斂速度很快。最后，利用Matlab工具箱函數(shù)進(jìn)行模擬實(shí)驗(yàn)，并獲得了不錯(cuò)的實(shí)驗(yàn)效果。

二、神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介

1982年，J.Hopfield首先提出了一個(gè)單層全互連反饋型全連接型的神經(jīng)網(wǎng)絡(luò)，從計(jì)算的角度上講，它具有很強(qiáng)的計(jì)算能力；從穩(wěn)定性上講，穩(wěn)定性是這類具有聯(lián)想記憶功能神經(jīng)模型的核心。Hopfield最早提出的網(wǎng)絡(luò)是二值神經(jīng)網(wǎng)絡(luò)，所有輸入進(jìn)神經(jīng)元i的值小于0時(shí)，那么神經(jīng)元i的輸出為-1；i的值大于0時(shí)，那么神經(jīng)元i的輸出為1，并且神經(jīng)元與他本身的權(quán)值為0。［1］下圖1是以一個(gè)由3個(gè)神經(jīng)元組成的離散型Hopfield神經(jīng)網(wǎng)絡(luò)為例。

圖1離散型Hopfield結(jié)構(gòu)圖

從圖1中可以看出，第0層不是實(shí)際的神經(jīng)元，可以看作Hopfield網(wǎng)絡(luò)的輸入層，缺少進(jìn)行運(yùn)算的功能；第1層是實(shí)際的神經(jīng)元層，有很強(qiáng)的計(jì)算功能，故而能對(duì)輸入信息和權(quán)重進(jìn)行復(fù)雜的求和運(yùn)算，經(jīng)一個(gè)簡(jiǎn)單的閾值函數(shù)處理后產(chǎn)生輸出信息。計(jì)算公式如下：

在上面公示中，xj為外部輸入。其中yj為下列取值：

一個(gè)離散型Hopfield神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)信息情況是輸出的所有信息的集合，一個(gè)具有n個(gè)輸出層的神經(jīng)網(wǎng)絡(luò)，其某一個(gè)時(shí)刻（t）的狀態(tài)為一個(gè)n維向量：

因?yàn)?yi（t）（i=1，2，…，n）可以取值為 1 或-1，故 n維向量Y（t）有2n種狀態(tài)，即網(wǎng)絡(luò)有2n種狀態(tài)?？紤]Hopfield神經(jīng)網(wǎng)絡(luò)的一般節(jié)點(diǎn)狀態(tài)，用yj（t）表示第j個(gè)神經(jīng)元，即節(jié)點(diǎn)j在時(shí)刻t的狀態(tài)，則節(jié)點(diǎn)的下一個(gè)時(shí)刻（t+1）的狀態(tài)可以求得：

Hopfield網(wǎng)絡(luò)的運(yùn)行步驟：

步驟1：對(duì)網(wǎng)絡(luò)進(jìn)行初始化；

步驟2：從網(wǎng)絡(luò)中隨機(jī)選擇一個(gè)神經(jīng)元i；

步驟 3：計(jì)算該神經(jīng)元 i的 ui（t）；

步驟 4：計(jì)算該神經(jīng)元 i的輸出 vi（t+1）；

步驟5：判斷網(wǎng)絡(luò)是否達(dá)到穩(wěn)定狀態(tài)，若達(dá)到穩(wěn)定狀態(tài)或滿足給定條件則結(jié)束；否則轉(zhuǎn)到步驟2繼續(xù)運(yùn)行［2］。

從上面可以看出，Hopfield網(wǎng)絡(luò)動(dòng)力學(xué)方式運(yùn)行，其工作過程為神經(jīng)元狀態(tài)的演化過程，即從初始狀態(tài)按“能量”減少的方向進(jìn)行演化，其能量值不斷減少，最后處于最小值直到達(dá)到穩(wěn)定狀態(tài)。穩(wěn)定狀態(tài)定義為：如果網(wǎng)絡(luò)從某一時(shí)刻以后，狀態(tài)不再發(fā)生變化，則稱網(wǎng)絡(luò)處于穩(wěn)定狀態(tài)。［3］

即： v（t+Δt）=v（t），Δt＞0

三、基于神經(jīng)網(wǎng)絡(luò)的高校評(píng)估模型

高校評(píng)估模型評(píng)價(jià)因子有很多，根據(jù)評(píng)估標(biāo)準(zhǔn)，本文選取了學(xué)校教育評(píng)估指標(biāo)較為重要的12個(gè)指標(biāo)作為評(píng)價(jià)因子。如圖1所示：校園規(guī)模（X1）、儀器設(shè)備數(shù)量（X2）、高級(jí)職稱教師人數(shù)（X3）、碩博教師人數(shù)（X4）、重點(diǎn)專業(yè)（X5）、精品課程（X6）、在校生人數(shù)（X7）、首次就業(yè)率（X8）、重點(diǎn)學(xué)科（X9）、重點(diǎn)實(shí)驗(yàn)室及基地（X10）、各級(jí)項(xiàng)目（X11）、論文及成果獎(jiǎng)勵(lì)（X12）。 高校評(píng)估一般分為五個(gè)等級(jí)：優(yōu)秀（A）、良好（B）、合格（C）、基本合格（D）和不合格（E）。［4］

圖2高校評(píng)估綜合評(píng)價(jià)指標(biāo)體系

四、實(shí)驗(yàn)

1.模型建立及實(shí)驗(yàn)數(shù)據(jù)。

本文數(shù)據(jù)是對(duì)12所高校的評(píng)估數(shù)據(jù)進(jìn)行了分類整理，選取比較重要的12個(gè)評(píng)價(jià)指標(biāo)進(jìn)行評(píng)估，并結(jié)合離散 Hopfield神經(jīng)網(wǎng)絡(luò)的聯(lián)想記憶能力，建立離散Hopfield高校評(píng)估評(píng)價(jià)模型。本文的設(shè)計(jì)步驟主要包括如下5個(gè)步驟，如圖3所示。

圖3模型建立流程圖

表1 12所高校評(píng)估等級(jí)及對(duì)應(yīng)的評(píng)價(jià)指標(biāo)

2.理想等級(jí)評(píng)價(jià)指標(biāo)。

根據(jù)表1所示高校評(píng)估等級(jí)及數(shù)據(jù)，為了增加評(píng)估的公平和合理性，可以將上表1中不同等級(jí)的樣本值求其平均數(shù)來作為各個(gè)理想評(píng)價(jià)指標(biāo)的標(biāo)準(zhǔn)。根據(jù)理想評(píng)價(jià)指標(biāo)，找出不同等級(jí)（A、B、C、D 和 E）的平衡點(diǎn)，為其后評(píng)估其他待評(píng)價(jià)高校作為依據(jù)。評(píng)價(jià)結(jié)果見表2。

3.等級(jí)評(píng)價(jià)指標(biāo)編碼。

要將評(píng)價(jià)指標(biāo)和神經(jīng)元的狀態(tài)進(jìn)行一一映射處理，需要對(duì)評(píng)估指標(biāo)進(jìn)行編碼處理，因?yàn)殡x散型Hopfield神經(jīng)元有兩種狀態(tài)1和-1。所以通常的編碼方法如下：當(dāng)評(píng)估指標(biāo)大于等于理想評(píng)估指標(biāo)時(shí)，此時(shí)該神經(jīng)元用“1”來表示，為了方便顯示，用“●”表示神經(jīng)元狀態(tài)為“1”；反之，當(dāng)評(píng)估指標(biāo)小于理想評(píng)估指標(biāo)時(shí)，此時(shí)該神經(jīng)元用“-1”來表示，為了方便顯示，用“○”表示神經(jīng)元狀態(tài)為“-1”。下圖4是理想的5個(gè)等級(jí)評(píng)估指標(biāo)編碼后的圖形。

表2 5個(gè)等級(jí)理想評(píng)價(jià)指標(biāo)

圖4 理想的5個(gè)等級(jí)評(píng)價(jià)指標(biāo)編碼

4.評(píng)價(jià)模型實(shí)現(xiàn)。

由圖 4編碼好理想評(píng)價(jià)指標(biāo)（A、B、C、D 和 E）后，下面在Matlab平臺(tái)上進(jìn)行仿真實(shí)驗(yàn)。首先利用Matlab神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)newhop（）函數(shù)創(chuàng)建網(wǎng)絡(luò)，調(diào)用格式net=newhop（T），其中，T指具有Q個(gè)目標(biāo)向量的R*Q矩陣 （元素必須為-1或1），net指生成的神經(jīng)網(wǎng)絡(luò)，具有在T中的向量上穩(wěn)定的點(diǎn)。然后，作為離散Hopfield神經(jīng)網(wǎng)絡(luò)的平衡點(diǎn)，將數(shù)據(jù)保存在class.mat文件中，待分類的5所高校評(píng)價(jià)指標(biāo)數(shù)據(jù)如表3所示，根據(jù)不同高校的評(píng)估數(shù)據(jù)進(jìn)行相應(yīng)的編碼，編碼結(jié)果如表3所示。最后，利用Matlab自帶的神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)sim（）進(jìn)行仿真，將仿真結(jié)果以圖形的形式呈現(xiàn)出來［5］。

表3 5所待評(píng)價(jià)高校評(píng)估指標(biāo)數(shù)據(jù)

5.評(píng)價(jià)結(jié)果與分析。

仿真結(jié)果如圖5和圖6所示，圖5表示5所高校評(píng)估指標(biāo)數(shù)據(jù)編碼；圖6為Hopfield神經(jīng)網(wǎng)絡(luò)的分類的結(jié)果。從圖5和圖6中可以清晰地表明，本文提出的方法可以有效地對(duì)待評(píng)價(jià)的高校評(píng)估指標(biāo)數(shù)據(jù)進(jìn)行有效的分類，能正確評(píng)估出各個(gè)高校的評(píng)估等級(jí)，結(jié)果相對(duì)合理公正，操作方便可行［6］。

五、結(jié)論

圖5 5所待評(píng)估高校的數(shù)據(jù)編碼

圖6 5所高校評(píng)估結(jié)果

本文針對(duì)高校評(píng)估過程中很多不確定性因素，利用離散Hopfield神經(jīng)網(wǎng)絡(luò)建立高校評(píng)估的評(píng)價(jià)模型。通過Matlab仿真實(shí)驗(yàn)表明，該方法能準(zhǔn)確地評(píng)價(jià)高校的評(píng)估等級(jí)，能自動(dòng)建立輸入和輸出之間的映射關(guān)系，操作簡(jiǎn)單方便，結(jié)果公正合理，具有很好的實(shí)用價(jià)值。然而對(duì)于一些比較極端的數(shù)據(jù)情況，評(píng)估模型不能很好地評(píng)價(jià)出正確的結(jié)果，對(duì)于這些極端的數(shù)據(jù)情況，是下一步研究的重點(diǎn)和難點(diǎn)。

［1］ 焦李成.神經(jīng)網(wǎng)絡(luò)計(jì)算［M］.西安：西安電子科技大學(xué)出版，1993.

［2］ 高雋.人工神經(jīng)網(wǎng)絡(luò)原理及仿真［M］.北京：機(jī)械工業(yè)出版社，2003.

［3］ 曾水玲，楊靜宇，徐蔚鴻．一種模糊Hopfield網(wǎng)絡(luò)的學(xué)習(xí)算法及性質(zhì)［J］.計(jì)算機(jī)科學(xué)，2010，37（12）.

［4］ Matlab中文論壇.Matlab神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析［M］.北京：北京航空航天大學(xué)出版社，2010．

［5］ 張偉江.學(xué)校教育評(píng)估指標(biāo)設(shè)計(jì)概論［M］.北京：高等教育出版社，2011.

［6］ 楊杰，李中文.神經(jīng)網(wǎng)絡(luò)在高?？蒲心芰χ械脑u(píng)價(jià)研究［J］.計(jì)算機(jī)仿真，2011，（5）.