吳 蕾, 吳 婷

(1. 安徽警官職業(yè)學(xué)院, 合肥 230031; 2. 上海電機學(xué)院 機械學(xué)院, 上海 200245)

BP神經(jīng)網(wǎng)絡(luò)在教學(xué)質(zhì)量評價中的應(yīng)用觀察

吳 蕾1, 吳 婷2

(1. 安徽警官職業(yè)學(xué)院, 合肥 230031; 2. 上海電機學(xué)院 機械學(xué)院, 上海 200245)

人工神經(jīng)網(wǎng)絡(luò)是一種新技術(shù), 具有非線性處理、適應(yīng)學(xué)習(xí)能力強等優(yōu)勢, BP神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)中的一種, 具有極強的非線性處理能力. 本文就人工神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)的相關(guān)概念進行分析, 研究基于BP神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評價體系, 并對BP神經(jīng)網(wǎng)絡(luò)在教學(xué)質(zhì)量評價中的應(yīng)用進行探討, 以便建立完善的質(zhì)量評價體系, 促進教學(xué)質(zhì)量的提高,推動高職院校的發(fā)展.

BP神經(jīng)網(wǎng)絡(luò); 教學(xué)質(zhì)量; 評價; 應(yīng)用觀察

引言

隨著社會經(jīng)濟的飛速發(fā)展, 科學(xué)技術(shù)不斷的提高, 使得信息技術(shù)在各個領(lǐng)域中的運用越來越廣闊. 近年來, 我國教育發(fā)生了重大的改革, 主要強調(diào)素質(zhì)教育的發(fā)展, 在此前提基礎(chǔ)下, 我國高職院校的主要職責(zé)是培養(yǎng)高技能、高素質(zhì)、全面性、實用型人才. 因此, 高職院校就需要改變以往的教學(xué)方式, 盡最大可能提高教學(xué)質(zhì)量. 課堂教學(xué)仍然是實施教育的主要途徑, 教學(xué)質(zhì)量的好壞直接影響到高職院校的教育質(zhì)量, 對高職院校的發(fā)展具有重大的影響[1]. 教學(xué)質(zhì)量的好壞需要建立一種特有的評價體系進行評價, 因此,學(xué)校教學(xué)質(zhì)量評價體系的建立是十分有必要的. 隨著信息技術(shù)的應(yīng)用范圍不斷擴大, 在教學(xué)質(zhì)量評價體系中也得到一定的應(yīng)用, 在教學(xué)質(zhì)量評價體系中逐漸引入了BP神經(jīng)網(wǎng)絡(luò)技術(shù), 為高職院校教學(xué)質(zhì)量評價提供了一種科學(xué)的、合理的、有效的評價方式.

1 人工神經(jīng)網(wǎng)絡(luò)的概念

人工神經(jīng)網(wǎng)絡(luò)主要是通過對生物大腦從結(jié)構(gòu)到功能方面進行模擬, 建立一種信息處理系統(tǒng), 簡稱為神經(jīng)網(wǎng)絡(luò). 神經(jīng)網(wǎng)絡(luò)主要是由多種簡單的神經(jīng)元聯(lián)系組成的, 神經(jīng)網(wǎng)絡(luò)的整體運動形態(tài)比較復(fù)雜, 可以組成高度的非線性動力學(xué)系統(tǒng), 具有一般復(fù)雜的非線性系統(tǒng)的特征. 人工神經(jīng)網(wǎng)絡(luò)是一個并行的分布式的信息處理網(wǎng)絡(luò)結(jié)構(gòu), 其中每一個神經(jīng)元有一個單一的輸出口, 可以與其他多種神經(jīng)元相連接. 另外, 神經(jīng)網(wǎng)絡(luò)的模型種類較多, 根據(jù)不同的角度, 對生物神經(jīng)系統(tǒng)具有不同的模擬, 以下是幾種比較典型的神經(jīng)網(wǎng)絡(luò)模型: BP神經(jīng)網(wǎng)絡(luò)、感知器、雙向聯(lián)想記憶等, 這些模型的建立主要是為了將模式進行分類, 對數(shù)據(jù)分類分析, 對計算方式進行優(yōu)化[2]. 其中BP神經(jīng)網(wǎng)絡(luò)模型的主要功能有模式識別、函數(shù)逼近、數(shù)據(jù)壓縮等.當前, 在人工神經(jīng)網(wǎng)絡(luò)的實際運用中, 大多數(shù)的網(wǎng)絡(luò)模型是根據(jù)BP神經(jīng)網(wǎng)絡(luò)變化而來的.

2 BP神經(jīng)網(wǎng)絡(luò)的介紹

2.1 BP神經(jīng)網(wǎng)絡(luò)的基本原理

BP神經(jīng)網(wǎng)絡(luò)(Back Propagation)是一種多層前饋神經(jīng)網(wǎng)絡(luò), 主要由多種神經(jīng)元構(gòu)成, 主要分為輸入層、輸出層和隱含層. 其具有每個神經(jīng)元只和相鄰層神經(jīng)元相連接、各層神經(jīng)元之間沒有連接性、各層神經(jīng)元之間沒有反饋連接性的特點[3]. 其中BP神經(jīng)網(wǎng)絡(luò)的開拓補充結(jié)構(gòu)如圖1所示.

圖1 BP神經(jīng)網(wǎng)絡(luò)的開拓補充結(jié)構(gòu)

當給定一個網(wǎng)絡(luò)輸入模式的時候, 該輸入模式會從輸入層單元逐漸傳入到隱含層單元中, 通過隱含單元層處理后, 被送到輸出層單元, 經(jīng)過處理之后, 會產(chǎn)生一個輸出響應(yīng). 在這時, 如果輸出響應(yīng)和預(yù)期的輸出具有一定的差距, 將會使得差距沿著連接通道回傳到各個連接層進行修正, 以便減小誤差[4]. 根據(jù)上圖的結(jié)構(gòu)分析, 其中輸入信號是由xi表示, 隱含層的節(jié)點輸出主要是以yh表示, 輸出節(jié)點的輸出主要是以O(shè)s表示. 在實際應(yīng)用的過程中, BP神經(jīng)網(wǎng)絡(luò)可以根據(jù)不同的需求設(shè)置多個隱含層. 對BP神經(jīng)網(wǎng)絡(luò)中的連接權(quán)值和網(wǎng)絡(luò)規(guī)模進行調(diào)節(jié), 可以達到非線性分類的功能.

2.2 BP神經(jīng)網(wǎng)絡(luò)的特征和作用

其一, BP神經(jīng)網(wǎng)絡(luò)的特點. 首先, 具有非線性映照能力和并行分布處理能力. 其中非線性映照能力指的是神經(jīng)網(wǎng)絡(luò)可以任意精確的逼近非線性函數(shù), 在建立BP神經(jīng)網(wǎng)絡(luò)模型的過程中, 諸多問題均具有較高的非線性[5]. 并行分布處理能力指的是在神經(jīng)網(wǎng)絡(luò)中, 信息分布存儲和處理是同時進行的, 從而使得BP神經(jīng)網(wǎng)絡(luò)具有較強的容錯性, 處理速度較快. 其次, 具有較強的數(shù)據(jù)分析能力和自學(xué)能力. 自學(xué)能力指的是在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中, 能夠從輸入和輸出的數(shù)據(jù)中找出具有規(guī)律性的知識點, 將其存在網(wǎng)絡(luò)的權(quán)值中. 并將這組權(quán)值使用在一般的情況下. 數(shù)據(jù)分析能力指的是神經(jīng)網(wǎng)絡(luò)可以同時處理定性和定量的信息, 利用傳統(tǒng)的技術(shù)和人工智能技術(shù)進行數(shù)據(jù)處理. 最后, 具有多變量系統(tǒng)的功能. 神經(jīng)網(wǎng)絡(luò)的輸出和輸入的數(shù)據(jù)具有可變化的特點, 不僅可以為單變量系統(tǒng)提供條件, 還可以為多變量系統(tǒng)提供描述方式.

其二, BP神經(jīng)網(wǎng)絡(luò)的作用. 由于BP神經(jīng)網(wǎng)絡(luò)具有較高的非線性能力, 所以能夠在眾多領(lǐng)域中發(fā)揮作用, 如信息處理、自動化、工程、醫(yī)學(xué)、經(jīng)濟等領(lǐng)域. BP神經(jīng)網(wǎng)絡(luò)的主要作用是實現(xiàn)函數(shù)逼近、數(shù)據(jù)壓縮、模式識別等, 通過其較強的非線性映照能力和較好的容錯性將自身的作用發(fā)揮出來, 從而在各個領(lǐng)域中發(fā)揮出較好的作用, 促進各個領(lǐng)域的發(fā)展[6].

2.3 BP神經(jīng)網(wǎng)絡(luò)的計算方式

BP神經(jīng)網(wǎng)絡(luò)的計算方式在根本上主要是以網(wǎng)絡(luò)誤差平方和為目標函數(shù), 根據(jù)梯度法使得目標函數(shù)達到最小值. BP神經(jīng)網(wǎng)絡(luò)的基本計算方式的原理主要是根據(jù)糾錯原則來進行計算的, 使用梯度下降法將網(wǎng)絡(luò)輸出誤差進行反向傳送, 并對網(wǎng)絡(luò)的連接權(quán)值進行修正和更改, 將誤差降到最小值. BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法分為誤差反向傳送和前向計算兩個方面. 整個學(xué)習(xí)過程如圖2所示.

3 基于BP神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評價體系

3.1 在教學(xué)質(zhì)量評價中BP神經(jīng)網(wǎng)絡(luò)的可行性

我國高職院校的教學(xué)質(zhì)量一直是備受人們關(guān)注的一個話題. 近年來, 教育部門加大了對高職院校的教學(xué)質(zhì)量監(jiān)管的力度, 每年都要對教學(xué)質(zhì)量進行評價, 因此, 人們越來越關(guān)注教學(xué)質(zhì)量評價體系的構(gòu)建,并加大了對其的研究力度. 教學(xué)是將教和學(xué)兩者相結(jié)合的過程, 對教學(xué)質(zhì)量產(chǎn)生影響的因素有很多, 另外, 這些因素的影響程度不同, 也會給教學(xué)質(zhì)量的評價帶來一定的影響. 這些問題屬于非線性問題, 在評價的過程中, 會遇到較大的困難. 在以往的教學(xué)質(zhì)量評價體系中, 無法排除事件的隨機性和偶然性, 嚴重受到主觀因素的影響, 往往會導(dǎo)致評價效果不夠真實, 存在較大的誤差. 因此, 急需要尋找一種有效的教學(xué)質(zhì)量評價體系, 較好的解決以上所述的問題.

另外, 近年來, 神經(jīng)網(wǎng)絡(luò)技術(shù)是一種專門研究復(fù)雜性問題的工具, 在模式識別、自動控制、預(yù)測等方面具有較高的實效性. 人工神經(jīng)網(wǎng)絡(luò)技術(shù)的產(chǎn)生,為高職院校的教學(xué)質(zhì)量評價體系提供了有利的依據(jù)和技術(shù)保障. 人工神經(jīng)網(wǎng)絡(luò)可以通過不斷的學(xué)習(xí)和實際訓(xùn)練, 從未知的復(fù)雜數(shù)據(jù)的模式中, 尋找出知識的規(guī)律性, 能夠及時處理多種類型的數(shù)據(jù), 較好的彌補了傳統(tǒng)教學(xué)質(zhì)量評價方法的缺陷. 因此, 基于BP神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評價系統(tǒng)是可行的[7], 不僅能夠及時、有效的解決綜合評價指標中的定性和定量的問題, 還有效的解決了傳統(tǒng)評價方式中的表達問題, 不會受到主觀因素的影響, 其評價結(jié)果更加準確. 基于BP神經(jīng)網(wǎng)絡(luò)的評價體系, 其主要原理是將課堂教學(xué)質(zhì)量的評價指標組成BP神經(jīng)網(wǎng)絡(luò)中的輸入量, 使用評價值組成BP神經(jīng)網(wǎng)絡(luò)中的輸出量, 對網(wǎng)絡(luò)結(jié)構(gòu)和訓(xùn)練樣本進行科學(xué)合理的設(shè)計, 并將其輸入到網(wǎng)絡(luò)中進行計算, 得出的系統(tǒng)誤差符合標準要求后, 所獲取的網(wǎng)絡(luò)模型就是課堂教學(xué)質(zhì)量評價模型.

3.2 基于BP神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評價模型的設(shè)計方式

通過對基于BP神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評價體系的可行性進行研究, 基于BP神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評價體系的模型設(shè)計需要將系統(tǒng)分為子系統(tǒng)網(wǎng)絡(luò)和綜合網(wǎng)絡(luò), 各個網(wǎng)絡(luò)均使用神經(jīng)網(wǎng)絡(luò)的方式進行設(shè)計. 將綜合指標體系中的每一個一級指標視為一個子系統(tǒng), 相對應(yīng)的二級指標是每一個子系統(tǒng)的輸入、輸出, 從而組成綜合系統(tǒng)的輸入, 綜合神經(jīng)網(wǎng)絡(luò)的輸出就是教學(xué)質(zhì)量評價體系中的評價結(jié)果, 主要分為優(yōu)秀、良好、中等、合格、差幾個等級, 每一個等級都有一個相對應(yīng)的輸出值范圍. 另外, 還需要對網(wǎng)絡(luò)結(jié)構(gòu)模型的選擇這份工作給予十分重視, 選擇較好的網(wǎng)絡(luò)模型能夠有效的減少網(wǎng)絡(luò)訓(xùn)練的次數(shù), 提高網(wǎng)絡(luò)學(xué)習(xí)的質(zhì)量和準確度. 網(wǎng)絡(luò)結(jié)構(gòu)主要是由網(wǎng)絡(luò)連接方式、各層次的節(jié)點數(shù)值和網(wǎng)絡(luò)層次構(gòu)成的.

圖2 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練流程圖

4 在教學(xué)質(zhì)量評價中BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究

4.1 教學(xué)質(zhì)量評價指標體系的確定

在建立神經(jīng)網(wǎng)絡(luò)評價模型之前, 需要確定教學(xué)質(zhì)量評價指標體系. 根據(jù)科學(xué)性、綜合性、準確性、可操作性等原則進行分析, 按照高職院校的評價指標確定需求考慮, 將學(xué)生評價的神經(jīng)網(wǎng)絡(luò)評價指標設(shè)計成表1的形式, 該指標體系直接關(guān)系到教學(xué)質(zhì)量的評估模型的網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)成.

表1 評價指標體系

4.2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型在教學(xué)質(zhì)量評價中的實現(xiàn)

BP神經(jīng)網(wǎng)絡(luò)模型的實現(xiàn), 需要選用較高性能的數(shù)值計算可視化MATLAB仿真軟件, 建立三層BP神經(jīng)網(wǎng)絡(luò), 其中輸入層的神經(jīng)元為12個, 輸出層的神經(jīng)元為1個, 隱含神經(jīng)元為8個, 訓(xùn)練次數(shù)為1500次,允許誤差為0.001, 選取5個樣本數(shù)據(jù)和5個測試數(shù)據(jù), 進行驗證. 兩者比較的結(jié)果比較滿意, 神經(jīng)網(wǎng)絡(luò)評價結(jié)果和專家的評價結(jié)果對比分析如表2所示. 從中可以看出神經(jīng)網(wǎng)絡(luò)與專家評價的結(jié)果比較接近. 另外,為了進一步驗證實驗效果, 將預(yù)先準備的五組數(shù)據(jù), 通過仿真軟件得到的結(jié)果與專家評價結(jié)果相比, 如表3所示. 由表3可知仿真結(jié)果和專家給出的評價結(jié)果也比較相近. 由此可以說明, BP神經(jīng)網(wǎng)絡(luò)在教學(xué)質(zhì)量評估中的應(yīng)用價值比較高, 能夠代替人工進行評價, 具有較好的評價效果.

表2 神經(jīng)網(wǎng)絡(luò)評價結(jié)果和專家評價結(jié)果對比情況

表3 仿真軟件和專家評價的結(jié)果情況

5 總結(jié)

高職院校的教學(xué)質(zhì)量評價體系是比較復(fù)雜的非線性的綜合系統(tǒng), 在進行評價的過程中, 具有較多的不確定選擇因素, 因此, 基于BP神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評價體系的輸出和輸入的數(shù)據(jù)也具有變化性的特點.由于BP神經(jīng)網(wǎng)絡(luò)模型具有較高的非線性映照功能, 在教學(xué)質(zhì)量評價中使用BP神經(jīng)網(wǎng)絡(luò)技術(shù), 能夠確保評價的準確度, 真實的反映出教學(xué)質(zhì)量的標準. 避免主觀因素的干擾, 能夠較好的彌補傳統(tǒng)評價體系的缺陷. 通過實驗驗證表明, BP神經(jīng)網(wǎng)絡(luò)模型的輸出值和專家評價的真實值之間的誤差較小, 其功能完全可以滿足實際評價的需求, 其應(yīng)用價值較高. 隨著科學(xué)技術(shù)的不斷提高, 在未來的發(fā)展中, BP神經(jīng)網(wǎng)絡(luò)在教學(xué)中的應(yīng)用范圍將更加廣闊, 應(yīng)用效果也會更加顯著, 能夠為高職院校的教學(xué)質(zhì)量的提高起到極大的促進作用.

[1] 楊新佳. 基于神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評價模型研究[J]. 西安科技大學(xué)學(xué)報, 2011, 12(07): 126～128

[2] 彭志鋼. 基于 BP 神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評價模型[J]. 安徽建筑工業(yè)學(xué)院學(xué)報(自然科學(xué)版), 2010, 17(06): 110～113

[3] 周開利. 神經(jīng)網(wǎng)絡(luò)模型 MATLAB 仿真程序設(shè)計[M]．北京: 清華大學(xué)出版社, 2010, 112～116

[4] 胡春萍. 基于BP神經(jīng)網(wǎng)絡(luò)的高校教學(xué)質(zhì)量智能評估體系的研究與實現(xiàn)[J]. 廣東工業(yè)大學(xué)學(xué)報, 2011, 15(05): 121～123

[5] 喬維德. 基于BP 神經(jīng)網(wǎng)絡(luò)的現(xiàn)代遠程教育教學(xué)質(zhì)量評價模型的構(gòu)建[J]. 中國遠程教育, 2012, 17(07): 102～103

[6] 湯小凝. 模糊理論在高校教學(xué)質(zhì)量評估中的應(yīng)用[J]. 中國教育技術(shù)裝備, 2011, 11(08): 106～108

[7] 汪旭暉. 基于BP神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評價模型及應(yīng)用[J]. 高等工程教育研究, 2010, 13(05): 178～181

Observation on Application of BP Neural Network in Teaching Quality Evaluation

WU Lei1WU Ting2
(1. Anhui Vocational College of Police Officers, Hefei 230031, China; 2. School of College of Mechanical Engineering, Shanghai Dianji University, Shanghai 200245, China)

With the continuous development of science and technology, a new type of teaching quality evaluation system has being generated gradually. Artificial neural network is a new technology, which has such advantages as nonlinear processing and adaptive learning capability. While BP neural network is such a kind of artificial neural network, it has strong ability of nonlinear processing. The related concepts of artificial neural network and BP neural network were analyzed in this paper. With the researching on teaching quality evaluation system based on BP neural network, it discussed the application of BP neural network in teaching quality evaluation. Thus could be helpful to establish perfect quality evaluation system and promote the development of higher vocational colleges.

the BP neural network；the quality of teaching；evaluation；application of observation

TP183

A

1672-5298(2014)03-0033-04

2014-05-15

吳 蕾(1980? ), 女, 安徽合肥人, 安徽警官職業(yè)學(xué)院講師. 主要研究方向: 計算機應(yīng)用技術(shù)