鄧凱,肖?；?趙振勇

(1.常州紡織服裝職業(yè)技術(shù)學(xué)院，江蘇常州213164；2.常州紡織服裝職業(yè)技術(shù)學(xué)院機電工程系，江蘇常州213164；

3.常州紡織服裝職業(yè)技術(shù)學(xué)院人事處，江蘇常州213164)

?

基于BP神經(jīng)網(wǎng)絡(luò)四位一體培養(yǎng)五業(yè)貫通人才模型的構(gòu)建

鄧凱1,肖?；?,趙振勇3

(1.常州紡織服裝職業(yè)技術(shù)學(xué)院，江蘇常州213164；2.常州紡織服裝職業(yè)技術(shù)學(xué)院機電工程系，江蘇常州213164；

3.常州紡織服裝職業(yè)技術(shù)學(xué)院人事處，江蘇常州213164)

1BP神經(jīng)網(wǎng)絡(luò)

1.1　原理及拓撲結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)，是一種多層前饋神經(jīng)網(wǎng)絡(luò)[1]，由信息前向傳遞、誤差反向傳播組成，拓撲結(jié)構(gòu)分為3層，即輸入層、隱含層和輸出層。在信息前向傳播的過程中，信號就會從輸入層經(jīng)過隱含層逐層逐層處理后最終到達輸出層，輸出信息處理結(jié)果，完成一次學(xué)習(xí)的正向傳播處理過程。當輸出層得不到預(yù)期目標輸出值時，則進入誤差的反向傳播階段，根據(jù)誤差值的情況調(diào)整網(wǎng)絡(luò)權(quán)值和閾值，并反復(fù)訓(xùn)練從而使BP神經(jīng)網(wǎng)絡(luò)的預(yù)測輸出不斷逼近從而最終達到預(yù)期的輸出，完成整體建模效果。

1.2　BP神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型

按照BP神經(jīng)網(wǎng)絡(luò)原理和拓撲結(jié)構(gòu)構(gòu)建相對應(yīng)的數(shù)據(jù)模型，具體構(gòu)建過程[2-3]說明如下。

BP神經(jīng)網(wǎng)絡(luò)的整個訓(xùn)練過程如下：

①初始化，給連接權(quán)wij、vjt和閾值θj、rt隨機賦值。

②輸入訓(xùn)練樣本(A1,Y1)。

③利用輸入 AK、連接權(quán)wij和閾值θj，計算中間層各神經(jīng)元的輸出：

④利用bj、連接權(quán)vjt和閾值rt，計算輸出層各神經(jīng)元的輸出：

⑦利用dt、bj、vjt和rt,計算隱層到輸出層之間的新連接權(quán)：

vjt(L+1)=vjt(L)+αdtbj

rt(L+1)=rt(L)+αdt(式中，L表示訓(xùn)練次數(shù))

⑧利用ej、xi、wij和θj，計算輸入層到隱層之間的新連接權(quán)：

wij(L+1)=wij(L)+βejxi

θj(L+1)=θj(L)+βej

⑨選取第2組訓(xùn)練樣本，重復(fù)步驟③～⑧ 的計算過程，直到全部N個樣本訓(xùn)練完。

⑩開始進行第 2 次訓(xùn)練，從第1個樣本開始，重復(fù)步驟③～⑧過程，直到網(wǎng)絡(luò)全局誤差函數(shù)e小于預(yù)先設(shè)定的值(網(wǎng)絡(luò)誤差)或訓(xùn)練次數(shù)達到預(yù)先設(shè)定的值，整個訓(xùn)練過程結(jié)束。

2建立BP神經(jīng)網(wǎng)絡(luò)的四位一體培養(yǎng)五業(yè)貫通人才培養(yǎng)模型

在高職院校人才培養(yǎng)過程中，經(jīng)多位筆者多年研究與實踐，建立了四位一體培養(yǎng)五業(yè)貫通人才模型，而四位一體的培養(yǎng)過程就是反復(fù)并螺旋上升且不斷修正非線性的過程。BP神經(jīng)網(wǎng)絡(luò)具有輸入信號前向傳遞，不足信息反向傳播和非線性等特性，與所建立的此人才培養(yǎng)模式相關(guān)聯(lián)。

2.1　建立模型

BP神經(jīng)網(wǎng)絡(luò)構(gòu)建根據(jù)系統(tǒng)輸入輸出數(shù)據(jù)特點確定其結(jié)構(gòu)。輸入層設(shè)立4個節(jié)點，即學(xué)生在產(chǎn)學(xué)研創(chuàng)4方面獲得技能證書數(shù)量、學(xué)生順利畢業(yè)人數(shù)、學(xué)生獲得職業(yè)資格證書數(shù)量、創(chuàng)業(yè)學(xué)生人數(shù)作為輸入層。隱含層設(shè)為5個節(jié)點，即學(xué)業(yè)、職業(yè)、產(chǎn)業(yè)、就業(yè)、創(chuàng)業(yè)5方面。每個節(jié)點取其4個關(guān)鍵指標數(shù)據(jù)作為權(quán)值賦給隱含層的每個輸入節(jié)點；輸出層設(shè)為1個節(jié)點，取其指標為優(yōu)秀畢業(yè)生數(shù)量建立原始模型。

通過訓(xùn)練將不足信息反向傳遞，再經(jīng)過分析、調(diào)整結(jié)構(gòu)和數(shù)據(jù)，進一步優(yōu)化人才培養(yǎng)模式。

基于BP神經(jīng)網(wǎng)絡(luò)的四位一體培養(yǎng)五業(yè)貫通人才的算法模型包括BP神經(jīng)網(wǎng)絡(luò)構(gòu)建、BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練和BP神經(jīng)網(wǎng)絡(luò)擬合散步。具體算法流程如圖1所示。

圖1　BP神經(jīng)網(wǎng)絡(luò)算法示意圖

2.2　模型實現(xiàn)

在具體模型實現(xiàn)過程中，根據(jù)四位一體，即產(chǎn)(校企合作的企業(yè)、實訓(xùn)基地、設(shè)計中心、工作室等)、學(xué)(理論課程、項目課程、實訓(xùn)課程等)、研(行業(yè)協(xié)會、研究所、專業(yè)研究會等相關(guān)機構(gòu))、創(chuàng)(創(chuàng)業(yè)基地、創(chuàng)業(yè)指導(dǎo)中心、創(chuàng)業(yè)園區(qū))所體現(xiàn)特征指標選取獲得技能證書的學(xué)生數(shù)量、學(xué)生順利畢業(yè)人數(shù)、獲得職業(yè)資格證書的學(xué)生數(shù)量、創(chuàng)業(yè)學(xué)生人數(shù)作為輸入層，共有4個節(jié)點，如表1所示。

隱含層設(shè)為5個節(jié)點，即學(xué)業(yè)、職業(yè)、產(chǎn)業(yè)、就業(yè)、創(chuàng)業(yè)五位一體，每個節(jié)點取其4個關(guān)鍵指標數(shù)據(jù)，即理論課程、實訓(xùn)課程、實踐項目和項目成效作為權(quán)值賦給隱含層的每個輸入節(jié)點，如表2所示。輸出層設(shè)為1個節(jié)點，即為優(yōu)秀畢業(yè)生數(shù)量(省、市、院級)建立原始模型，如表3所示。

表1　四位一體中關(guān)鍵指標的5年數(shù)據(jù)樣本　人次

表2　五業(yè)貫通人才中關(guān)鍵指標的數(shù)據(jù)樣本

表3　培養(yǎng)的優(yōu)秀畢業(yè)生5年數(shù)據(jù)樣本

3仿真結(jié)果及分析

模型構(gòu)建完成后，將采用MathWorks公司開發(fā)的軟件Matlab進行仿真實現(xiàn)。此軟件擺脫了許多重復(fù)復(fù)雜機械性編程細節(jié)，把注意力集中在更富挑戰(zhàn)性和創(chuàng)造性問題上，用盡可能短的時間得出盡可能多有價值的結(jié)果。

四位一體培養(yǎng)五業(yè)貫通人才自2008年實施以來，在學(xué)校教育教學(xué)改革與實踐過程中具有重要的推動與指導(dǎo)意義，培育了一批又一批的莘莘學(xué)子。這種培養(yǎng)模式經(jīng)過多年的探索把其描述為一種雙螺旋結(jié)構(gòu)模型。為證明雙螺旋理論結(jié)構(gòu)模型在實踐育人中的正確指導(dǎo)作用，特用BP神經(jīng)網(wǎng)絡(luò)予以檢驗與實證。因此，取近5年的樣本數(shù)據(jù)作為訓(xùn)練測試數(shù)據(jù)。

對樣本數(shù)據(jù)歸一化處理，公式為xi=(xi-min(x))/(max(x)-min(x))(xi為某個樣本數(shù)據(jù)，i=1,2，…,N)，誤差精度設(shè)為“1e-8”(誤差平方和)，訓(xùn)練函數(shù)選擇“trainlm”，學(xué)習(xí)速率“1r=0.4”，訓(xùn)練目標誤差“err-goal=1e-5”，最大迭代次數(shù)“max_epoch=100”，初始權(quán)值取其五業(yè)對應(yīng)的4個關(guān)鍵指標數(shù)據(jù)，閾值為隨機賦值。

net=newff(minmax(p),[s1,s2],{′tansig′,′purelin′},′trainlm′);

net.trainParam.lr=0.4;

net.trainParam.show=5;

net.trainParam.epochs=100;

net.trainParam.goal=1e-5;

net.trainParam.min_grad=1e-8;

樣本數(shù)據(jù)經(jīng)3次反復(fù)迭代訓(xùn)練(如圖2)，實際輸出與目標輸出擬合度非常高，得到平方差“SSE=2.089 4e-008”。由圖可知總共耗時21.478 604s。不難看出，訓(xùn)練這5年的樣本數(shù)據(jù)得到的誤差是很小的，基本上都在0附近徘徊，因此認定此網(wǎng)絡(luò)模型是非常成功的，同時也證實了此模型在四位一體培養(yǎng)五業(yè)貫通人才方案的科學(xué)性和合理性。

BP模型訓(xùn)練代數(shù)如圖3。

圖2　網(wǎng)絡(luò)訓(xùn)練擬合后的效果

圖3　網(wǎng)絡(luò)訓(xùn)練代數(shù)

本模型的測試數(shù)據(jù)為5組，根據(jù)表1~3進行訓(xùn)練測試得到的絕對誤差和相對誤差見表4。

表4　基于BP網(wǎng)絡(luò)模型的優(yōu)秀畢業(yè)生

利用2014年1月底的數(shù)據(jù)樣本進行預(yù)測，2014屆優(yōu)秀畢業(yè)生的人數(shù)為677個。

4結(jié)語

多年來，通過利用BP算法建立人才培養(yǎng)數(shù)據(jù)模型，結(jié)合每年學(xué)校動態(tài)數(shù)據(jù)分析和課題調(diào)研結(jié)果，進行定量分析和優(yōu)化，跟蹤發(fā)現(xiàn)影響人才培養(yǎng)的欠缺指標和不足數(shù)量，并不斷加以修正。通過持續(xù)完善教學(xué)改革體系，在薄弱環(huán)節(jié)上加強教學(xué)改革力度；持續(xù)拓展實訓(xùn)基地建設(shè)，與常州科教城等大學(xué)科技園、企業(yè)合作建立實踐基地；持續(xù)開展優(yōu)質(zhì)創(chuàng)業(yè)資源的建設(shè)與共享，創(chuàng)新人才培養(yǎng)體系更趨完善，建立了一條以學(xué)業(yè)為基礎(chǔ)，以職業(yè)為依托、以產(chǎn)業(yè)為紐帶，以就業(yè)為保證，以創(chuàng)業(yè)為拓展的高職創(chuàng)新人才培養(yǎng)的特色之路，形成了四位一體培養(yǎng)五業(yè)貫通人才的培養(yǎng)模式。今后將進一步優(yōu)化人才培養(yǎng)模型，調(diào)整網(wǎng)絡(luò)權(quán)值和閾值，使BP神經(jīng)網(wǎng)絡(luò)預(yù)測輸出不斷逼近從而達到期望輸出，為高職院校人才培養(yǎng)提供科學(xué)的依據(jù)。

[參考文獻]

[1]趙振勇,張平澤.基于BP神經(jīng)網(wǎng)絡(luò)的高職學(xué)生評價模型構(gòu)建與實現(xiàn)[J].湖北第二師范學(xué)院學(xué)報，2013(8)：75-76.

[2]從爽.面向MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用[M].合肥:中國科學(xué)技術(shù)大學(xué)出版社，2009.

[3]趙振勇.基于遺傳BP神經(jīng)網(wǎng)絡(luò)的股市預(yù)測[D].貴陽：貴州大學(xué)，2007:33-36.

責任編輯：周澤民

摘要：BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，能夠進行復(fù)雜的邏輯操作和非線性關(guān)系的系統(tǒng)?；贐P神經(jīng)網(wǎng)絡(luò)算法，建立“產(chǎn)、學(xué)、研、創(chuàng)”四位一體培養(yǎng)“學(xué)業(yè)、職業(yè)、產(chǎn)業(yè)、就業(yè)、創(chuàng)業(yè)”五業(yè)貫通人才模型。該人才培養(yǎng)模型構(gòu)建成功后，通過不斷地修正權(quán)值，改進五業(yè)貫通的各環(huán)節(jié)，得出優(yōu)秀畢業(yè)生所具備五業(yè)貫通實效環(huán)節(jié)的指標。經(jīng)軟件Matlab仿真測試，證實了該人才培養(yǎng)模型的科學(xué)性和合理性。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；BP算法；四位一體；人才培養(yǎng)

A BP Neural Network Algorithm to Train Academic-professional Talents by Using a Four-in-one ModelDENG Kai1,XIAO Haihui2,ZHAO Zhenyong3

(1.Changzhou Textile Garment Institue,Changzhou 213164;2.Department of Electromechanical Engineering,Changzhou Textile Garment Institue,Changzhou 213164;3.Department of Personnel,Changzhou Textile Garment Institue,Changzhou 213164)

Abstract:BP neural network is a multi-layer feed-forward neural network,which can deal with complex logic and is a nonlinear-relationship system.A four-in-one model incorporating four aspects of industry,education,research and innovation based on BP neural network,which shows itself as a spiral structure to train talents in both academic and professional areas,was built up.After continuously revising the individual weight of the five main parts—academy,vocation,industry,employment and entrepreneurship—the index of outstanding academic-professional graduates was obtained.The simulation on Matlab confirms this talent-training model is scientific and rational.

Key words:neural network;BP algorithm;a four-in-one model;talent training

中圖分類號：G642

文獻標志碼：B

文章編號：1671-0436(2015)03-0071-04

作者簡介：鄧凱(1963—)，男，教授。

基金項目：江蘇省高等教育教改研究重中之重課題(2013JSJG010)；江蘇省教育科學(xué)“十二五”規(guī)劃課題(D/2013/03/074)

收稿日期：2015-02-05

doi:10.3969/j.issn.1671-0436.2015.03.017