楊昌昌 武瑛 王唯 王薪涵 王潔

摘要：在分析了高校社團評價的特點上，結(jié)合BP神經(jīng)網(wǎng)絡(luò)的特點，探討了基于BP神經(jīng)網(wǎng)絡(luò)來評價社團質(zhì)量的方法。利用神經(jīng)網(wǎng)絡(luò)建立起高校評價社團的系統(tǒng)模型，將評價各項指標作為輸入，最終評價結(jié)果作為輸出，運用Tensorflow深度學習框架運行得到符合條件的模型。為高校開展學生社團工作提供一些借鑒和幫助。

關(guān)鍵詞：高校社團評價;BP神經(jīng)網(wǎng)絡(luò)

中圖分類號：TP399 文獻標識碼：A

文章編號：1009-3044（2020）08-0206-02

近年來我國高等教育發(fā)展迅速，高校中的社團數(shù)量也隨之增多。面對新時期的挑戰(zhàn)，如何進一步整合資源，加強和改進高校學生社團管理，提高社團質(zhì)量，進一步豐富學生社團生活的形式，更加科學有效地管理和引導(dǎo)學生社團的良性發(fā)展，不僅是適應(yīng)高等教育改革發(fā)展和大力推進素質(zhì)教育的迫切需要，也是新時期高校人才培養(yǎng)和校園文化建設(shè)所面臨的重要課題[1]。社團評價的目的是為了更好地發(fā)揮學生在社團活動中的積極作用，提高學生參與社團活動的積極性，促進社團管理的規(guī)范化，使社團真正為學生的興趣課堂服務(wù)。目前，大多數(shù)高校評價社團是否優(yōu)秀主要還是通過人為的進行加權(quán)打分，這些方法為評估社團質(zhì)量提供了參考，但也存在一些不足，如主觀性較強，導(dǎo)致最終結(jié)果誤差偏大，科學性不高等。而神經(jīng)網(wǎng)絡(luò)這一工具具有很強的自學能力以及魯棒性和容錯性。為使評價結(jié)果更接近實際情況，本文提出應(yīng)用BP神經(jīng)網(wǎng)絡(luò)對大學生社團進行評價的方法，可以避免傳統(tǒng)評價方法的主觀性。對社團活動評價的處理具有很好的效果。

1 BP神經(jīng)網(wǎng)絡(luò)原理

人工神經(jīng)網(wǎng)絡(luò)理論（Artificial Neural Network，即ANN）理論是20世紀80年代中后期世界范圍內(nèi)迅速發(fā)展起的一個機器學習。它可以模仿人腦進行學習、訓(xùn)練，一直找到一個適合其訓(xùn)練內(nèi)容的一個結(jié)果。

BP（Back-propagation）神經(jīng)網(wǎng)絡(luò)是最傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)，也是目前研究最多最廣的ANN模型?？梢詫崿F(xiàn)任何復(fù)雜的、多因素、不確定和非線性的映射關(guān)系，是目前應(yīng)用最廣泛的人工神經(jīng)網(wǎng)絡(luò)模型一[2]。BP網(wǎng)絡(luò)能學習和存貯大量的輸入一輸出模式映射關(guān)系，而無須事前揭示描述這種映射關(guān)系的數(shù)學方程。BP神經(jīng)網(wǎng)絡(luò)模型拓撲結(jié)構(gòu)包括輸入層（input）、隱層（hidden lay-er）和輸出層（output layer）;在訓(xùn)練過程中由正向傳播和反向傳播組成。它是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，其主要特點是：信號是前向傳播的，而誤差是反向傳播的，每一神經(jīng)元只會影響下一層神經(jīng)元[3]。神經(jīng)網(wǎng)絡(luò)利用現(xiàn)有的數(shù)據(jù)找出輸入與輸出之間的權(quán)值關(guān)系（近似），然后利用這樣的權(quán)值關(guān)系進行仿真。該算法實際上是求誤差函數(shù)的極小值，并采用最快的梯度下降法使得權(quán)值沿著誤差函數(shù)負方向改變，最終收斂于最小點。BP網(wǎng)絡(luò)三層節(jié)點分別表示為：輸入節(jié)點XJ，隱含層節(jié)點yi，輸出節(jié)點ol。典型的BP神經(jīng)網(wǎng)絡(luò)模型如圖l所示[4]。

2 基于BP神經(jīng)網(wǎng)絡(luò)的社團活動評估模型

我校對于社團有年檢考核細則，主要從社團管理，社團活動，社團財務(wù)和社團會員幾大塊，細分到幾十項來打分。在傳統(tǒng)方法中，通常只是將各項分數(shù)相加得到總分，根據(jù)總分來評判活動開展的優(yōu)良，或人為地給出各指標的權(quán)值來加權(quán)求和，其評價結(jié)果帶有非常大的主觀性。

本文將選用三層網(wǎng)絡(luò)結(jié)構(gòu)來構(gòu)建評價模型，即只設(shè)置一個隱含層。采用3層前向BP網(wǎng)絡(luò)結(jié)構(gòu)，即輸入層、隱含層、輸出層。通過輸入樣本數(shù)據(jù)，采用梯度下降法對BP網(wǎng)絡(luò)進行訓(xùn)練，使網(wǎng)絡(luò)的誤差平方和最小，直到誤差符合指定要求后，所得到的網(wǎng)絡(luò)模型便是所需要的社團評價模型。通過訓(xùn)練神經(jīng)網(wǎng)絡(luò)自動得到各項的權(quán)值，能更科學的得出社團活動評價結(jié)果[5]。

2.1 樣本的獲取與輸入

首先，根據(jù)我校社團考核細則，設(shè)計了一份調(diào)查問卷。該問卷共有16個選項，每個選項滿分為100分，請同學們根據(jù)社團活動的開展情況做出打分，最后一項是總評分。我們通過問卷星形式發(fā)放電子調(diào)查問卷，分發(fā)給不同專業(yè)不同社團的同學，以期盡量使樣本數(shù)據(jù)更有客觀性和代表性。共收集了50份問卷，將這些數(shù)據(jù)進行清洗，去除掉了一些無用數(shù)據(jù)（如全是滿分的），將它存放到txt文檔中。選取了其中12條數(shù)據(jù)，如表1所示。

2.2 模型的建立

Tensorflow是谷歌開發(fā)的深度學習系統(tǒng)，它可以做分類，也可以做擬合問題，是目前非常流行的深度學習框架之一。本實驗在tensorflow 2.0環(huán)境下搭建神經(jīng)網(wǎng)絡(luò)模型，設(shè)定訓(xùn)練次數(shù)為1000次，誤差為0.01，算法流程如圖2所示。

實驗取樣本中前10條數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，其中每條數(shù)據(jù)前16項作為輸入數(shù)據(jù)，用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練后作為實際輸出，第17項作為期望輸出，將實際輸出與期望輸出進行相減得到誤差，我們設(shè)計訓(xùn)練1000次，以期誤差達到期望的最小值。訓(xùn)練成功后得到比較準確的權(quán)值和閾值。我們用兩組檢驗樣本對訓(xùn)練好的BP模型進行了檢驗，結(jié)果如表2所示。由表2可見，這2個樣本神經(jīng)網(wǎng)絡(luò)雖然沒有學習過，網(wǎng)絡(luò)訓(xùn)練后輸出的結(jié)果與專家評價結(jié)果誤差較小，表明網(wǎng)絡(luò)對原始數(shù)據(jù)進行了很好的學習，已具有較強的推理能力，從某種程度上可以按照專家的方式進行評價。

這樣就得到了我們想要的模型。以后進行社團評價時，只要輸入各項活動評價指標得分，就能得出比較公正的社團活動評價結(jié)果。

3 評價結(jié)果

BP神經(jīng)網(wǎng)絡(luò)具有非常優(yōu)秀的非線性逼近能力，但該方法的評價精度和科學性不僅取決于訓(xùn)練樣本的數(shù)量，也決定于訓(xùn)練樣本的質(zhì)量。訓(xùn)練樣本數(shù)量越多，質(zhì)量越優(yōu)。實踐證明，該方法既克服了人為和隨機因素的干擾，而且一旦建立網(wǎng)絡(luò)模型，其功能就實現(xiàn)了專家的判斷，而無須再邀請專家進行評定，具有廣泛的適用性。另一方面通過應(yīng)用神經(jīng)網(wǎng)絡(luò)控制技術(shù)能夠解決評測過程中出現(xiàn)的更復(fù)雜多變的問題，尋求在一定的條件下最優(yōu)的評測方法。

參考文獻：

[1]陳江麗，張嶸.基于BP神經(jīng)網(wǎng)絡(luò)的教材質(zhì)量評價研究[J].大理學院學報，2014，13（12）：31-34.

[2]趙萬芹，孔令超.基于BP神經(jīng)網(wǎng)絡(luò)的教學質(zhì)量評價的探討[J].化工高等教育，2011，28（1）：101-105.

[3]左國平，謝紅艷，邱小平，等.基于神經(jīng)網(wǎng)絡(luò)的高校教師課堂教學質(zhì)量評價[J].中國現(xiàn)代教育裝備，2011（3）：97-99.

[4]王偉.人工神經(jīng)網(wǎng)絡(luò)原理：入門與應(yīng)用[M].北京：北京航空航天大學出版社，1995.

[5]傅莉.BP神經(jīng)網(wǎng)絡(luò)在教學質(zhì)量評價中的應(yīng)用[J].智能計算機與應(yīng)用，2012，2（5）：70-72.

【通聯(lián)編輯：唐一東】

基金項目：嘉興學院A1類SRT項目資助（NO.NH85179133）

作者簡介：楊昌昌（1999-），男，江蘇鹽城人，本科，研究方向為計算機科學與技術(shù)。