嚴太山　王欣　楊勃　程望斌　劉立志

關鍵詞：SOM神經網絡；實踐教學評價；自學習；自適應

中圖分類號：G642 文獻標識碼：A

文章編號：1009-3044（2023）03-0009-03

1 引言

實踐教學是對學生進行技能訓練，培養(yǎng)學生操作能力和創(chuàng)新能力的教學活動，是培養(yǎng)工程應用型人才的必備環(huán)節(jié)。電子信息類專業(yè)是工科院校中的一個極其重要的專業(yè)，在信息產業(yè)飛速發(fā)展的今天，電子信息類專業(yè)人才的市場需求量越來越大，要求也越來越高，電子信息類專業(yè)必須加強實踐教學，同時還要對實踐教學質量進行及時的、客觀的評價，以做到以評促教，切實提高實踐教學質量。所以，實踐教學評價已成為當今電子信息類專業(yè)和其他專業(yè)的一項常規(guī)性工作。但在目前高校的實踐類課程教學評價過程中，仍然存在諸多有待解決的問題[1-5]，為此，我們通過構建完整的電子信息類專業(yè)實踐教學評價體系，設計一種改進的SOM 神經網絡算法，建立基于改進SOM神經網絡的電子信息類專業(yè)實踐教學評價方法，為提高實踐教學質量評價的有效性、客觀性和公正性提供有益參考。

2 SOM神經網絡算法及改進

SOM神經網絡是由芬蘭的Kohonen教授提出一種前饋神經網絡[6-8]，網絡結構是由一個輸入層和一個輸出層（也叫競爭層）構成的，如圖1所示。

3 基于SOM 神經網絡的電子信息類專業(yè)實踐教學評價

3.1 電子信息類專業(yè)實踐教學評價指標體系構建

對電子信息類專業(yè)實踐教學質量進行評價時，評價主體的評價工作要從教學環(huán)境、教學保障、教學過程和教學效果四個方面展開，這是四個一級指標。然后根據實踐教學實際，同時遵循教學評價指標體系的導向性原則、科學性原則、全面性原則、穩(wěn)定性與動態(tài)性兼顧的原則[1-5，9]，以學生評教為例，為評價主體設計了20個二級評價指標，構建了電子信息類專業(yè)實踐教學評價指標體系，如圖2所示，各個指標x_i（i=1，2，…，20） 的含義如表3所示。

3.2 SOM 神經網絡結構確定

在電子信息類專業(yè)實踐教學評價指標體系中，每個評價主體的評價指標有20個，所以輸入特征向量為20維向量：X=[ x1，x2，…，x20]，SOM神經網絡的輸入層需要20個神經元。每個指標的評價等級有優(yōu)秀、良好、中等、合格、不合格五個，評價目標的評價等級同樣也有這五個等級，所以SOM神經網絡的輸出特征向量為5維向量：Y=[ y1，y2，y3，y4，y5]，SOM神經網絡的輸出層（競爭層）會有5個獲勝神經元，設計輸出層（競爭層）的二維結構時，我們選擇5×5=25個神經元。

3.3 數據預處理

利用神經網絡實現(xiàn)教學評價，需要對各個評價等級進行數值化，具體方法如表1所示。

數據在輸入神經網絡之前，一般要進行預處理。因為數值過大，容易導致神經元飽和，所以通常會把幅值限制在0～1之間，這就是數據的歸一化，實現(xiàn)方法如圖3所示。

3.4 SOM 神經網絡學習與評價

為完成神經網絡的學習過程，我們從已有的學生評教數據集里選擇70個樣本，它們覆蓋了全部評價等級，對所有樣本進行編號。我們用前60個樣本作為SOM神經網絡的學習樣本，后10個樣本作為SOM神經網絡的測試樣本。SOM神經網絡利用前60個樣本進行訓練后，成功地將樣本數據進行了聚類，聚類結果如表2所示。

SOM神經網絡訓練結束之后，我們對表2每一類中的原始數據進行平均處理，得到每個指標的期望輸出值，由此得出電子信息類專業(yè)實踐教學質量評價5個等級的標準樣本，如表3所示。對這5個等級的標準樣本進行標準化處理之后，與測試樣本一同提供給SOM神經網絡，測試樣本經SOM神經網絡分類之后得到的測試結果如表4所示。

3.5 實驗結果分析

SOM神經網絡通過對學習樣本進行訓練，將電子信息類專業(yè)實踐教學質量評價樣本數據進行聚類，通過計算得到了各個類別的標準樣本。在此基礎上，利用SOM神經網絡對新的電子信息類專業(yè)實踐教學質量評價數據進行識別，從表4的測試結果可以看出，10個測試樣本涵蓋了各個等級，SOM神經網絡對所有測試樣本的分類結果與實際等級完全一致，取得了滿意的效果。

4 結束語

為使SOM 神經網絡得到合理訓練，提出了一種改進的SOM 神經網絡算法，該算法能根據權值變化情況自適應控制算法訓練進程，利用這一改進算法實現(xiàn)了電子信息類專業(yè)實踐教學質量的有效評價。基于SOM神經網絡的電子信息類專業(yè)實踐教學評價方法，其優(yōu)越性表現(xiàn)在兩個方面，首先是評價過程不用考慮指標權重，從而可以避免人為設置權重而帶來的主觀影響；其次是評價方法的自適應性強，當環(huán)境條件發(fā)生變化時，網絡通過對樣本的重新自學習就能正常工作。所以，這種實踐教學質量評價方法對實現(xiàn)教學評價的智能化具有重要參考價值。