并聯ＢＰ網絡在地質院校本科教學評估中的應用

【摘要】本文在對若干地質院校本科教學評估數據分析的基礎上，建立了一套能夠模擬評估專家對預測數據進行統計計算的神經網絡評估系統。該系統不僅可以模擬評估專家對測評數據實施加權評估打分，還可避免評估過程中的人為失誤，增強了評估的公正性。

【關鍵詞】神經網絡;教學評估;綜合評價

【中圖分類號】G642.0【文獻標識碼】B【文章編號】1005-1074(2008)07-0132-02

地質院校本科教學工作水平評估是國家教育部為加強宏觀管理、實行分類指導，對地質院校本科辦學水平、辦學條件、辦學質量、人才培養質量等方面，根據高等教育發展及運行規律，嚴格按有關評估指標體系的標準對地質院校辦學進行的綜合測評，也是貫徹《中華人民共和國高等教育法》的重要舉措。本科教學工作水平評估是我國高等教育改革的重要舉措，對于確立高校教學工作的中心地位，推動高校教育教學改革，確保高校完成育人的根本任務具有重要意義。地質院校在評估工作中一般都進行自評，采用打分、加權評分的方法，由專家分別對教學工作水平的各項指標進行打分，然后對權數進行綜合評價，確定教學工作水平。現行的方法中，有以下不足^[1]:首先，綜合評價出來的結果具有一定的主觀隨意性；其次，評估工作量大；第三，對于教學工作的評價往往非常復雜，各個因素之間相互影響，呈現出復雜的非線性關系。因此，評價并非評估指標的線性累加，而應該是各種指標的非線性累加。而基于人工神經網絡的評估方法越來越顯示出其優越性^[2]。首先，神經網絡具有可學習性，網絡具有一定的智能；其次，神經網絡不依賴于系統精確的數學模型，這給難于獲得精確數學模型的系統建模提供了方便。

1多子網并聯BP神經網絡模型

1.1BP網絡模型傳統BP網絡由輸入層、隱含層、輸出層組成^[3]。突出特點是有很強的非線性映射能力和柔性網絡結構。網絡的隱層數目及各層神經元數根據具體情況設定。網絡的響應函數通常取Sigmoid函數，信息正向傳遞，誤差反向傳播。多次循環，將輸入信息逐漸逼近到期望輸出，完成學習功能，見圖1。

圖 1三層BP網絡模型

設W為任意多層BP網絡的連接權值(包括閾值)，即W＝（w1，w2，∧，wn）， g(x)=1/(1+e-x)為非線性傳遞函數。樣本空間為(X，Y)，X為樣本輸入，Y為樣本輸出(期望輸出)。誤差能量函數定義為：E=Yx-Y2，其中，·為某一范數，Yx為神經網絡的實際輸出。由于當樣本空間確定以后，E只是權值向量W的函數，故上式可改寫為：E＝E（W）。通常，訓練多層神經網絡的BP算法標準形式為

Wk+1=Wkh E(Ek)+ηE(Ek-1)(1)

W0=W0 (2)

其中1>h>0為學習步長，1>η>0為動量因子，E(Wk)=(Ew1，Ew2，∧，Ewn）T為E(Wk)在點Wk的梯度；E(Wk-1)=(Ew1，Ew2，∧，Ewn）T為E(Wk-1)在點Wk-1的梯度。

1.2多子網并聯BP網絡模型該模型是傳統BP網絡模型的一種拓撲變形，見圖2。該模型滿足多種辨識模式的精度需要。這種模式的表達能力方面有所提高，但增加了網絡結構的復雜度，采用多子網并聯模型目的是區分各組二級指標數據。

圖2多子網BP網絡評價模型

2教學評估的指標體系

根據教育部高等教育司頒發的《普通高等學校本科教學工作水平評估方案（試行）》，關于本科教學工作水平評估指標體系包括7個一級指標和特色項目。一級指標下設18個二級指標。二級指標下設38個影響教學工作的關鍵因素作為主要觀測點。7個一級指標及18個二級指標（括號內為二級指標，其中一般指標7項，重要指標（黑體字）11項）分別是：①辦學指導思想（學校目標定位、辦學思路）②師資隊伍（隊伍結構、主講教師）③教學條件與利用（教學基礎設施、教學經費）④教學建設與改革（專業、課程、實踐教學）⑤教學管理（管理隊伍、質量控制）⑥學風（教師風范、學習風氣）⑦教學效果（基本理論與基本技能、畢業論文或畢業設計、思想道德修養、體育、社會聲譽）。

通過對這些指標的分析可以看出： 教學工作水平的評估可以看作是一類基于多變量映射的高維分類問題；教學工作水平的評估結果與評估輸入指標數據之間呈現復雜的非線性關系；某些評估指標可能是高度相關的；難以建立指標數據與評估結果之間精確的數學模型。對于這類問題的解決，傳統的分類方法顯然無能為力。作為研究復雜性問題的一個有力工具，人工神經網絡技術近年來在模式識別、知識發現、專家系統及評估預測等方面獲得了成功應用^[4]。

3多子網BP網絡評估方法實施方案

3.1Step 1采集指標數據對所有18個二級指標，采用專家量化打分的方法獲得，指標量化時采用定量指標直接量化與定性指標層次分析相結合的方法，把所有量化結果都進行相應的歸一化處理；

3.2Step 2初始化網絡結構及參數評估指標體系共有8個一級指標，因此，圖2所示模型中取8個子網；對于每個子網：輸入節點取相應一級指標包含的二級指標數；主網隱層節點取為15個。需要設置的訓練參數包括：學習速率取 h；慣性因子取 η；限定誤差取 ε；限定迭代步數取 N；置當前迭代步數 t＝0；

3.3Step 3 提交指標數據，計算評估結果計算各層權值修正量；

3.4Step 4 計算評估誤差 E，若E> ε或t

3.5Step 5 保存各層權值停機。

4評估實例分析

以部分地質院校實際評估的歷史數據為訓練樣本，實施相應預處理后共得10組指標數據，見表1。

首先，以表1中前6組數據作為訓練樣本，提交多子網BP網絡進行訓練，網絡的訓練參數設置為：學習速率取 h=0.8；慣性因子取η＝0.3；限定誤差取 ε＝10－3；限定迭代步數取 N＝500。網絡實際迭代328次后收斂，最大絕對誤差為0.000998，最大相對誤差為0.00125；最小絕對誤差和最小相對誤差均小于10-5；然后將表1中后4組數據作為測試樣本，提交訓練好的網絡，考察其泛化能力，評估結果的最大絕對誤差為0.003683，最大相對誤差為0.0046，最小絕對誤差和最小相對誤差均小于10-3。以上實驗結果表明，本文提出的基于多子網BP神經網絡的本科教學評估方法不僅有較快的收斂速度，而且有很強的推廣能力，能夠通過樣本數據真正獲得評估專家的操作經驗，實施合理有效的評估，因此是一種切實有效的評估方法。

5參考文獻

1何德忠，劉靜楠，張素荷.基于神經網絡的學位與研究生教育評估[J].重慶大學學報，2003，26

2袁曾任.人工神經元網絡及其應用[M].清華大學出版社，2001，12.

3王偉.人工神經網絡原理——入門與應用[M].北京航空航天大學出版，1995，10.

4張新紅.用神經網絡綜合評價模型評價高技術項目的投資風險[J].情報學報，2001，20

注：“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。”