人工神經網絡在課堂教學質量評價體系中的應用

張保文 沈榮

寧夏大學數學系，寧夏 銀川 750021

人工神經網絡在課堂教學質量評價體系中的應用

張保文 沈榮

寧夏大學數學系，寧夏 銀川 750021

利用人工神經網絡方法建立高等學校教師課堂教學質量評價模型，并在Matlab系統內得以實現。實驗表明，人工神經網絡用于教師課堂教學質量評價中完全可行。

BP人工神經網絡；Matlab；評價

人工神經網絡已被用于航空、國防、交通等多種領域 。作為一種強有力的解決工程問題的非經典數學方法，人工神經網絡在教師課堂教學質量評價中也得到了廣泛的應用 。

1 課堂教學質量評價指標體系的確立

表1 任課教師詳細評價表寧夏大學數學計算機學院

2 基于BP神經網絡的課堂教學質量評價模型

用三層誤差反向傳播神經網絡模型來實現教師課堂教學質量評價問題，第一層是輸入層，中間層是隱含層，第三層是輸出層。各層次的神經元之間形成全互聯連接，各層次內的神經元之間沒有連接。

2.1 輸入層結點個數的確定：在寧大高校教師本科教學課堂教學質量評價中，有三個一級評價指標，14項二級評價指標，針對于每個項目均給出了具體的評價標準。所以這里取輸入層的結點數等于二級指標的個數，即輸入層有14個結點（n=14）。

2.2 隱含層結點個數的確定：

(n其中為輸入結點數，l為輸出結點數)。

文獻[4]中，當用三層神經網絡時，其隱含層神經元數為。在這里，綜合上面兩種文獻確定神經元數的方法，取隱含層神經元數為

這樣，m為[[4，7]間的整數，再取最大值，所以隱含層節點數m=7。

2.3 輸出層結點數的確定：對于每個學校的最終評價結果，只能為優秀、良好、合格、不合格四種結果中的某一種。所以這里取輸出層的結點數為1，即為評價結果值。整個教師課堂教學質量神經網絡模型的結構如圖1所示。

圖1 教師課堂教學質量神經網絡評價模型

3 教師課堂教學質量評價在神經網絡模型中的實現

BP神經網絡評價在MATLAB中的代碼如下：

hold off； %訓練后圖形與誤差曲線如圖2：

圖2

圖3

采用高性能的數值計算可視化軟件MATLAB，運用其神經網絡工具箱學習訓練網絡[5]，其中輸入層神經元14個，輸出層神經元1個，隱含層7個，允許誤差為0.001經過44254次訓練，總誤差函數精度達到0.000999986＜0.001，即10-3次數量級，說明精度較高。選取20個樣本數據及14個測試數據，最后得到神經網絡評價模型，效果理想，如圖3所示。

表2 測試樣本結果

從表2中可以看出，結果與實際情況相符，誤差較小，說明構建的神經網絡模型效果較好。

因此，輸入學校的各項指標的評價值，根據上面構造的神經網絡模型，計算出的值即為評價結果值。最終評價結果根據就近度原則來確定屬于哪個檔次。例如神經網絡的實際輸出值為0.781412，在四個結果值0.1，0.4， 0.7， 1中，離0.7最近，則認為評價結果為“良好”。

4 結論

本文采用BP人工神經網絡模型，并用Matlab仿真系統實現了該模型的運作過程，較好地保證了評價的客觀性。

[1] MartinT.Hagan,Howard V.Demuth,MarkH.Beale.神經網絡設計.北京:機械工業出版社，2002：197～255.

[2] Chunling Fan,Zhihua Jin,Jin Zhang,Weifeng Tian.Application of multisensor data fusion based on RBF neural networks for fault diagnosis of SAMS. Control,Automation,Robotics and Vision,2002. ICARCV 2002.7 International Conference on 2～5 Dec.2002,1557～1562.

[3] Daqi Gan,The optimal number of hide nodes in multilayed feedforward neural network,IEEE,SMC CECA,France,july,1996.

[4] 張立明.人工神經網絡模型及其應用.復旦大學出版社，1993.

[5] 葛哲學.神經網絡理論與MATLAB2007實現.電子工業出版社，2007.

10.3969/j.issn.1001-8972.2012.08.145

編號：NDZR09-7，NDZR10—72