基于BP神經網絡的制藥實驗教學質量分析

袁圓 余法紅 蔣濤 陳偉 張立勛 盧俊挺

摘 要： 為了提高制藥實驗教學質量綜合評定的科學合理性，提出一種基于改進BP神經網絡的評價模型。依據實際教學和已有的相關理論，設計出制藥實驗教學質量評價影響因素，使用一種自適應分布估計算法優化BP神經網絡制藥實驗教學質量評價模型參數。選取本校制藥專業5000個制藥實驗教學質量評價樣本進行實驗。結果表明，所采用評價方法能達到制藥實驗教學質量評價的實際應用要求。

關鍵詞： 制藥實驗； BP神經網絡； 教學評價； 分布估計算法

中圖分類號：G202 文獻標志碼：A 文章編號：1006-8228（2019）03-39-03

Teaching quality evaluation of pharmaceutical experiment based on BP neural network

Yuan Yuan， Yu Fahong， Jiang Tao， Chen Wei， Zhang Lixun， Lu Junting

（College of Mathematics and Information Engineering， Jiaxing University， Jiaxing， Zhejiang 314001， China）

Abstract： To provide a scientific and reasonable reference for the comprehensive evaluation of pharmaceutical experimental teaching， a quality evaluation model for the pharmaceutical experimental teaching based on BP neural network was proposed. The influence factors of teaching quality evaluation for pharmaceutical experiment were designed based on actual teaching and existing related theories. The parameters in BP neural network， which is used to evaluate the model of pharmaceutical experimental teaching， were optimized by using an adaptive distribution estimation algorithm. The experiment was conducted on 5，000 pharmaceutical experimental teaching quality evaluation samples. The result showed that the proposed method can meet the practical application requirements of pharmaceutical experimental teaching quality evaluation.

Key words： pharmaceutical experimental teaching； BP neural network； teaching evaluation； distribution estimation algorithm

0 引言

制藥技術是一門技術應用性很強的學科，其實驗課程所涉及的理論與實驗技術覆蓋面廣，實驗教學中各種化合物性質復雜，造成很多學生學習感到困惑。實驗教學是制藥專業學生重要的學習內容，如何提高實驗教學質量是所有高等教育面臨的問題[1]。

目前已有一些可行的制藥實驗教學質量評價模型。制藥實驗評價模型主要是采用專家系統，由一些具有相關實驗教學背景的人參與評價，該方法主觀性較強，評價的結果實用性較低[2]。一些研究者運用統計策略評價制藥實驗教學質量，這些策略相對容易，評價較為合理，但是難于發現制藥實驗教學質量評價因素與評價值之間的關聯性，造成實驗教學質量評價結果偏差比較大[3]。一些研究者使用神經網絡、支持向量機等機器學習方法評價制藥實驗教學質量，便于發現制藥實驗教學質量評價因素與評價值之間的關聯，這類方法是目前制藥實驗教學質量評價中大量使用的方法[4-5]。BP神經網絡被廣泛地用于制藥實驗教學質量評價。而BP神經網絡參數優化卻是一個難以克服的主要問題，參數選擇好壞會直接影響制藥實驗教學質量評價結果的好壞。

為了制藥實驗教學綜合評定提供科學合理的參考，提出基于BP神經網絡的制藥實驗教學質量評價模型。分析并探討了目前制藥實驗教學質量評價的現狀，依據實際教學和已有的相關理論設計出制藥實驗教學質量評價影響因素，使用一種自適應分布估計算法優化BP神經網絡制藥實驗教學質量評價模型參數。

1 適應性神經網絡

1.1 BP神經網絡

BP神經網絡一般采用如圖1所示的結構，其能夠無限逼近所求解的非線性函數。

假設x（t）與y（t）分別是樣本的輸入與輸出值，函數f：Rm→R1是一種映射關系，此處m表示輸入向量，則能夠由式⑴計算出BP神經網絡隱含層的輸入值。

1.2 自適應分布估計優化算法

為了較好地解決影響BP神經網絡模型中性能的權值與閾值選擇問題，本文將一種自適應分布估計優化算法（AEDA）用于優化BP神經網絡。

AEDA通過估計優良群體中個體的均值和協方差矩陣構建模型，采用Cauchy分解策略采樣。為了增加種群多樣性，算法采樣時方差在采樣過程中自適應地變化。假設第l代種群由M個個體組成，適應度值分別為，其中，為該代種群的最大適應度值，為該代種群的平均適應度值，令，則Δ可用來表征種群多樣性的程度。

1.3 適應性神BP經網絡的工作步驟

具體適應性BP神經網絡的工作過程如下。

⑴ 隨機產生N個個體作為初始群體，每個個體與BP神經網絡的權值與閾值對應。

⑵ 采用BP神經網絡對訓練樣本進行訓練，根據式⑸計算個體應度。

⑸

其中yi為估計值；為實際值。

⑶ 選擇種群中M個優良個體，計算其均值和協方差矩陣∑1。

⑷ 利用Cauchy分解對∑1進行分解：LLT=∑1

其中L為下三角矩陣。

⑸ 利用x=u+LZ采樣產生新種群，其中Z為服從N（0，δ2）分布的隨機變量，。

⑹ 若，則更新最優解。

⑺ 達到迭代結束條件則結束運行。

2 適應性神經網絡的制藥實驗教學質量評價模型

2.1 制藥實驗教學質量評價模型

本文使用神經網絡對訓練樣本進行學習，建立制藥實驗教學質量評價模型，將自適應分布估計優化算法用于優化BP神經網絡的權值與閾值。具體如圖2所示。

2.2 建立評價指標

依據教學實踐及相關文獻[5-6]構建制藥實驗教學質量評價指標體系，圖3具體展示了這種指標體系。

式中ximin和ximax為指標i的最小值和最大值。

2.3 基于BP神經網絡的制藥實驗教學質量評價

下面給出基于BP神經網絡的制藥實驗教學質量評價過程。

⑴ 根據所構建的模型庫建立制藥實驗教學質量評價指標體系。

⑵ 收集制藥實驗教學質量評價的數據。

⑶ 訓練BP神經網絡，使用自適應分布估計優化算法優化BP神經網絡的權值與閾值。

⑷ 構建制藥實驗教學質量評價模型。

⑸ 使用測試數據分析制藥教學質量評價模型的性能。

3 實驗測試

為了檢驗本文所提制藥實驗教學質量評價方法優劣，此處選取本校制藥專業5000個制藥實驗教學質量評價樣本進行仿真實驗。使用訓練樣本構建制藥實驗教學質量評價模型，測試樣本用于測試該模型的效果，結果如圖4所示。

根據評價結果圖4可知，制藥實驗教學質量評價精度大于95%，這已經完全達到了制藥實驗教學質量評價的實際應用要求。實驗結果證明了基于BP神經網絡的制藥實驗教學質量評價方法是科學合理的，具有較強的實用性。

4 結束語

制藥實驗教學質量評估變化缺少確定性的規律造成低精度的評價結果。為此，本文給出了一種基于BP神經網絡的制藥實驗教學質量評價方法。通過大量測試數據對模型的性能進行測試，結果表明，采用本文方法得到的制藥實驗教學質量評價值相當接近理想值。制藥實驗教學質量評價是一個覆蓋面廣的復雜問題，仍然有許多問題有待解決。

參考文獻（References）：

[1] 張海燕.高校教學質量評價狀況分析及優化對策[J].中國成

人教育，2013.3（14）：57-66

[2] 敬堯，張自慧.基于粗糙集的實驗教學質量評價[J].凱里學院

學報，2013.31（6）：164-166

[3] 申明金，曹洪斌.基于SOM網絡的醫用化學實驗教學質量評

價[J].中國醫學教育技術，2014.28（1）：18-26

[4] 李萍，范敏.基于信息熵算法的實驗教學質量評價指標優化[J].

新余學院學報，2016.21（1）：19-26

[5] 程克光，黃家艷，覃江克.制藥工程專業實驗課程教學評價指

標體系研究[J].廣東化工，2015.43（21）：176-183

[6] 秦杰，唐仕榮，張建萍.基于AHP-FUZZY的實驗教學質量綜

合評價[J].廣州化工，2015.43（22）：213-222