一種改進的SOM網絡算法及其在實踐教學評價中的應用

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，培養學生操作能力和創新能力的教學活動，是培養工程應用型人才的必備環節。電子信息類專業是工科院校中的一個極其重要的專業，在信息產業飛速發展的今天，電子信息類專業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和其他專業的一項常規性工作。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實踐教學評價

3.1 電子信息類專業實踐教學評價指標體系構建

對電子信息類專業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、穩定性與動態性兼顧的原則[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了電子信息類專業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實踐教學評價方法，其優越性表現在兩個方面，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，當環境條件發生變化時，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教學評價的智能化具有重要參考價值。