前言：本站為你精心整理了BP神經(jīng)網(wǎng)絡(luò)教師教學(xué)論文范文，希望能為你的創(chuàng)作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

1全方位教學(xué)質(zhì)量評價體系構(gòu)建全方位

評價體系是指由領(lǐng)導(dǎo)部門、督導(dǎo)團、同事同仁、教師自身和學(xué)生等全方位各角度地來了解教師的工作績效。通過這種績效評價，被評教師可以從上級領(lǐng)導(dǎo)、督導(dǎo)團、自身和學(xué)生處獲取多角度的反饋，從而更清楚地知道自己的不足、長處，從而為后期的發(fā)展及職業(yè)規(guī)劃提供依據(jù)。事實證明，這種全方位的評價體系是全面而有效的。全方位高校教學(xué)質(zhì)量綜合評價體系包括授課評價體系和學(xué)習(xí)評價體系。授課評價體系中的評價對象是高校教師，評價主體有督導(dǎo)、同行、學(xué)生和教師本人。學(xué)習(xí)評價體系中，評價的對象是學(xué)生，評價主體有督導(dǎo)、教師、其他同學(xué)和學(xué)生本人。對于授課評價體系的指標(biāo)有教師互評、教師自評、督導(dǎo)評教和學(xué)生評教等;對于學(xué)習(xí)評價體系的指標(biāo)有同學(xué)互評、學(xué)生自評、督導(dǎo)評學(xué)和教師評學(xué)等。各指標(biāo)相互聯(lián)系、相互影響構(gòu)成了全方位高校教學(xué)質(zhì)量評價體系。

2神經(jīng)網(wǎng)絡(luò)用于教學(xué)質(zhì)量評價體系的可行性

作為研究非線性擬合與分類的有力工具，神經(jīng)網(wǎng)絡(luò)在模式識別、自動控制、預(yù)測等方面已凸顯了其優(yōu)越性。神經(jīng)網(wǎng)絡(luò)針對已有的訓(xùn)練數(shù)據(jù)，通過不斷的學(xué)習(xí)和訓(xùn)練，能從已有的大量復(fù)雜數(shù)據(jù)中挖掘出規(guī)律性的東西，從而達到探求未知的目的。它尤其能處理任意類型的數(shù)據(jù)，這是許多傳統(tǒng)方法無法達到的，因而其準(zhǔn)確度較高。同時，它還能處理多元輸入，并兼顧各個輸入對輸出的影響。因此，將神經(jīng)網(wǎng)絡(luò)用于高校教學(xué)質(zhì)量評價體系，不僅可以解決綜合評價指標(biāo)體系中的定性指標(biāo)與定量指標(biāo)的問題，也可解決傳統(tǒng)評價體系的復(fù)雜建模問題，避免了人為的主顧隨意度，保證了有效的評估結(jié)果。bp神經(jīng)網(wǎng)絡(luò)是通過反向傳播誤差來修正模型權(quán)值和閾值的一種應(yīng)用較廣泛的神經(jīng)網(wǎng)絡(luò)。將BP神經(jīng)網(wǎng)絡(luò)用于高校教學(xué)質(zhì)量評估時，將全方位高校教學(xué)質(zhì)量綜合評價體系中的各個指標(biāo)作為神經(jīng)元輸入，將評價的最終結(jié)果作為輸出，從而建立評估模型。訓(xùn)練過程中，若輸出的量值和預(yù)期的量值之間存在誤差，且超出了規(guī)定的范圍，則按照誤差反向傳遞的方法調(diào)整各層之間的連接權(quán)值及隱層和輸出層節(jié)點的閾值，直到系統(tǒng)誤差控制在可接受的范圍內(nèi)，則訓(xùn)練停止。此時的權(quán)值和閾值將不再改變，所得的網(wǎng)絡(luò)是經(jīng)過自適應(yīng)學(xué)習(xí)的正確表示，訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)便可以作為一種定性與定量相結(jié)合的有效工具為訓(xùn)練數(shù)據(jù)以外的對象做出正確評價。

3教學(xué)質(zhì)量評價指標(biāo)體系的建立

本文根據(jù)全方位高校教學(xué)質(zhì)量評價體系所包含的2個體系下的7個二級指標(biāo)，將這7個指標(biāo)分別當(dāng)作7個二級系統(tǒng)，即教師互評系統(tǒng)、教師自評系統(tǒng)、督導(dǎo)評教系統(tǒng)、學(xué)生評教系統(tǒng)、教師評學(xué)系統(tǒng)、督導(dǎo)評學(xué)系統(tǒng)、學(xué)生自評系統(tǒng)。每個二級系統(tǒng)下又存在不同的評價指標(biāo)。將這些評價指標(biāo)作為二級系統(tǒng)的輸入，二級系統(tǒng)的輸出作為教學(xué)質(zhì)量評價體系神經(jīng)網(wǎng)絡(luò)的輸入，教學(xué)質(zhì)量綜合評價體系神經(jīng)網(wǎng)絡(luò)的輸出則是高校教師教學(xué)質(zhì)量評價的最終結(jié)果。

4BP神經(jīng)網(wǎng)絡(luò)模型的確定

首先對BP神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)(訓(xùn)練樣本)進行歸一化處理，這樣做可有效避免隱層S函數(shù)的飽和區(qū)，同時能加快學(xué)習(xí)速度(Matlab中一般采用premnmx函數(shù)進行歸一化處理)。輸入層的神經(jīng)元只具備數(shù)據(jù)傳送的功能，一般采用線性函數(shù)作為傳遞函數(shù)，其學(xué)習(xí)過程中不會發(fā)生飽和現(xiàn)象。隱含層中的神經(jīng)元一般采用飽和非線性的S函數(shù)。同時，鑒于神經(jīng)網(wǎng)絡(luò)訓(xùn)樣本數(shù)據(jù)經(jīng)過了歸一化處理，則測試樣本數(shù)據(jù)也需要采取相同的預(yù)處理，即采用tram-nmx函數(shù)進行數(shù)據(jù)的歸一化，再用postmnmx函數(shù)對系統(tǒng)輸出值進行反歸一化處理。BP神經(jīng)網(wǎng)絡(luò)的輸出層神經(jīng)元數(shù)目是根據(jù)7個二級系統(tǒng)來確定的。本文輸出選取層的神經(jīng)元個數(shù)為1。隱含層數(shù)目為7，各二級系統(tǒng)的隱含層數(shù)目為其對應(yīng)的二級指標(biāo)數(shù)3，學(xué)習(xí)率取0．3，動量項系數(shù)為0．95，收斂誤差界值設(shè)置為0．0001。使用了Matlab2012神經(jīng)網(wǎng)絡(luò)工具箱中的trainlm函數(shù)進行訓(xùn)練，通過Levenberg－Marquardt算法完成網(wǎng)絡(luò)訓(xùn)練。網(wǎng)絡(luò)的隱含層神經(jīng)元傳遞函數(shù)為tansig函數(shù)，輸出層神經(jīng)元的傳遞函數(shù)為purelin函數(shù)。訓(xùn)練過程見圖3。從神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程可以看出:使用BP網(wǎng)絡(luò)進行建模時，訓(xùn)練少于200次即可實現(xiàn)較為完美的擬合效果。預(yù)測結(jié)果與專家評估結(jié)果的對比。

5結(jié)束語

本文構(gòu)建了全方位教學(xué)質(zhì)量評價體系，根據(jù)不同高校對教學(xué)質(zhì)量的要求建立教學(xué)質(zhì)量評價指標(biāo)體系，根據(jù)2個體系下的7個二級指標(biāo)構(gòu)成兩級神經(jīng)網(wǎng)絡(luò)系統(tǒng)，并分別進行訓(xùn)練。訓(xùn)練結(jié)果表明:該網(wǎng)絡(luò)能夠較好地擬合訓(xùn)練數(shù)據(jù)，預(yù)測效果顯著。通過神經(jīng)網(wǎng)絡(luò)對高校教師教學(xué)質(zhì)量進行合理評價，克服了單一的人為因素對評價結(jié)果的直接影響，為高校教學(xué)質(zhì)量的評估提供了一種科學(xué)合理的新方法，為教學(xué)質(zhì)量評估的研究發(fā)展提供有益的參考。

作者：鄭永陳艷單位：重慶理工大學(xué)機械檢測技術(shù)與裝備教育部工程研究中心