1全方位教學質量評價體系構建全方位

評價體系是指由領導部門、督導團、同事同仁、教師自身和學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導、督導團、自身和學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，從而為后期的發展及職業規劃提供依據。事實證明，這種全方位的評價體系是全面而有效的。全方位高校教學質量綜合評價體系包括授課評價體系和學習評價體系。授課評價體系中的評價對象是高校教師，評價主體有督導、同行、學生和教師本人。學習評價體系中，評價的對象是學生，評價主體有督導、教師、其他同學和學生本人。對于授課評價體系的指標有教師互評、教師自評、督導評教和學生評教等;對于學習評價體系的指標有同學互評、學生自評、督導評學和教師評學等。各指標相互聯系、相互影響構成了全方位高校教學質量評價體系。

2神經網絡用于教學質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，神經網絡在模式識別、自動控制、預測等方面已凸顯了其優越性。神經網絡針對已有的訓練數據，通過不斷的學習和訓練，能從已有的大量復雜數據中挖掘出規律性的東西，從而達到探求未知的目的。它尤其能處理任意類型的數據，這是許多傳統方法無法達到的，因而其準確度較高。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，將神經網絡用于高校教學質量評價體系，不僅可以解決綜合評價指標體系中的定性指標與定量指標的問題，也可解決傳統評價體系的復雜建模問題，避免了人為的主顧隨意度，保證了有效的評估結果。BP神經網絡是通過反向傳播誤差來修正模型權值和閾值的一種應用較廣泛的神經網絡。將BP神經網絡用于高校教學質量評估時，將全方位高校教學質量綜合評價體系中的各個指標作為神經元輸入，將評價的最終結果作為輸出，從而建立評估模型。訓練過程中，若輸出的量值和預期的量值之間存在誤差，且超出了規定的范圍，則按照誤差反向傳遞的方法調整各層之間的連接權值及隱層和輸出層節點的閾值，直到系統誤差控制在可接受的范圍內，則訓練停止。此時的權值和閾值將不再改變，所得的網絡是經過自適應學習的正確表示，訓練好的神經網絡便可以作為一種定性與定量相結合的有效工具為訓練數據以外的對象做出正確評價。

3教學質量評價指標體系的建立

本文根據全方位高校教學質量評價體系所包含的2個體系下的7個二級指標，將這7個指標分別當作7個二級系統，即教師互評系統、教師自評系統、督導評教系統、學生評教系統、教師評學系統、督導評學系統、學生自評系統。每個二級系統下又存在不同的評價指標。將這些評價指標作為二級系統的輸入，二級系統的輸出作為教學質量評價體系神經網絡的輸入，教學質量綜合評價體系神經網絡的輸出則是高校教師教學質量評價的最終結果。

摘要：根據現代控制技術的人工神經網絡理論提出了一種保護原理構成方案，并分析了原理實現的可行性和技術難點。

人工神經網絡（AartificialNeuralNetwork，下簡稱ANN）是模擬生物神經元的結構而提出的一種信息處理方法。早在1943年，已由心理學家WarrenS.Mcculloch和數學家WalthH.Pitts提出神經元數學模型，后被冷落了一段時間，80年代又迅猛興起［1］。ANN之所以受到人們的普遍關注，是由于它具有本質的非線形特征、并行處理能力、強魯棒性以及自組織自學習的能力。其中研究得最為成熟的是誤差的反傳模型算法（BP算法，BackPropagation），它的網絡結構及算法直觀、簡單，在工業領域中應用較多。

經訓練的ANN適用于利用分析振動數據對機器進行監控和故障檢測，預測某些部件的疲勞壽命［2］。非線形神經網絡補償和魯棒控制綜合方法的應用（其魯棒控制利用了變結構控制或滑動?？刂疲?，在實時工業控制執行程序中較為有效［3］。人工神經網絡（ANN）和模糊邏輯（FuzzyLogic）的綜合，實現了電動機故障檢測的啟發式推理。對非線形問題，可通過ANN的BP算法學習正常運行例子調整內部權值來準確求解［4］。

因此，對于電力系統這個存在著大量非線性的復雜大系統來講，ANN理論在電力系統中的應用具有很大的潛力，目前已涉及到如暫態，動穩分析，負荷預報，機組最優組合，警報處理與故障診斷，配電網線損計算，發電規劃，經濟運行及電力系統控制等方面［5］。

本文介紹了一種基于人工神經網絡（ANN）理論的保護原理。

1、人工神經網絡理論概述

摘要]本篇論文我們介紹了基于粗集的BP神經網絡識別項目的風險并評估項目風險。粗集(RS)與神經網絡的集成反映了人類正常的思維機制。它融合了定性和定量的，精確和非確定的，連續和平行的方法。我們建立了粗集的神經網絡并進行屬性約簡的混合模型，給出了軟件項目風險在實際中的早期預警模型即評估模型，提出了有效的方法。

[關鍵詞]軟件項目風險管理神經網絡粗集

本篇論文的中心是基于粗集的人工神經網絡(ANN)技術的高風險識別，這樣在制定開發計劃中，最大的減少風險發生的概率，形成對高風險的管理。

一、模型結構的建立

本文基于粗集的BP神經網絡的風險分析模型,對項目的風險進行評估,為項目進行中的風險管理提供決策支持。在這個模型中主要是粗糙集預處理神經網絡系統，即用RS理論對ANN輸入端的樣本約簡，尋找屬性間關系，約簡掉與決策無關的屬性。簡化輸入信息的表達空間維數，簡化ANN結構。本論文在此理論基礎上，建立一種風險評估的模型結構。這個模型由三部分組成即：風險辨識單元庫、神經網絡單元、風險預警單元。

1.風險辨識單元庫。由三個部分功能組成：歷史數據的輸入，屬性約簡和初始化數據.這里用戶需提供歷史的項目風險系數。所謂項目風險系數,是在項目評價中根據各種客觀定量指標加權推算出的一種評價項目風險程度的客觀指標。計算的方法:根據項目完成時間、項目費用和效益投入比三個客觀指標,結合項目對各種資源的要求,確定三個指標的權值。項目風險系數可以表述成:r=f(w1,w2,w3,T,T/T0,S/S0,U/U0),R<1；式中:r為風險系數;T、T0分別為實際時間和計劃時間;S、S0分別為實際費用和計劃費用;U、U0分別為實際效能和預計效能;w1、w2、w3分別是時間、費用和效能的加權系數,而且應滿足w1+w2+w3=1的條件。

摘要：電話營銷在各行業中的應用越來越普遍，在諸如保險公司、銀行等系統內電話營銷是聯系客戶的重要手段之一。影響電話營銷成功率的原因有很多，銷售員的態度和能力是重要的方面，但這些影響因素的評價相對而言較為主觀。文章從以往銀行電話營銷成功率及其影響因素的數據出發，通過決策樹、邏輯回歸、神經網絡三個模型方法，探究銀行電話營銷成功率的影響因素。

關鍵詞：數據；營銷

一、文獻綜述

當今，網絡經濟飛速發展，內地銀行業逐漸從依靠柜臺營銷模式轉變，電話營銷以及網上營銷等新穎的營銷方式剛剛起步，商業銀行的營銷模式未來將會發生劇烈轉變，銀行電話營銷也許會成為主流，研究銀行電話營銷影響因素的重要性顯而易見。近年來，許多國內外學者展開了對銀行電話營銷的研究。李明月（2016）認為針對銀行定期存款數據集，傳統決策樹算法的分類效率和分類準確度較低，進一步提出了集成分類樹算法。王艷雯（2019）提出如何利用數據挖掘技術在銀行電話營銷目前所處的境地獲得較為深遠的業務突破，是任何一家銀行提高自身的核心競爭力過程中，都不能回避的十分重要的問題，應探究Stacking集成模型在銀行電話營銷中的應用。王琴（2019）發現在數據時代背景下，綜合應用神經網絡、支持向量機和決策樹等數據挖掘方法建立銀行電話營銷分類模型，運用案例分析法和比較分析法，通過ROC曲線、響應率曲線和捕獲率曲線發現，最好的結果是BP神經網絡，其AUC值是0.97。但以往學者針對銀行電話營銷成功率的影響因素從不同角度展開了眾多研究，但研究還存在不足之處：第一，少有學者通過決策樹、邏輯回歸、神經網絡等多個模型對銀行電話營銷成功率數據進行操作，缺少橫向對比；第二，少有學者利用低門檻軟件，例本文所用clementine建立模型；第三，內地銀行電話營銷業務剛剛起步，有眾多問題需要發現并研究，但數據較少，關注度較低，針對內地銀行電話營銷成功率影響因素的研究較少、不深入。但以上不足也為本論文研究提供了一定的空間。本論文將做出的邊際貢獻：以銀行電話營銷成功率及其影響因素的相關數據為基礎，建立決策樹、邏輯回歸、神經網絡三個模型，獲取變量重要性以及模型正確率，通過橫向對比，確定最優模型以及影響銀行電話營銷成功率的重要因素。

二、研究意義及目的

（一）理論意義

一、論文名稱、課題來源、選題依據

論文名稱：基于BP神經網絡的技術創新預測與評估模型及其應用研究

課題來源：單位自擬課題或省政府下達的研究課題

選題依據：

技術創新預測和評估是企業技術創新決策的前提和依據。通過技術創新預測和評估,可以使企業對未來的技術發展水平及其變化趨勢有正確的把握,從而為企業的技術創新決策提供科學的依據,以減少技術創新決策過程中的主觀性和盲目性。只有在正確把握技術創新發展方向的前提下,企業的技術創新工作才能沿著正確方向開展,企業產品的市場競爭力才能得到不斷加強。在市場競爭日趨激烈的現代商業中,企業的技術創新決定著企業生存和發展、前途與命運,為了確保技術創新工作的正確性,企業對技術創新的預測和評估提出了更高的要求。

二、本課題國內外研究現狀及發展趨勢