人工神经网络在课堂教学质量评价体系中的应用

张保文 沈荣

宁夏大学数学系，宁夏 银川 750021

人工神经网络在课堂教学质量评价体系中的应用

张保文 沈荣

宁夏大学数学系，宁夏 银川 750021

利用人工神经网络方法建立高等学校教师课堂教学质量评价模型，并在Matlab系统内得以实现。实验表明，人工神经网络用于教师课堂教学质量评价中完全可行。

BP人工神经网络；Matlab；评价

人工神经网络已被用于航空、国防、交通等多种领域 。作为一种强有力的解决工程问题的非经典数学方法，人工神经网络在教师课堂教学质量评价中也得到了广泛的应用 。

1 课堂教学质量评价指标体系的确立

表1 任课教师详细评价表宁夏大学数学计算机学院

2 基于BP神经网络的课堂教学质量评价模型

用三层误差反向传播神经网络模型来实现教师课堂教学质量评价问题，第一层是输入层，中间层是隐含层，第三层是输出层。各层次的神经元之间形成全互联连接，各层次内的神经元之间没有连接。

2.1 输入层结点个数的确定：在宁大高校教师本科教学课堂教学质量评价中，有三个一级评价指标，14项二级评价指标，针对于每个项目均给出了具体的评价标准。所以这里取输入层的结点数等于二级指标的个数，即输入层有14个结点（n=14）。

2.2 隐含层结点个数的确定：

(n其中为输入结点数，l为输出结点数)。

文献[4]中，当用三层神经网络时，其隐含层神经元数为。在这里，综合上面两种文献确定神经元数的方法，取隐含层神经元数为

这样，m为[[4，7]间的整数，再取最大值，所以隐含层节点数m=7。

2.3 输出层结点数的确定：对于每个学校的最终评价结果，只能为优秀、良好、合格、不合格四种结果中的某一种。所以这里取输出层的结点数为1，即为评价结果值。整个教师课堂教学质量神经网络模型的结构如图1所示。

图1 教师课堂教学质量神经网络评价模型

3 教师课堂教学质量评价在神经网络模型中的实现

BP神经网络评价在MATLAB中的代码如下：

hold off； %训练后图形与误差曲线如图2：

图2

图3

采用高性能的数值计算可视化软件MATLAB，运用其神经网络工具箱学习训练网络[5]，其中输入层神经元14个，输出层神经元1个，隐含层7个，允许误差为0.001经过44254次训练，总误差函数精度达到0.000999986＜0.001，即10-3次数量级，说明精度较高。选取20个样本数据及14个测试数据，最后得到神经网络评价模型，效果理想，如图3所示。

表2 测试样本结果

从表2中可以看出，结果与实际情况相符，误差较小，说明构建的神经网络模型效果较好。

因此，输入学校的各项指标的评价值，根据上面构造的神经网络模型，计算出的值即为评价结果值。最终评价结果根据就近度原则来确定属于哪个档次。例如神经网络的实际输出值为0.781412，在四个结果值0.1，0.4， 0.7， 1中，离0.7最近，则认为评价结果为“良好”。

4 结论

本文采用BP人工神经网络模型，并用Matlab仿真系统实现了该模型的运作过程，较好地保证了评价的客观性。

[1] MartinT.Hagan,Howard V.Demuth,MarkH.Beale.神经网络设计.北京:机械工业出版社，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] 张立明.人工神经网络模型及其应用.复旦大学出版社，1993.

[5] 葛哲学.神经网络理论与MATLAB2007实现.电子工业出版社，2007.

10.3969/j.issn.1001-8972.2012.08.145

编号：NDZR09-7，NDZR10—72