基于BP神经网络四位一体培养五业贯通人才模型的构建

邓凯,肖海慧,赵振勇

(1.常州纺织服装职业技术学院，江苏常州213164；2.常州纺织服装职业技术学院机电工程系，江苏常州213164；

3.常州纺织服装职业技术学院人事处，江苏常州213164)



基于BP神经网络四位一体培养五业贯通人才模型的构建

邓凯1,肖海慧2,赵振勇3

(1.常州纺织服装职业技术学院，江苏常州213164；2.常州纺织服装职业技术学院机电工程系，江苏常州213164；

3.常州纺织服装职业技术学院人事处，江苏常州213164)

1BP神经网络

1.1　原理及拓扑结构

BP神经网络，是一种多层前馈神经网络[1]，由信息前向传递、误差反向传播组成，拓扑结构分为3层，即输入层、隐含层和输出层。在信息前向传播的过程中，信号就会从输入层经过隐含层逐层逐层处理后最终到达输出层，输出信息处理结果，完成一次学习的正向传播处理过程。当输出层得不到预期目标输出值时，则进入误差的反向传播阶段，根据误差值的情况调整网络权值和阈值，并反复训练从而使BP神经网络的预测输出不断逼近从而最终达到预期的输出，完成整体建模效果。

1.2　BP神经网络数学模型

按照BP神经网络原理和拓扑结构构建相对应的数据模型，具体构建过程[2-3]说明如下。

BP神经网络的整个训练过程如下：

①初始化，给连接权wij、vjt和阈值θj、rt随机赋值。

②输入训练样本(A1,Y1)。

③利用输入 AK、连接权wij和阈值θj，计算中间层各神经元的输出：

④利用bj、连接权vjt和阈值rt，计算输出层各神经元的输出：

⑦利用dt、bj、vjt和rt,计算隐层到输出层之间的新连接权：

vjt(L+1)=vjt(L)+αdtbj

rt(L+1)=rt(L)+αdt(式中，L表示训练次数)

⑧利用ej、xi、wij和θj，计算输入层到隐层之间的新连接权：

wij(L+1)=wij(L)+βejxi

θj(L+1)=θj(L)+βej

⑨选取第2组训练样本，重复步骤③～⑧ 的计算过程，直到全部N个样本训练完。

⑩开始进行第 2 次训练，从第1个样本开始，重复步骤③～⑧过程，直到网络全局误差函数e小于预先设定的值(网络误差)或训练次数达到预先设定的值，整个训练过程结束。

2建立BP神经网络的四位一体培养五业贯通人才培养模型

在高职院校人才培养过程中，经多位笔者多年研究与实践，建立了四位一体培养五业贯通人才模型，而四位一体的培养过程就是反复并螺旋上升且不断修正非线性的过程。BP神经网络具有输入信号前向传递，不足信息反向传播和非线性等特性，与所建立的此人才培养模式相关联。

2.1　建立模型

BP神经网络构建根据系统输入输出数据特点确定其结构。输入层设立4个节点，即学生在产学研创4方面获得技能证书数量、学生顺利毕业人数、学生获得职业资格证书数量、创业学生人数作为输入层。隐含层设为5个节点，即学业、职业、产业、就业、创业5方面。每个节点取其4个关键指标数据作为权值赋给隐含层的每个输入节点；输出层设为1个节点，取其指标为优秀毕业生数量建立原始模型。

通过训练将不足信息反向传递，再经过分析、调整结构和数据，进一步优化人才培养模式。

基于BP神经网络的四位一体培养五业贯通人才的算法模型包括BP神经网络构建、BP神经网络训练和BP神经网络拟合散步。具体算法流程如图1所示。

图1　BP神经网络算法示意图

2.2　模型实现

在具体模型实现过程中，根据四位一体，即产(校企合作的企业、实训基地、设计中心、工作室等)、学(理论课程、项目课程、实训课程等)、研(行业协会、研究所、专业研究会等相关机构)、创(创业基地、创业指导中心、创业园区)所体现特征指标选取获得技能证书的学生数量、学生顺利毕业人数、获得职业资格证书的学生数量、创业学生人数作为输入层，共有4个节点，如表1所示。

隐含层设为5个节点，即学业、职业、产业、就业、创业五位一体，每个节点取其4个关键指标数据，即理论课程、实训课程、实践项目和项目成效作为权值赋给隐含层的每个输入节点，如表2所示。输出层设为1个节点，即为优秀毕业生数量(省、市、院级)建立原始模型，如表3所示。

表1　四位一体中关键指标的5年数据样本　人次

表2　五业贯通人才中关键指标的数据样本

表3　培养的优秀毕业生5年数据样本

3仿真结果及分析

模型构建完成后，将采用MathWorks公司开发的软件Matlab进行仿真实现。此软件摆脱了许多重复复杂机械性编程细节，把注意力集中在更富挑战性和创造性问题上，用尽可能短的时间得出尽可能多有价值的结果。

四位一体培养五业贯通人才自2008年实施以来，在学校教育教学改革与实践过程中具有重要的推动与指导意义，培育了一批又一批的莘莘学子。这种培养模式经过多年的探索把其描述为一种双螺旋结构模型。为证明双螺旋理论结构模型在实践育人中的正确指导作用，特用BP神经网络予以检验与实证。因此，取近5年的样本数据作为训练测试数据。

对样本数据归一化处理，公式为xi=(xi-min(x))/(max(x)-min(x))(xi为某个样本数据，i=1,2，…,N)，误差精度设为“1e-8”(误差平方和)，训练函数选择“trainlm”，学习速率“1r=0.4”，训练目标误差“err-goal=1e-5”，最大迭代次数“max_epoch=100”，初始权值取其五业对应的4个关键指标数据，阈值为随机赋值。

net=newff(minmax(p),[s1,s2],{′tansig′,′purelin′},′trainlm′);

net.trainParam.lr=0.4;

net.trainParam.show=5;

net.trainParam.epochs=100;

net.trainParam.goal=1e-5;

net.trainParam.min_grad=1e-8;

样本数据经3次反复迭代训练(如图2)，实际输出与目标输出拟合度非常高，得到平方差“SSE=2.089 4e-008”。由图可知总共耗时21.478 604s。不难看出，训练这5年的样本数据得到的误差是很小的，基本上都在0附近徘徊，因此认定此网络模型是非常成功的，同时也证实了此模型在四位一体培养五业贯通人才方案的科学性和合理性。

BP模型训练代数如图3。

图2　网络训练拟合后的效果

图3　网络训练代数

本模型的测试数据为5组，根据表1~3进行训练测试得到的绝对误差和相对误差见表4。

表4　基于BP网络模型的优秀毕业生

利用2014年1月底的数据样本进行预测，2014届优秀毕业生的人数为677个。

4结语

多年来，通过利用BP算法建立人才培养数据模型，结合每年学校动态数据分析和课题调研结果，进行定量分析和优化，跟踪发现影响人才培养的欠缺指标和不足数量，并不断加以修正。通过持续完善教学改革体系，在薄弱环节上加强教学改革力度；持续拓展实训基地建设，与常州科教城等大学科技园、企业合作建立实践基地；持续开展优质创业资源的建设与共享，创新人才培养体系更趋完善，建立了一条以学业为基础，以职业为依托、以产业为纽带，以就业为保证，以创业为拓展的高职创新人才培养的特色之路，形成了四位一体培养五业贯通人才的培养模式。今后将进一步优化人才培养模型，调整网络权值和阈值，使BP神经网络预测输出不断逼近从而达到期望输出，为高职院校人才培养提供科学的依据。

[参考文献]

[1]赵振勇,张平泽.基于BP神经网络的高职学生评价模型构建与实现[J].湖北第二师范学院学报，2013(8)：75-76.

[2]从爽.面向MATLAB工具箱的神经网络理论与应用[M].合肥:中国科学技术大学出版社，2009.

[3]赵振勇.基于遗传BP神经网络的股市预测[D].贵阳：贵州大学，2007:33-36.

责任编辑：周泽民

摘要：BP神经网络是一种多层前馈神经网络，能够进行复杂的逻辑操作和非线性关系的系统。基于BP神经网络算法，建立“产、学、研、创”四位一体培养“学业、职业、产业、就业、创业”五业贯通人才模型。该人才培养模型构建成功后，通过不断地修正权值，改进五业贯通的各环节，得出优秀毕业生所具备五业贯通实效环节的指标。经软件Matlab仿真测试，证实了该人才培养模型的科学性和合理性。

关键词：神经网络；BP算法；四位一体；人才培养

A BP Neural Network Algorithm to Train Academic-professional Talents by Using a Four-in-one ModelDENG Kai1,XIAO Haihui2,ZHAO Zhenyong3

(1.Changzhou Textile Garment Institue,Changzhou 213164;2.Department of Electromechanical Engineering,Changzhou Textile Garment Institue,Changzhou 213164;3.Department of Personnel,Changzhou Textile Garment Institue,Changzhou 213164)

Abstract:BP neural network is a multi-layer feed-forward neural network,which can deal with complex logic and is a nonlinear-relationship system.A four-in-one model incorporating four aspects of industry,education,research and innovation based on BP neural network,which shows itself as a spiral structure to train talents in both academic and professional areas,was built up.After continuously revising the individual weight of the five main parts—academy,vocation,industry,employment and entrepreneurship—the index of outstanding academic-professional graduates was obtained.The simulation on Matlab confirms this talent-training model is scientific and rational.

Key words:neural network;BP algorithm;a four-in-one model;talent training

中图分类号：G642

文献标志码：B

文章编号：1671-0436(2015)03-0071-04

作者简介：邓凯(1963—)，男，教授。

基金项目：江苏省高等教育教改研究重中之重课题(2013JSJG010)；江苏省教育科学“十二五”规划课题(D/2013/03/074)

收稿日期：2015-02-05

doi:10.3969/j.issn.1671-0436.2015.03.017