神經網絡教學
前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇神經網絡教學范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。
神經網絡教學范文第1篇
[關鍵詞]情景教學 BP神經網絡 評價指標
最近幾年，國家陸續出臺了一些政策來發展職業教育，高職院校更是承擔了培養高技能人才的任務。要想培養一流的生產、管理、流通、服務等第一線的高技能人才，必須首先提高高職院校的教學質量，而要提高教學質量就需要轉變教學方法，從傳統的以教師為主的教學方法向以學生為主的教學方法轉變，加強學生的實踐動手能力，全面提高學生的綜合素質。
因此，情景教學法等先進的教學方法已為越來越多的高職院校所接受。情景教學法是指在教學過程中，教師有目的地引入或創設與教學內容相關的、生動具體的場景，用逼真的環境創造氛圍，以引起學生的學習興趣，積極主動地在模擬場景中扮演不同角色，從而幫助學生理解和獲取知識或技能，是一種以學生為主體的教學方法。
為整體提高教師教學水平，從而提高教學質量，高職院校需要擁有一套完善的教學質量評價體系。然而教學評估結果的因素很多，定級標準復雜且受主觀因素的影響較大。為使做出的評價更具客觀性、合理性、簡便性，本文采用BP神經網絡模型結構建立數學模型，并選取嘉興職業技術學院的采取情景教學的若干教師應用此模型，對其已有的教學質量數據進行了測試，利用專家樣本對神經網絡進行訓練，以求為教學質量評價提供一種切實可行的評價方法。
一、神經網絡概念及原理
神經網絡的全稱是人工神經網絡(Artificial Neural Net-work，ANN)，它是在神經科學研究的基礎上模仿人類大腦的結構和功能而構成的一種信息處理系統。神經網絡由大量的神經元互相連接而成，它的信息處理通過神經元的相互作用來實現，知識與信息的存儲表現為網絡元件互聯分布式的物理聯系。神經網絡的基本特征為非線性影射、學習分類和實時優化，因此，它為模式識別、非線性分類等研究開辟了新的途徑。
BP(Back Propagation)網絡是1986年由Rumelhart和Mc-Celland為首的科學家小組提出，是一種按誤差逆傳播算法訓練的多層前饋網絡，是目前應用最廣泛的神經網絡模型之一。BP網絡能學習和存儲大量的輸入―輸出模式映射關系，而無需事前揭示描述這種映射關系的數學方程。它的學習規則是使用最速下降法，通過反向傳播來不斷調整網絡的權值和閾值，使網絡的誤差平方和最小。BP神經網絡模型拓撲結構包括輸入層(input layer)、隱層(hide layer)和輸出層(output layer)。BP網絡可看作是一個從輸入到輸出的高度非線性映射，即要求映射∫使f是g的最佳逼近。神經網絡通過對簡單的非線性函數進行數次復合，可得出近似復雜的函數。
BP網絡模型的輸入向量為嘉興職業技術學院情景教學質量評價的各指標。對其指標的屬性值進行歸一化處理,BP網絡模型的輸出為評價結果，盡可能采用多的樣本數訓練這個網絡，使其獲取學校督導組成的評價專家團的評價能力及其對有些重要指標的側重，這樣BP網絡經過自適應學習得到的較為準確的信息就會以BP網絡模型中的那組權系數值表示出來，磨合好的BP網絡模型根據待評價各指標的屬性值，就可得到對嘉興職業技術學院情景教學質量評價的評價結果，從而盡可能與學校督導組成的專家評委的評價無限接近，實現定性和定量分析的有效結合，保證評價的公正性。
二、教學質量評價指標體系的確立
評價指標體系的構建是高職院校教學質量評價的核心內容。本著從“教、學、做”―體的視角出發，評價指標在選取的時候要體現“工學結合”的特色，本文選取了嘉興職業技術學院教學評價指標來確立教學質量評價體系，具體內容如表1所示。
三、情景教學質量評價指標的BP神經網絡模型應用
BP網絡的輸入和輸出向量的維數確定了輸入和輸出層的神經元數目，輸入向量的維數選取的是影響情景教學質量的各種因素，為能夠全面反映情景教學的影響因素，本文選取了教學設計、教學內容、教學組織、教學效果、教學素養、儀態儀表等所包含的20個因素，所以輸入層的神經元個數為20。確定情景教學質量評價結果作為BP神經網絡輸出層，其神經元個數為1，目標輸出模式為[0，1]間的一個數，評價集設為{優，良，及，不及}，對應的指數區間集合={(0，9，1)，(0.7，0.9)，[0，6，O，7]，(0，0，6)}。由于輸出模式為[0，1]間的一個數，因此，輸出層神經元的傳遞函數可選用S型對數函數logsig。通過反復實驗表明，在―定程度上隱含層數目越多，BP-網絡的非線性映射能力就越強，但是隱含層數目超過一定值，網絡性能反而會降低。在合理的結構和恰當的權值條件下，一個三層BP網絡可以以任意精度去逼近映射關系，因此本文采用三層BP結構。隱含層的神經元個數直接影響著網絡的非線性預測性能。根據Kolmogorov定理，設定網絡的隱含層神經元個數為16。按照一般的設計原則，隱含層神經元的傳遞函數為S型正切函數tanslg。
四、反向傳播(BP)算法的實施過程
反向傳播(BP)算法的實施過程如圖1所不。
五、測評結果分析
確定網絡結構及算法，需要利用選取的樣本數據對BP神經模型進行一定的學習規范的訓練，以提高網絡的適應能力。從實踐研究發現，此模型的實現采用BP三層網絡結構，利用軟件MATLAB7.0，輸入層20個神經元，隱含層16個神經元，輸出層1個神經元，訓練步數40，目標誤差為0.001，網絡訓練次數80次。收集嘉興職業技術學院8位教師情景教學評價相關數據，通過MATLAB7.0編程測試，對測試結果與督導評價結果對比表明，誤差較小，測試結果與督導的等級評價一致，評價令人滿意。測試結果與督導評價結果如表2所示。
六、結語
根據以上分析，對8名教師情景教學質量的BP神經網絡測試結果進行研究發現：本文中設計神經網絡評價模型對情景教學質量評價與督導評價的相似度很高，并且它可以克服人為教學評價中主觀性較強的缺點。這種模型的應用將會為我校及其他高職院校情景教學評價提供一種可行性較強的評價方法。當然，BP神經網絡模型存在其自身的缺點，如BP算法可以使權值收斂到某個值，但并不保證其為誤差平面的全局最小值；網絡隱含層的層數和單元數的選擇尚無理論上的指導，一般是根據經驗或者通過反復實驗確定等。而且，高職院校教學質量評價相對復雜，應根據具體情況進行評價，特別是在情景教學方式下，不能一味追求學生角色模擬的教學，可以通過實物演示、音樂烘托等視覺、聽覺有時候甚至是味覺、嗅覺的沖擊來進行情景教學。此外，還應注意情景教學效果的及時反饋，以便被測評教師能夠及時發現自身存在的問題，不斷改進教學手段與教學方法，提升高職院校情景教學質量。
[參考文獻]
[1]曹勃：基于教學情景因素的普通高校數學改革[J]教育與職業，2008(6)
[2]王春媛、胡旺：基于B／S高職院校實踐教學質量評價系統的設計與實現[J]蘭州石化職業技術學院學報，2008(4)
神經網絡教學范文第2篇
[關鍵詞]體育教學 BP神經網絡 質量評價
[中圖分類號]G642.4 [文獻標識碼]A [文章編號]1009-5349（2013）02-0199-01
體育教學是高等教育不可缺少的部分。正確地進行體育教學質量評價有利于體育教學健康發展。
體育教學質量評價體系的影響因素很多，并且每個因素的影響程度也不可能完全相同，因此，評價很難用一個精確的數學解析式表示，它屬于非線性分類問題。BP神經網絡又稱“誤差反向傳播神經網絡”（Error Back Propagation）。從本質上說，這是一類由大量信息處理單元通過廣泛聯結而構成的動態信息處理系統。這種系統在處理各種模糊、隨機、動態、量大信息等方面具有獨特的功能，可以處理非線性問題。
一、傳統體育教學質量評價方法
傳統體育教學質量評價方法對評價對象各個指標的評價結果常用不同的等級或狀態來表示，如A、B、C、D或優、良、及格、不及格。這些等級或狀態就是對評價內容進行定性或定量的評價。最終的評價結果取決于兩個問題：一是對內容的評價計分，二是定級準則的制定。
為了做出客觀正確的評價，首先應分析影響評價結果的主要指標（影響體育教學質量的主要因素）及各指標所占的比例（在算法中通過權值來體現）。例如，評價一名教師的體育教學質量時，經認真分析，找出影響體育教學質量的評價指標，見表1：
開展體育教師教學質量評價，評價結果分為“優”“良”
“中”“差”4個等級。由教學對象學生、同行、專家和任課教師分別填寫“教師教學質量評價表”。（表1）認為被評對象屬于哪一級，就在該級下劃“√”，然后計算各因素指標各級評語所獲得的頻率（劃記數/考評劃記的人數），這就使定性的因素轉成了定量的指標。得的頻率（劃記數/考評劃記的人數），i=1……m，j=1……n，總評價指標個數為m×n個。
設B=（w11w12w21…w27w31…w35w41…w44w51…w53…wij…wmn）
wij表示各因素指標在評價過程中所占的權重，
i=1……m，j=1……n，對應于m×n個評價指標，權重個數也為m×n個。
在傳統評法中，權重人為給定。
C=BA=（uAuBuCuD）
uAuBuCuD表示質量等級系數。
根據質量等級系數：uA=？，uB=？，uC=？，uD=？擬定一個定級方案。優秀標準：uA≥0.7，uD=0；良好標準：uA+uB≥
0.70，uD=0；合格標準：uA+uB+uC≥0.8，uD≤0.2；不合格標準：uD≥0.2。根據這個定級方案，得出該教師的教學質量評價結果。
二、用于教學質量評價的神經網絡算法的實現
設評價系統的評價總指標（影響教學質量的各個主要因素）為m×n個，質量等級系數為4個，uA、uB、uC、uD。將各因素評價指標各級評語所獲得的頻率（劃記數/考評劃記的人數）xij作為神經網絡的輸入，即行列式A。
將質量等級系數作為神經網絡的輸出，即：C=uA、uB、uC、
uD。
根據輸出的質量等級系數，按照定級方案確定評價結果。
將以往的成功的教學質量評價案例作為標準樣本存入網絡訓練。然后，將未知樣本的測量信息（具體某位教師的各因素評價指標各級評語所獲得的頻率）輸入計算機，經過計算，瞬間可預報出未知樣本的需求信息（質量等級系數）。
BP神經網絡的評價精度和科學性不僅取決于標準樣本的數量，也決定于標準樣本的質量。標準樣本數量越多、質量越優，越能準確地定位教學質量的等級。所以，標準樣本的選擇是至關重要的，它決定評價結果的公正、公平、準確。
采用現代數學方法對體育教學質量進行評價，是一種方法的應用與研究。
【參考文獻】
[1]趙凌.AHP在評價教師教學質量中的應用.成都大學學報（自然科學版），2000，19（3）：37-43.
[2]譚斌，劉美蓉.因子分析在教學質量評價中的應用.教學參考，2001，6：23-25.
[3]馮虹，鄒華，魏文元.馬爾可夫鏈在教學質量評價中的應用.天津師范大學學報（自然科學版），1999，19（1）：5-9.
[4]張春棠.大學體育教學質量的評價.體育研究，2007，7：
神經網絡教學范文第3篇
論文摘要:我國高等院校學生接觸的多是具體的學科知識和技能，很少獲得系統的科學教育。網絡視頻教學節目在設計時可以從節目形式、選題、創作手法等幾個方面實現科學精神的傳播;同時引導大學生參與視頻資源創作，培養他們理性懷疑、積極求證、多元思考、平權爭論、寬容激勵等科學意識，以潛移默化地將科學精神根植于學生心中。
隨著信息技術在高等教育中的應用逐步深人，基于網絡的研究性學習成為高校教學的重要模式。視頻資源在創設情境、傳播信息、傳授知識方面有獨特優勢，因此在高校學習網站中儲備豐富、系統的視頻資源，對發揮學習網站的效能、拓寬學習視野、提高大學生綜合素養有重要意義。但是，目前高校學習網站的視頻資源建設還存在一系列問題，如視頻資源不系統;缺乏對大學生學習心理的深人分析;網絡視頻創作觀念陳舊，創作手法單一;只注重科學性，簡單地羅列、圖解知識，忽視科學精神的傳播;鏡頭表現力嚴重滯后于節目內容等等，其中，只重視傳播知識技能而忽視科學精神的培養，是高校網絡視頻資源建設函待解決的問題。
一、高校網絡視頻資源建設要關注大學生科學精神的培養
在工農業科技現代化的大趨勢下，社會對人才需求有了很大變化，崗位技能的科技含量越來越高，變化速度不斷加快。高等教育要想適應社會發展的要求，不僅要傳授學生知識技能，更重要的是培養學生“學會學習、學會創造、學會合作、學會生存”，而團結協作、勇于創新、堅忍不拔這些品質正是科學精神的重要組成元素。
實際上，科學精神并不是抽象的，很多大學生的心口不一、做表面文章、抄襲作業、文過飾非等都屬于科學精神缺失的表現，至于淺嘗輒止、甘當容器、想象力匱乏等現象就更常見。目前，我國高等院校學生在學校里接觸的多是具體的學科知識和技能，很少獲得系統的科學教育，每一學科的教學大綱中都沒有對科學的價值意義、科學的目標指向、科學興趣、科學方法論、科學態度等這些構成科學精神的基本要素做出詳細規定，以至許多教師對科學精神教育都感到陌生。
科學精神的培養不是一時一地之功，應貫穿于教育的每一個環節，充分利用每一種教學手段。其中，網絡視頻教學資源是可資利用的一個重要平臺。一方面，視頻資源易于創設生動的情境，加強體驗，引導學生多角度、多方位觀察，用科學的方法進行分析，進而沖破固有思維的定勢，大膽想象，求新求變。另一方面，視頻資源的建設一般是團隊行為，匯集多人的觀點和思想，最大限度地從科學精神的基本特征出發，客觀地梳理、歸納已有的科學認知，然后使學生形象、全面、深刻地認知科學，并不斷地發現問題、分析問題、解決問題，從而培養學生敢于不輕信、不盲從的優良品質。因此，高校網絡教學視頻資源建設要在傳播知識和技能的基礎上，關注學生科學精神的培養。
二、網絡視頻教學節目的設計要以傳播科學精神為核心
網絡視頻教學節目如果只注重知識的說明和技能的演示，很容易造成單向度的傳播效果，即學生被動的接受，無法引發理性思考和情感共鳴，科學精神和科學方法也無從體現。設計教學節日時，可以從以下幾個方面實現科學精神的傳播。
1.探索新的節目形式
相對科學知識，科學精神顯得更虛幻、更概念化，傳統視頻節目的系統、順序講解知識的創作方法很難完成表現科學精神的使命，因此，需要探索新的創作手法和節目表現形式，從其他形態的節目創作中汲取創作元素，把科學賴以產生和發展的人文背景以及在科學活動中體現出的人的精神和價值表現出來，科學精神將隨之被傳播。如科學紀錄片的創作手法就是一個不錯的選擇。它不僅講述知識，還關注科學事件的發展過程。知識的獲取、科學的發現是一個艱難的過程，這個過程充滿了好奇、探索、反復、曲折、成功與失敗等諸多情節要素，能夠充分表現事物的矛盾沖突，形成生動感人的故事。在網絡教學視頻中，用科學家的探索過程為線索組織結構，一步步揭開科學的奧秘，不僅能激發學生的興趣，而且在過程的敘述中，科學方法和科學精神得到了具體、生動、自然的傳播，科學的魅力、科學家的人格力量也得到了充分的張揚。
2.選題上不要過于強調科學的應用和結論
網絡視頻節目要突出科學精神傳播，還要注意在選題時不要只著眼于科學的應用和結論，忽視科學發展的本身。當然，拍攝科學知識和技能的應用和結論，沒有問題，大學生需要這些形象的視頻資源提高學習興趣和學習效率，但問題在于，我們應該更理性、更有責任感地為學生將來的發展著想。而且，科學的出現一定就是有應用與結論的嗎?目前沒有應用與結論的科學或知識可能隨著它的不斷發展而成熟，自然而然地形成結論和應用。所以，我們應該能夠看得更深更遠，將思維方式放在創新發展的境地，而不要過于強調實用主義。
科學發展的最前沿是發現和探索，然后才能得出規律性認識(結論)和科學的應用(形成技術)。正是這些前沿的發現和探索最能代表科學本身，也是最富有趣味性和魅力的節目選題。在這里，科學家在探索，而且也會犯錯誤:科學家是怎樣發現某個現象的，他做出怎樣的假說試圖解釋它，他的假說有哪些漏洞，其他科學家是怎樣反駁他的，其他的假說怎樣解釋這個現象……探索的路上到處是陷阱或者看上去根本無路可走，科學家們雖然有時想象力豐富得出了格，但他們總是遵守著一些法則，科學也因此得以健康發展，這樣的節目選題展示給學生的將是最有價值的內容—科學方法、科學過程和科學精神。
3.長系列，故事性
我國的教學視頻節目時間一般較短(課堂搬家視頻節目除外)，原因是當學生學習的注意對象是“枯燥”的教學內容時，注意力持續時間較短。而國外一些科學節目與我們的做法反其道而行之，他們的一些著名節目都很長?！栋l現》頻道就十分擅長制作長系列節目，如《航空史話》《科學探案》以及反映對恐龍研究節目等等。但長系列對節目創作水平提出了更高要求，節目時間長還要有吸引力，所以很多節目通過故事來講述科學內容，以抓住觀眾的注意力。 科學精神的最好載體往往是科學發展史，科學技術的發展都是曲折迂回的、紛繁復雜的。比如航空，從早期人類對天空的夢想，先驅們對鳥和流體力學大量的研究—一次又一次地走向錯誤的方向，到勇敢者第一次投人天空懷抱，為航空事業獻身，以及后來的突破距離、升限、音障的成功失敗、曲曲折折，在這樣“山窮水復疑無路，柳暗花明又一村”的故事敘述中不僅講述了科學知識和科學發展的過程，科學精神也被展現得暢快淋漓。
三、引導學生在參與網絡視頻節目創作中培養科學精神
鑒于大學生的動手能力比較強，我們還可以嘗試開放教學模式，把部分網絡視頻教學資源開發的工作交給學生，設立課外興趣小組，如FLASH動畫設計制作、計算機軟件編輯等(很多學生想象力的豐富程度、對色彩的運用、繪畫功底以及對DV、計算機的操作水平都遠遠超出我們的預料)，使學生成為創作設計學習資源的主體，允許他們按自己的構思來設計教學視頻，教師則引導學生在生動的創作情境中親身體驗，獨立思考、群策群力、動腦動手，經歷一個由感性到理性、由量變到質變的過程，科學精神的種子在學生的頭腦中悄悄地生根發芽。
1.引導學生理性懷疑、積極求證
崇尚理性的懷疑是科學精神的重要組成。屬于科學精神的“懷疑”指的是不輕信，要求有確鑿的證據和嚴密的證明，否則不予接受。
在學生參與網絡視頻節目的創作過程中，可以有意識地引導學生理性地懷疑并在實際應用過程中檢驗自己的新思路新想法。例如，當今的教育模式 片面強調答案的標準化與書本內容的教條化，使學生錯誤地認為書本知識就是真理，就是權威，極大壓制了學生的懷疑和批判精神的發展。實際上，教育學家托馬斯·庫恩就曾經進行過批判，“很多教科書經常這樣暗示:科學的內容是惟一地由書本各頁所述的觀察、定律、理論所呈現的;科學方法只是由收集這些教科書資料所使用的各種操作技巧、以及把這些資料與教科書理論概括聯系起來所使用的邏輯運算的混合……這樣一種科學觀不僅大大影響了我們關于科學的本質及其發展的理解，也深深地影響了教學結構。因此，教學視頻節目不要照搬教科書上的結構方法和敘述順序，要引導學生對學習內容深人分析、挖掘，不盲目迷信教科書，如何開頭、如何展開、怎樣收尾，要通盤考慮，注意前后內容的連貫和照應，并準確把握所展示內容的深淺程度，遵循認識事物的客觀規律，由已知到未知，由形象到抽象，由淺人深的演繹知識。
當然，僅僅“懷疑”是不夠的，先生曾講過“大膽懷疑，小心求證”，在懷疑后必須積極求證，即不斷用新的發現、新的認識來支持或否定自己的懷疑，這才是理性懷疑的真諦。在學生提出自己的想法后，不要直接肯定或否定，更不要直接開始創作，而首先要進行分析討論，除了查找資料論證學生設置的整體結構和各教學環節是否設計科學，必要時還要先寫出文字稿本并依此進行課堂授課，檢查是否能夠引人人勝、聽課學生是否能夠準確理解授課內容等等，制作完成后還要在實際的網絡教學應用中檢驗其效果。
2.引導學生多元思考、創新思維
多元思考就是每個問題不要期待只有一種答案，而應多方面多視角多維度思考，是科學精神的重要組成元素。習慣多元思考法的人，不論面對任何問題都能從不同角度與觀點進行分析，是未來社會需要的創造型人才，而“創新是一個民族發展的不竭動力”。
視頻節目常使用提出問題、解決問題的結構模式，但提什么問題，如何提出，按什么思路解答，同樣需要新穎精巧的構思，在這一環節上要引導學生大膽展開想象，多元思考，把學習的過程變成知識探究的過程。另外，學生要把某部分知識用視頻鏡頭表現出來，就必須多角度、多方位的觀察，發揮想象力，綜合運用所學知識，研究探討體驗，從而獲得深刻的印象。以制作視頻節目“雞蛋里的學問”為例:由學生來構思節目應包括哪些內容，如何來結構全片，選擇哪種節目表現形態(故事片，動畫片，還是紀錄片)。實際上，小小的雞蛋涉及物理、化學、生物多門學科知識，學生在參與、啟發的活動模式中，分析歸納、綜合應用，探索充滿趣味性、開放性的學習內容，潛在的創造精神被誘發出來，從而在不懈的探究學習中培養科學精神。
3.引導學生平權爭論、寬容激勵
教學視頻資源創作是一項復雜的任務，一般要由一個團體共同完成，團體中每個學生平等討論、相互激勵，在合作的過程中不僅碰撞出智慧的火花，科學精神也得到了培養。
視頻創作是促進學生之間協作、交流的非常有效的活動。首先，這是一些開放的、具有一定復雜性、真實性的任務，可以使學生感受到間題的意義及挑戰性，激發他們參與學習活動的興趣。其次，不同學生會對創作過程中的很多具體問題有不同的觀點和思路，從而具有討論交流的必要。另外，方便將網絡視頻創作任務分成若干環節，圍繞明確的主題和任務，組織小組合作學習活動。最后，作為活動的結果，各個學習小組能夠提交一份“產品”或“作品”進行相互交流。
神經網絡教學范文第4篇
1 BP神經網絡
BP神經網絡也稱為反向傳播網絡，包括輸出層，隱含層，輸入層三部分，同時BP的神經網絡具有非線性的特點，能夠解決沒有規則，多約束條件或數據不完全等問題，適合處理復雜的分類及模式識別等問題。BP神經網絡具有一個或一個以上的信息隱含層，能夠將相鄰的兩層完全連接起來。
要建立學生數學能力評價的BP神經網絡模型，就需要建立具有代表性的數據庫，以便于進行評價。就數據庫的建立而言，為了提高評價的準確性及標準性，BP神經網絡需要建立完善的選取設置體系，在輸入層與輸出層的設計應多樣化，才能夠保證測試評價的效果。對于普通學校來說，樣本的選取量應該不低于200人。
對于隱含層神經元的點數，計算時應根據樣本的選取量進行調整，基本的模型設計流程是從BP神經網絡的構建開始到BP網絡訓練，以及最后的BP網絡預測，其中最重要的是BP網絡訓練，本文采取的是trainlm算法，從而建立其BP神經網絡模型。
2 學生數學學習能力評價
對學生進行數學學習能力評價是為了對學生的數學學習能力進行測試，幫助教師掌握學生的學習情況，以便于調整教學方法以及教學進度，讓學生能夠提高學習能力。評價的內容是學習思路，學習方法，學習過程及學習效果。要對這四點進行評價，首先就要確定各內容的評價標準及方式。以往的評價方式是通過測試及課堂問答，通過學生的測驗成績及回答進行分析，從而判斷學生所處的學習狀態，教學方法以教學進度安排的合理程度。利用BP神經網絡進行評價的化，就要將各個標準程序化，將原先教師的主觀評價變為網絡的程序化運行，根據運行的結果對學生的數學學習能力進行判斷，這就是利用BP網絡對學生數學學習能力評價的理論，實際上要進行實踐并不簡單，BP神經網絡評價的構建是難題的關鍵點。
3 基于BP神經網絡的學生數學能力評價模型
BP神經網絡評價模型的建立是由三部分組成的，最關鍵的就是構建BP神經網絡。建立評價模型首先要做的就是對各項能力的得分率進行分析，設定個性能力的得分標準，并對其進行深入分析最后進行程序化設置。對于數學學習能力的劃分方法有很多，不同的年級所劃分的方法盡不相同，每一個方法都有其側重點，這需要根據輸入的相關變量進行改正，與實際情況進行整合得出準確結論。就拿某市中考數學試題來說吧，其主要是測查學生的學習思路，學習方法，學習過程及學習效果這四項能力。對學生的數學學習能力進行測試，就要把學生對這四個能力評價的相關試題得分作為BP神經網絡的輸入，并且要將輸入數值進行數量級差異設定，從而將每種能力試題的得分做歸一化處理。利用二進制，使輸入數據在[0，1]之間。在這之前要有準確的評分標準，才能夠得出相關結論。這就需要專家對試卷上各項能力試題的得分進行排表，便于BP網絡數據設置，但在這之前需要專家對學生樣本進行判斷。一般樣本的選擇在200人為合適，所以選擇的學生人數為200人。專家對這200人的試卷進行閱覽從而判斷出每個人每項能力的情況，看那一項是最為薄弱的，然后對所有學生的情況進行整合處理。將其中100人的成績作為判定結果，最為薄弱的能力作為BP神經網絡的期望輸出參考，再利用二進制的數字進行結果表達。例如輸出為0時則表示學生該項能力差，這就能夠為BP網絡的構成提供最基本的運行數據，為BP網絡構建提供基礎。此外的100人，將他們的得分情況作為好的檢驗樣本進行輸入，然后進行檢驗，若是期望輸出與專家評價結果基本符合，則表示該神經網絡可進行有效運用，對學生數學學習能力進行評價，反之則需改進。
此外，BP網絡訓練的設置也需要額外注意梯度的預設，其算法需要根據實際情況及時進行調整。各地學生數學?W習狀態各不相同，不能夠固定選擇某算法。BP神經網絡的驗證需全面，不能以一次數據的符合情況作為驗證標準，應該多次輸入，對相應的輸出結果進行判斷。
神經網絡教學范文第5篇
關鍵詞： BP神經網絡； 服務質量評價； 評價指標； 問卷調查
中圖分類號： TN711?34 文獻標識碼： A 文章編號： 1004?373X（2017）01?0086?02
Abstract： Nine parameters such as environment， collection resource， service mode and hardware device affecting on the library service quality are taken as the evaluation indicators. The correlation theory method of BP neural network is used to perform the evaluation research for service quality of 20 libraries in Jiangxi Province， which is based on the analysis data of the questionnaire survey result. The simulation results show that the constructed neural network can quickly and accurately evaluate the library service quality.
Keywords： BP neural network； service quality evaluation； evaluation indicator； questionnaire survey
0 引 言
隨著我國科學文化的發展，各種類型的圖書館正發揮著越來越大的作用。隨著人們的閱讀需要在用戶體驗要求等各方面的提高，對圖書館服務質量的要求也越來越高。而對圖書館的服務質量進行客觀、準確、高效的評價是圖書館優化服務流程、改善服務質量和提高服務水平的基礎。為此，本文引入了一種全新的評價體系和方法，即采用BP神經網絡的方法對圖書館服務質量進行評價，該方法具有操作簡便，評價快速準確的特點。
1 評價指標的確定
1.1 指說難∪
為了更好的對圖書館的服務質量進行評價，本文參考《圖書館評估指標標準與管理規范指導手冊》和ISO11620等標準化文件構建圖書館服務質量評價體系。該體系一共包括了對圖書館服務質量影響較為顯著的9個因素作為評價的參考指標：即館藏紙質資源（X1）、環境（X2）、服務人員（X3）、服務方式（X4）、硬件設備（X5）、軟件設備（X6）、數字資源（X7）、個性化服務（X8）、服務結果（X9）?；谶@9組評價指標，利用BP神經網絡的分類評價能力，本文建立了基于BP神經網絡的圖書館服務質量評價模型。
為了更好地描述樣本圖書館的服務質量，本文針對服務質量的評價特性和評價指標的選取特點將服務水平分為5個等級并對其賦予相應的分數：優（5分）、良（4分）、中（3分）、差（2分）、非常差（1分）。
1.2 數據來源
本文采用問卷調查的方式對江西省的20所圖書館的服務質量進行調查，共發出300份問卷，回收287份，其中有效問卷276份，問卷有效率為92%。對問卷進行統計，計算出每所圖書館的各項評價指標對應的分數，并利用參考文獻的權值計算方式計算出每個圖書館的服務評價水平，如表1所示。
2 BP神經網絡
2.1 BP神經網絡的原理
BP神經網絡是一種前饋型誤差修正的人工神經網絡，它通過不斷調整各個單元層之間的網絡權值和閾值實現網絡的訓練。BP神經網絡主要運行由信號的正向傳播和誤差的逆向傳播兩個過程組成，通過不斷地權重調整，可以實現網絡誤差的不斷縮小。
2.2 神經網絡模型的建立
本文采用含一個隱藏層的神經網絡結構進行分析，由于輸入單元的數目為9，輸出單元均為1，根據經驗公式可選隱含層單元數為1～10之間的整數，采用試湊法得到隱含層神經元與均方平均值（MSE）的曲線關系，如圖1所示。其中隱層神經元數目為9時，得到的MSE值最小為6，所以確定的隱含層神經元數為9。
本文構建的BP神經網絡的結構如圖2所示。
2.3 BP神經網絡模型的訓練
選取表1中的15組數據在Matlab中對神經網絡進行訓練，其中期望誤差設為10-5。訓練過程中，BP神經網絡誤差的變化形式如圖3所示。
由圖3可知，當訓練經過84次迭代后達到了滿意的誤差期望。
2.4 結果對比
利用表1中剩余的5個樣本對訓練出的神經網絡進行測試實驗，并將結果與通過權值計算的結果進行比較，如表3所示。
由表3可以看到，經過訓練后的BP神經網絡可以很好地對圖書館的服務質量進行評價分析，且分析結果的精度較高。
3 結 語
本文通過在圖書館的服務質量分析中引入人工神經網絡的相關理論和方法，對通過問卷調查法收集的樣本進行訓練和分析。試驗結果表明，本文構建的三層神經網絡模型可以很好地判斷出不同圖書館的不同服務質量水平，采用此方法可以大大提高對圖書館服務質量的評價效率。
參考文獻
[1] 孫飛.精通Matlab神經網絡[M].北京：中國計算機工業出版社，2014.
[2] 劉洋.神經網絡技術在高校教學水平評價中的應用[J].教育與教學，2015（1）：122?128.
[3] 陳慶梅.圖書館讀者滿意度模型的建立[J].大學圖書情報學刊，2006，24（6）：73?75.
[4] 周瑛，劉天嬌.基于神經網絡的高校圖書館知識服務評價體系研究[J].情報理論與實踐，2013，36（2）：55?59.
