文档介绍：教学效果的BP神经网络评价摘要:对教师教学效果的考察是需要多角度进行评价,无论是学生为教师打分,还是督导组的评议,给出的评价是带有一些主观因素,合理建立评价体系,将各个评价指标客观化,使用综合评价向量作为输入,经由BP神经网络输出得到合理的分数。实验仿真表明,通过训练的BP反向传播网络可模拟一个稳定的评价系统。关键词:BP神经网络;模糊矩阵;教学评价中图分类号:TP183文献标识码:A文章编号:2095-2163(2013)06-0060-030引言教师教学效果的审核评定是高校教学中的重要工作。传统的考核方法或者只是由学生填写调查表,给教师划分等级,进行定性描述,或者是由督导组根据几堂课的听评给教师的课堂教学打出一个分值。无论是哪种方法都不能全面客观地对教学工作做出科学评定。而且传统的考核方法受主观因素影响较大,学生在对教师的评判中常会加入多种因素,各种因素之间的影响也各不相同,仅以学生或仅凭督导团的评定来实施评判显然已不尽合理。因此,建立一种能尽量排除各种主观因素的干扰,同时又具有完善且稳定的评价体系的评定方法则成为必要和重要的研究课题。本文构建一种教学效果评价体系,即对教师的评价从“教学态度”、“教学内容”、“教授方法”、“课堂效果”四大方面分项进行,无论是学生还是督导组均可据此评价体系给出相应评分。本文提出使用BP反向传播神经网络来构建一个稳定的评分系统,各项评分指标为网络输入,使用已训练完成的BP神经网络来模拟一个专家的打分经验,由此输出一个终值。BP神经网络通常是指基于误差反向传播算法的多层前向神经网络,由于BP网络的神经元采用的传递函数是Sigmoid型可微函数,因而可以实现输入和输出间的任意非线性映射[1]。由于BP神经网络本身就是一种高度复杂的非线性动力系统的辨识模型,并且BP神经网络具有逼近任意非线性函数的能力[2],因此使用BP神经网络进行评价将使结果更具客观性,以此来模拟一个稳定的评分系统亦将具备了现实实现基础。在本文提出的系统中,系统将评价体系中各组评分的分值作为反向传播神经网络的输入,使用BP网络运算后得出一个综合性的评分,即整个过程好似系统模拟一个经验颇丰的专家进行打分。其后,本文又通过数据测试验证了模型的评价结果与实际相符。1BP神经网络模型BP(BackPropagation)神经网络是基于误差反向传播的多层前向神经网络,即权值和阈值的调节规则采用了误差反向传播算法,这是一个有导师的神经元网络学习算法[2]。BP网络能学习和存储大量的输入输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。该网络的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层(input)、隐层(hidelayer)和输出层(outputlayer)。其中的隐层可扩展为多层。只要在隐层中有足够数量的神经元,就可使用这种网络来逼近任何一个函数[3]。一个典型的BP网络结构如图1所示。2评价模型的构建本文构建了一套评价体系,使用一套客观标准进行量化表达,且该体系适用于大多数学校的教学评价。评价项目中,各项指标的取值范围为[0,10]。多位专家将根据评价体系方案为每一位参评教师填表打分,经过汇总后,每一个教师的教学情况评分将和一个评价矩阵A对应。列向量x为各个项目指标,行向