BP神经网络及其在教学质量评价中 的应用

本文学习笔记是自己的理解，如有错误的地方，请大家指正批评，共同进步，谢谢！

之前的教学质量评价，只是通过对教学指标的简单处理，如求平均值或人为的给出各指标的权值来加权求和，其评价结果带有很大主观性。利用BP神经网络建立教学质量评价系统的模型,通过调查分析得到教学评价指标，将其标量化成确定的数据作为其输入,用BP神经网络训练后作为实际输出，将之前得到的教学效果作为期望输出。比较期望输出与实际输出的误差。当误差达到期望的最小值时，认为训练成功。训练成功后可以得到比较准确的权值和阈值，用训练成功后的网络处理另一组新得到的教学评价指标，得到教学质量评价结果。该方法用于教学质量评价中,既克服了专家在评价过程中的主观因素,又得到了满意的评价结果,具有广泛的适用性。

1、BP神经网络介绍

BP神经网络是加州大学的Rumelhart和Mcclelland提出的一种人工神经网络学习算法，是一种按照误差逆向传播算法训练的神经网络。其学习规则为：使用梯度下降法，通过误差反向传播不断调整网络的权值和阈值，使网络的误差平方和最小。从本质上说,这是一类由大量信息处理单元通过广泛联结而构成的动态信息处理系统。
BP神经网络包括信息的正向传播和误差的反向传播两个过程。信息的正向传播：将教学评价指标各数据通过网络的输入层输入网络，

入层反传，周而复始，直至误差达到期望最小，认为网络训练成功。之后就可以利用训练好的网络处理新的教学质量指标，得到准确的教学质量评价结果。
BP神经网络逻辑结构图如下：

2、BP神经网络的教学质量评价模型应用

教学评价指标（每个指标打分范围0-10）：x1：为人师表, 以自身行为影响学生；x2：作业适量、批改认真、耐心答疑；x3：激发学生兴趣、启发创新思维；x4：教师衣着、言谈举止及精神状态；x5：教学态度与教学技巧；x6：讲授重点突出、条理清晰；x7：能够把复杂问题清楚地表达；x8：引导学生探讨、解决问题；x9：注重教学互动、师生交流；x10：充分利用现代化教学手段。
(1) 输入层神经元个数的确定
根据我们调查中的的教学评价指标, 一共有10个指标, 可将这10个指标作为模型的输入神经元, 所以输入层神经元个数n= 10.

(2) 输出层神经元个数的确定
我们将评价结果作为网络的输出, 输出层个数m=1