教學(xué)質(zhì)量的提升是中國教育實(shí)現(xiàn)現(xiàn)代化必不可少的一部分,教學(xué)質(zhì)量評價(jià)的科學(xué)性、合理性和及時(shí)性的改善具有關(guān)鍵性的作用。而傳統(tǒng)的教學(xué)質(zhì)量評價(jià)方法本身具有的局限性使其飽受爭議,因此,建立一種科學(xué)合理的教學(xué)質(zhì)量評價(jià)模型對高校本科教師教學(xué)質(zhì)量進(jìn)行評價(jià)很有必要。本文主要工作包括:（1）依據(jù)構(gòu)建完善的教學(xué)質(zhì)量評價(jià)體系的原則,首先分析了以往教學(xué)質(zhì)量評價(jià)方法的優(yōu)缺點(diǎn),其次總結(jié)目前某高校教學(xué)質(zhì)量評價(jià)體系存在的問題,在此基礎(chǔ)上,對某高校現(xiàn)有教學(xué)質(zhì)量評價(jià)體系的局限性進(jìn)行改善,形成較為科學(xué)合理的教學(xué)質(zhì)量評價(jià)體系。（2）基于傳統(tǒng)遺傳算法,提出了自適應(yīng)變異的算法,改進(jìn)的過程是在其尋找全局最優(yōu)解的變異操作過程中,采用自適應(yīng)的變異概率,在群體獲得不同的適應(yīng)度值時(shí),適時(shí)的采用不同的變異概率,以達(dá)到增強(qiáng)或減少群體多樣性和優(yōu)良個(gè)體的數(shù)目的目的,增強(qiáng)了遺傳算法的搜索全局最優(yōu)解的能力。（3）利用自適應(yīng)變異的遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值。由于BP神經(jīng)網(wǎng)絡(luò)對初始權(quán)值和閾值的依賴性很強(qiáng),利用改進(jìn)后的遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值,減少BP神經(jīng)網(wǎng)絡(luò)尋找滿足訓(xùn)練終止條件的權(quán)值和閾值的時(shí)間,提高神經(jīng)網(wǎng)絡(luò)對教學(xué)質(zhì)量評價(jià)結(jié)果的... 

【文章來源】：東北林業(yè)大學(xué)黑龍江省 211工程院校 教育部直屬院校

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖４－１?ＢＰ神經(jīng)網(wǎng)絡(luò)流程圖??４．２．１?ＢＰ神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)??（１）網(wǎng)絡(luò)的層數(shù)及節(jié)點(diǎn)數(shù)的確定??具有偏差的網(wǎng)絡(luò)，如果含有Ｓ型隱含層以及一個(gè)線性輸出層可以逼近任意有理數(shù)

迭代參???＜?結(jié)束??圖４－１?ＢＰ神經(jīng)網(wǎng)絡(luò)流程圖??４．２．１?ＢＰ神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)??（１）網(wǎng)絡(luò)的層數(shù)及節(jié)點(diǎn)數(shù)的確定??具有偏差的網(wǎng)絡(luò)，如果含有Ｓ型隱含層以及一個(gè)線性輸出層可以逼近任意有理數(shù)。??其中，層數(shù)越多，則所得到的結(jié)果越準(zhǔn)確，但是層數(shù)的增加，計(jì)算量也隨之增加，因??此，訓(xùn)練周期會(huì)增加。具有單隱層的前饋神經(jīng)網(wǎng)絡(luò)能夠映射所有的連續(xù)函數(shù)，只有當(dāng)學(xué)??習(xí)不連續(xù)函數(shù)的時(shí)候，才需要兩個(gè)隱層，所以多層前饋神經(jīng)網(wǎng)絡(luò)最多只需要兩個(gè)隱層。??在設(shè)計(jì)多層前饋神經(jīng)網(wǎng)絡(luò)時(shí)，一般來說，先考慮設(shè)置一個(gè)隱含層。隱含層的節(jié)點(diǎn)數(shù)量足??夠多，網(wǎng)絡(luò)性能并未改善的情況下，訓(xùn)練成本會(huì)隨著增加，才會(huì)考慮增加隱含層數(shù)目，??所以，本文先嘗試使用一個(gè)隱含層。??輸入層接收由外部輸入的數(shù)據(jù)

５測試與分析ａｔｌａｂ２０１３ｂ實(shí)現(xiàn)基于改進(jìn)遺傳算法優(yōu)化ＢＰ神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評價(jià)９０１組？第１０００組的教學(xué)質(zhì)量評價(jià)結(jié)果，得到圖５－１？圖５－７。比較發(fā)現(xiàn)，遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型前３０次迭代均方誤差下降較快，代較緩慢，在迭代８７次后收斂，均方誤差收斂在８．６０６６ｅ－０８。經(jīng)過法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型第１代迭代速度較快，第２到第８代速度較緩９次迭代，均方誤差收斂在３．３８９３ｅ－１２，?一定程度上提高了?ＢＰ神經(jīng)收斂精度。收斂速度較遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型提高了?７９．３１％，倍，表明利用自適應(yīng)變異ＧＡ優(yōu)化ＢＰＮＮ不但能夠加快網(wǎng)絡(luò)的收斂速模型的預(yù)測精度。??Ｂｅｓｔ?Ｔｒａｉｎｉｎｇ?Ｐｅｒｆｏｒｍａｎｃｅ?ｉｓ?８．６０６６ｅ－０８?ａｔ?ｅｐｏｃｈ?８７??２

【參考文獻(xiàn)】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中的應(yīng)用[J]. 圣文順,孫艷文.  軟件工程. 2019(02)
[2]中國高等農(nóng)業(yè)教育發(fā)展的歷程、現(xiàn)狀與路徑[J]. 朱以財(cái),劉志民,張松.  高教發(fā)展與評估. 2019(01)
[3]基于模糊綜合評價(jià)法的大學(xué)物理MOOC教學(xué)質(zhì)量評價(jià)[J]. 趙馨蕊,周雨青.  高等工程教育研究. 2019(01)
[4]用于高血壓菜譜識(shí)別的基于遺傳算法的改進(jìn)XGBoost模型[J]. 雷雪梅,謝依彤.  計(jì)算機(jī)科學(xué). 2018(S1)
[5]基于遺傳算法的模糊RBF神經(jīng)網(wǎng)絡(luò)對遙感圖像分類[J]. 楊劍,宋超峰,宋文愛,張濤.  小型微型計(jì)算機(jī)系統(tǒng). 2018(03)
[6]改進(jìn)遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的語音情感識(shí)別[J]. 陳闖,Ryad Chellali,邢尹.  計(jì)算機(jī)應(yīng)用研究. 2019(02)
[7]基于熵值法的加權(quán)最小二乘支持向量機(jī)[J]. 劉暢,范彬.  計(jì)算機(jī)科學(xué). 2017(S2)
[8]基于動(dòng)態(tài)選擇性集成學(xué)習(xí)的供應(yīng)鏈產(chǎn)銷協(xié)商優(yōu)化策略[J]. 武玉英,嚴(yán)勇,蔣國瑞.  計(jì)算機(jī)工程. 2017(05)
[9]基于遺傳算法的交叉口信號(hào)控制多目標(biāo)優(yōu)化[J]. 李振龍,董文會(huì),韓建龍,朱明浩.  計(jì)算機(jī)應(yīng)用. 2016(S2)
[10]傳統(tǒng)TOPSIS法和熵權(quán)TOPSIS法在東部地區(qū)中醫(yī)藥事業(yè)發(fā)展現(xiàn)狀評價(jià)的應(yīng)用[J]. 沈雅萍,丁方然,石詩雯,洪寶林.  中醫(yī)藥導(dǎo)報(bào). 2016(22)

博士論文
[1]H省新建本科院校教學(xué)質(zhì)量改進(jìn)研究[D]. 王鑫.哈爾濱師范大學(xué) 2016
[2]醫(yī)學(xué)碩士研究生PBL評價(jià)體系優(yōu)化及教學(xué)效果影響因素研究[D]. 祖雅瓊.天津醫(yī)科大學(xué) 2016
[3]研究型大學(xué)本科教學(xué)質(zhì)量保證體系研究[D]. 蔡紅梅.華中科技大學(xué) 2014

碩士論文
[1]應(yīng)用型本科院校實(shí)踐教學(xué)體系建設(shè)研究[D]. 白雪.東北石油大學(xué) 2017
[2]高校本科課堂有效教學(xué)影響因素實(shí)證研究[D]. 高艷麗.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2017
[3]基于BP神經(jīng)網(wǎng)絡(luò)軍校教學(xué)質(zhì)量評價(jià)系統(tǒng)[D]. 于權(quán).大連理工大學(xué) 2016



本文編號(hào)：2952055