高校設(shè)計課程與多種因素相關(guān)聯(lián),因素之間互相影響,使得高校設(shè)計課程教學(xué)效果面臨巨大挑戰(zhàn)。為了提高高校設(shè)計課程教學(xué)效果預(yù)測精度,針對當(dāng)前高校設(shè)計課程效果預(yù)測過程中存在的一些難題,提出大數(shù)據(jù)時代的高校設(shè)計課程教學(xué)效果預(yù)測模型。首先,采集大量的高校設(shè)計課程教學(xué)效果歷史數(shù)據(jù),通過專家將高校設(shè)計課程教學(xué)效果劃分為多個等級;然后,引入大數(shù)據(jù)分析技術(shù)對高校設(shè)計課程教學(xué)效果歷史數(shù)據(jù)進(jìn)行建模與預(yù)測,構(gòu)建高校設(shè)計課程教學(xué)效果預(yù)測模型,并對模型的參數(shù)進(jìn)行優(yōu)化;最后,對多個學(xué)校的設(shè)計課程教學(xué)效果數(shù)據(jù)進(jìn)行仿真模擬測試。結(jié)果表明,該模型的高校設(shè)計課程教學(xué)效果預(yù)測精度超過90%,可將高校設(shè)計課程教學(xué)效果預(yù)測誤差控制在10%以內(nèi),在相同條件下,預(yù)測精度遠(yuǎn)遠(yuǎn)超過其他模型的高校設(shè)計課程教學(xué)效果預(yù)測模型,可以滿足高校設(shè)計相關(guān)課程教學(xué)管理的要求。 

【文章來源】：現(xiàn)代電子技術(shù). 2020,43(21)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

高校設(shè)計課程教學(xué)效果預(yù)測的重要影響因素

傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)存在收斂速度慢、解決問題效率低等難題，而極限學(xué)習(xí)機(jī)是一種新型的大數(shù)據(jù)分析算法，在學(xué)習(xí)過程中不需要計算輸入權(quán)值和閾值，克服了人工神經(jīng)網(wǎng)絡(luò)工作速度低的缺陷，因此本文引入其進(jìn)行高校設(shè)計課程教學(xué)效果預(yù)測的建模。從本質(zhì)上講，極限學(xué)習(xí)機(jī)是一種新型的人工神經(jīng)網(wǎng)絡(luò)，與其他神經(jīng)網(wǎng)絡(luò)具有相似的結(jié)構(gòu)，具體如圖2所示。訓(xùn)練集用(x,t)表示，a和b分別表示極限學(xué)習(xí)機(jī)的輸入權(quán)值和隱含層閾值，隱含層節(jié)點(diǎn)數(shù)為L，那么極限學(xué)習(xí)機(jī)可以表示為：

將表3的高校設(shè)計課程教學(xué)效果預(yù)測實(shí)驗(yàn)的測試數(shù)據(jù)根據(jù)3∶1的比例劃分為訓(xùn)練樣本和驗(yàn)證樣本，分析統(tǒng)計訓(xùn)練樣本和驗(yàn)證樣本的擬合精度和預(yù)測精度，同時計算它們的擬合誤差和預(yù)測誤差，具體結(jié)果分別如圖3和圖4所示。從圖3可以看出，高校設(shè)計課程教學(xué)效果預(yù)測實(shí)驗(yàn)的擬合精度要高于預(yù)測精度，這與實(shí)際情況相符，而且精度均超過了88%，說明本文模型具有較好的擬合效果，同時可以對未來高校設(shè)計課程教學(xué)效果進(jìn)行準(zhǔn)確預(yù)測。

【參考文獻(xiàn)】：
期刊論文
[1]教育評價理論視角下應(yīng)用型本科院校教學(xué)質(zhì)量保障體系構(gòu)建[J]. 張塔洪.  教育與職業(yè). 2019(18)
[2]采用粒子群算法的熱電廠熱電負(fù)荷分配優(yōu)化[J]. 王珊,劉明,嚴(yán)俊杰.  西安交通大學(xué)學(xué)報. 2019(09)
[3]課堂教學(xué)評價數(shù)據(jù)挖掘與分析[J]. 劉堅,黃鈺瑩,顏李朝.  湖南師范大學(xué)教育科學(xué)學(xué)報. 2019(02)
[4]基于學(xué)分制模式的教學(xué)質(zhì)量保證體系的構(gòu)建[J]. 朱濤,冷士良.  實(shí)驗(yàn)技術(shù)與管理. 2019(04)
[5]基于模糊綜合評價法的大學(xué)物理MOOC教學(xué)質(zhì)量評價[J]. 趙馨蕊,周雨青.  高等工程教育研究. 2019(01)
[6]馬爾科夫鏈在高等數(shù)學(xué)教學(xué)效果評價中的應(yīng)用[J]. 董慶華,王成偉.  數(shù)學(xué)的實(shí)踐與認(rèn)識. 2018(08)
[7]基于大數(shù)據(jù)的高校教學(xué)質(zhì)量評價體系構(gòu)建[J]. 馬星,王楠.  清華大學(xué)教育研究. 2018(02)
[8]基于行為序列的學(xué)習(xí)過程分析與學(xué)習(xí)效果預(yù)測[J]. 江波,高明,陳志翰,王小霞.  現(xiàn)代遠(yuǎn)程教育研究. 2018(02)
[9]基于GA和BP神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評價模型研究[J]. 岳琪,溫新.  內(nèi)蒙古大學(xué)學(xué)報(自然科學(xué)版). 2018(02)
[10]優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的高校教學(xué)質(zhì)量評價模型[J]. 范巖,馬立平.  統(tǒng)計與決策. 2018(02)



本文編號：3526220