高校教學(xué)質(zhì)量評(píng)價(jià)是高校教學(xué)管理過(guò)程中的重要環(huán)節(jié),其受到諸多因素的影響,并且它的評(píng)價(jià)指標(biāo)與教學(xué)質(zhì)量之間是復(fù)雜抽象的非線(xiàn)性關(guān)系。然而,現(xiàn)有評(píng)價(jià)方法和模型存在主觀性和隨機(jī)性太強(qiáng)、指標(biāo)權(quán)重確定難、易出現(xiàn)過(guò)擬合、收斂速度慢、計(jì)算能力弱等問(wèn)題。此外,評(píng)價(jià)指標(biāo)體系多集中于教學(xué)態(tài)度、教學(xué)內(nèi)容、教學(xué)方法等,很少考慮教學(xué)前準(zhǔn)備和教學(xué)過(guò)程中教學(xué)情況而導(dǎo)致評(píng)價(jià)缺乏全面性。因此,如何構(gòu)建模型客觀、真實(shí)、全面、準(zhǔn)確地評(píng)價(jià)高校教學(xué)質(zhì)量不僅有助于提高教學(xué)質(zhì)量、促進(jìn)教學(xué)目標(biāo)不斷完善并提升教育決策科學(xué)化,而且還有利于推動(dòng)高校教學(xué)管理走向規(guī)范化和智能化。為解決高校教學(xué)質(zhì)量評(píng)價(jià)這個(gè)復(fù)雜的非線(xiàn)性問(wèn)題,本文對(duì)神經(jīng)網(wǎng)絡(luò)模型和高校教學(xué)質(zhì)量評(píng)價(jià)進(jìn)行深入研究。鑒于現(xiàn)有研究存在的不足,本文提出自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)模型和DDAE-SVR深度神經(jīng)網(wǎng)絡(luò)模型評(píng)價(jià)高校教學(xué)質(zhì)量,其中DDAE-SVR是以深度降噪自動(dòng)編碼器（DDAE）進(jìn)行無(wú)監(jiān)督訓(xùn)練、支持向量回歸（SVR）進(jìn)行有監(jiān)督預(yù)測(cè)的深度神經(jīng)網(wǎng)絡(luò)。本文主要研究貢獻(xiàn)有以下兩點(diǎn):（1）提出自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)模型（Adaptive-BPNN）。該模型引入自適應(yīng)學(xué)習(xí)率、動(dòng)量項(xiàng)改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的梯度下降法以提高... 

【文章來(lái)源】：河南大學(xué)河南省

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Sigmoid函數(shù)曲線(xiàn)圖

限玻爾茲曼機(jī)模型，只需要得到 = , , ， 是可見(jiàn)層與隱藏權(quán)重，而 和 分別表示可見(jiàn)層和隱藏層單元的偏置。對(duì)于一組給定的 的能量公式是：( , | ) = 能量函數(shù)指數(shù)化和正則化后可以得到可見(jiàn)層單元和隱藏層單元分別(v，h)聯(lián)合概率分布( , | ) =( , | )( ) , ( ) =( , | ), ， ( )為歸一化因子，由公式（2-25）進(jìn)而可以求得可見(jiàn)層單元和隱。隨后 Hinton 于 2006 年提出了深度置信神經(jīng)網(wǎng)絡(luò)模型，深度置信網(wǎng)為一種貝葉斯概率生成模型[59]，它是由多個(gè)受限玻爾茲曼機(jī)堆疊起來(lái)進(jìn)行訓(xùn)練構(gòu)成的。其結(jié)構(gòu)如圖 2-7 所示：

圖 3-2 隱藏層神經(jīng)元個(gè)數(shù)選取為保證模型在訓(xùn)練過(guò)程中的收斂速度，本實(shí)驗(yàn)從(1,1.3]和[0.5,1)中選取學(xué)習(xí)率的增長(zhǎng)比和下降比的組合。模型的隱藏層神經(jīng)元個(gè)數(shù)為 15，訓(xùn)練函數(shù)設(shè)為自適應(yīng)學(xué)習(xí)率和動(dòng)量項(xiàng)的梯度下降法，動(dòng)量項(xiàng)設(shè)為 0.85。將訓(xùn)練數(shù)據(jù)集輸入模型進(jìn)行訓(xùn)練得到穩(wěn)定模型，并將測(cè)試數(shù)據(jù)集輸入進(jìn)行驗(yàn)證。當(dāng)模型以不同學(xué)習(xí)率的增長(zhǎng)比和下降比組合變化時(shí)，MSE 和預(yù)測(cè)準(zhǔn)確率的變化曲線(xiàn)圖如圖 3-3 所示。從圖中可知，當(dāng)學(xué)習(xí)率的增長(zhǎng)比相同時(shí)，隨著其下降比的增加，獲取模型的 MSE、預(yù)測(cè)準(zhǔn)確率是以波動(dòng)的形式跳躍變化；當(dāng)學(xué)習(xí)率的下降比相同時(shí)，其增長(zhǎng)比的增加使得模型的 MSE、預(yù)測(cè)準(zhǔn)確率是先增加后降低。從圖中數(shù)據(jù)分析對(duì)比可知，當(dāng)學(xué)習(xí)率的自適應(yīng)比為 1.2、下降比為 0.85 時(shí)，模型在測(cè)試數(shù)據(jù)集中的 MSE、預(yù)測(cè)準(zhǔn)確率最佳。

【參考文獻(xiàn)】：
期刊論文
[1]大數(shù)據(jù)驅(qū)動(dòng)教育變革的理論路徑與應(yīng)用思考——首屆中國(guó)教育大數(shù)據(jù)發(fā)展論壇探析[J]. 孟志遠(yuǎn),盧瀟,胡凡剛.  遠(yuǎn)程教育雜志. 2017(02)
[2]基于粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的養(yǎng)腸胃菜譜判定[J]. 張璐,雷雪梅.  計(jì)算機(jī)科學(xué). 2016(S2)
[3]改進(jìn)粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的目標(biāo)威脅估計(jì)[J]. 黃璇,郭立紅,李姜,于洋.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2017(03)
[4]基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的課堂教學(xué)質(zhì)量評(píng)價(jià)模型研究[J]. 葛春,王虹,常偉,吳曉露.  無(wú)線(xiàn)電工程. 2016(06)
[5]人工蜂群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)在入侵檢測(cè)中的應(yīng)用[J]. 沈夏炯,王龍,韓道軍.  計(jì)算機(jī)工程. 2016(02)
[6]多元統(tǒng)計(jì)分析在外語(yǔ)教學(xué)質(zhì)量評(píng)價(jià)中的應(yīng)用[J]. 胡帥,姜華,曲巍巍.  現(xiàn)代電子技術(shù). 2015(15)
[7]模糊層次分析法在課堂教學(xué)質(zhì)量評(píng)價(jià)中的應(yīng)用[J]. 黃煜棟,陳蘭生.  中國(guó)教育信息化. 2015(14)
[8]聯(lián)合收獲機(jī)慣性分離室工藝參數(shù)優(yōu)化——基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)[J]. 孫栩,王福林,文士發(fā).  農(nóng)機(jī)化研究. 2014(09)
[9]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽(yáng)明,王正.  計(jì)算機(jī)應(yīng)用研究. 2012(08)
[10]基于模糊層次分析法的教學(xué)質(zhì)量評(píng)價(jià)研究[J]. 黃閩英,牟銳.  西南民族大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(03)

碩士論文
[1]聚類(lèi)分析在高校課堂教學(xué)質(zhì)量評(píng)價(jià)中的應(yīng)用[D]. 唐成成.重慶師范大學(xué) 2017
[2]基于深度神經(jīng)網(wǎng)絡(luò)的遙感圖像變化檢測(cè)[D]. 楚巖.南京理工大學(xué) 2017
[3]基于支持向量機(jī)的高校課堂教學(xué)質(zhì)量評(píng)價(jià)研究[D]. 吳恩英.重慶師范大學(xué) 2016
[4]基于深度置信網(wǎng)絡(luò)的說(shuō)話(huà)人識(shí)別研究與實(shí)現(xiàn)[D]. 王家良.南京郵電大學(xué) 2015
[5]基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)的教師教學(xué)質(zhì)量評(píng)價(jià)研究[D]. 佘亮.中南大學(xué) 2011
[6]BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)研究及應(yīng)用[D]. 劉天舒.東北農(nóng)業(yè)大學(xué) 2011



本文編號(hào)：2935621