高校教學質量評價是高校教學管理過程中的重要環(huán)節(jié),其受到諸多因素的影響,并且它的評價指標與教學質量之間是復雜抽象的非線性關系。然而,現(xiàn)有評價方法和模型存在主觀性和隨機性太強、指標權重確定難、易出現(xiàn)過擬合、收斂速度慢、計算能力弱等問題。此外,評價指標體系多集中于教學態(tài)度、教學內容、教學方法等,很少考慮教學前準備和教學過程中教學情況而導致評價缺乏全面性。因此,如何構建模型客觀、真實、全面、準確地評價高校教學質量不僅有助于提高教學質量、促進教學目標不斷完善并提升教育決策科學化,而且還有利于推動高校教學管理走向規(guī)范化和智能化。為解決高校教學質量評價這個復雜的非線性問題,本文對神經網絡模型和高校教學質量評價進行深入研究。鑒于現(xiàn)有研究存在的不足,本文提出自適應BP神經網絡模型和DDAE-SVR深度神經網絡模型評價高校教學質量,其中DDAE-SVR是以深度降噪自動編碼器（DDAE）進行無監(jiān)督訓練、支持向量回歸（SVR）進行有監(jiān)督預測的深度神經網絡。本文主要研究貢獻有以下兩點:（1）提出自適應BP神經網絡模型（Adaptive-BPNN）。該模型引入自適應學習率、動量項改進BP神經網絡的梯度下降法以提高... 

【文章來源】：河南大學河南省

【文章頁數】：68 頁

【學位級別】：碩士

【部分圖文】：

Sigmoid函數曲線圖

限玻爾茲曼機模型，只需要得到 = , , ， 是可見層與隱藏權重，而 和 分別表示可見層和隱藏層單元的偏置。對于一組給定的 的能量公式是：( , | ) = 能量函數指數化和正則化后可以得到可見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）進而可以求得可見層單元和隱。隨后 Hinton 于 2006 年提出了深度置信神經網絡模型，深度置信網為一種貝葉斯概率生成模型[59]，它是由多個受限玻爾茲曼機堆疊起來進行訓練構成的。其結構如圖 2-7 所示：

圖 3-2 隱藏層神經元個數選取為保證模型在訓練過程中的收斂速度，本實驗從(1,1.3]和[0.5,1)中選取學習率的增長比和下降比的組合。模型的隱藏層神經元個數為 15，訓練函數設為自適應學習率和動量項的梯度下降法，動量項設為 0.85。將訓練數據集輸入模型進行訓練得到穩(wěn)定模型，并將測試數據集輸入進行驗證。當模型以不同學習率的增長比和下降比組合變化時，MSE 和預測準確率的變化曲線圖如圖 3-3 所示。從圖中可知，當學習率的增長比相同時，隨著其下降比的增加，獲取模型的 MSE、預測準確率是以波動的形式跳躍變化；當學習率的下降比相同時，其增長比的增加使得模型的 MSE、預測準確率是先增加后降低。從圖中數據分析對比可知，當學習率的自適應比為 1.2、下降比為 0.85 時，模型在測試數據集中的 MSE、預測準確率最佳。

【參考文獻】：
期刊論文
[1]大數據驅動教育變革的理論路徑與應用思考——首屆中國教育大數據發(fā)展論壇探析[J]. 孟志遠,盧瀟,胡凡剛.  遠程教育雜志. 2017(02)
[2]基于粒子群優(yōu)化BP神經網絡的養(yǎng)腸胃菜譜判定[J]. 張璐,雷雪梅.  計算機科學. 2016(S2)
[3]改進粒子群優(yōu)化BP神經網絡的目標威脅估計[J]. 黃璇,郭立紅,李姜,于洋.  吉林大學學報(工學版). 2017(03)
[4]基于改進BP神經網絡的課堂教學質量評價模型研究[J]. 葛春,王虹,常偉,吳曉露.  無線電工程. 2016(06)
[5]人工蜂群優(yōu)化的BP神經網絡在入侵檢測中的應用[J]. 沈夏炯,王龍,韓道軍.  計算機工程. 2016(02)
[6]多元統(tǒng)計分析在外語教學質量評價中的應用[J]. 胡帥,姜華,曲巍巍.  現(xiàn)代電子技術. 2015(15)
[7]模糊層次分析法在課堂教學質量評價中的應用[J]. 黃煜棟,陳蘭生.  中國教育信息化. 2015(14)
[8]聯(lián)合收獲機慣性分離室工藝參數優(yōu)化——基于改進BP神經網絡[J]. 孫栩,王福林,文士發(fā).  農機化研究. 2014(09)
[9]深度學習研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計算機應用研究. 2012(08)
[10]基于模糊層次分析法的教學質量評價研究[J]. 黃閩英,牟銳.  西南民族大學學報(自然科學版). 2012(03)

碩士論文
[1]聚類分析在高校課堂教學質量評價中的應用[D]. 唐成成.重慶師范大學 2017
[2]基于深度神經網絡的遙感圖像變化檢測[D]. 楚巖.南京理工大學 2017
[3]基于支持向量機的高校課堂教學質量評價研究[D]. 吳恩英.重慶師范大學 2016
[4]基于深度置信網絡的說話人識別研究與實現(xiàn)[D]. 王家良.南京郵電大學 2015
[5]基于改進的BP神經網絡的教師教學質量評價研究[D]. 佘亮.中南大學 2011
[6]BP神經網絡的改進研究及應用[D]. 劉天舒.東北農業(yè)大學 2011



本文編號：2935621