近年來出現(xiàn)的粒子群優(yōu)化算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合,可以有效地提升全局搜索最優(yōu)的能力,同時(shí)也提升了收斂的速度。將粒子群算法與神經(jīng)網(wǎng)絡(luò)結(jié)合應(yīng)用于英語教學(xué),通過對(duì)提取的學(xué)生翻譯樣本進(jìn)行學(xué)習(xí)訓(xùn)練,用訓(xùn)練好的粒子群優(yōu)化的神經(jīng)網(wǎng)絡(luò)模型對(duì)學(xué)生的英語翻譯能力進(jìn)行正確程度的分析,幫助教師估計(jì)學(xué)生的翻譯能力水平,為下一步的教學(xué)提供參考。深入從粒子群優(yōu)化算法的數(shù)學(xué)模型和算法流程何人工神經(jīng)網(wǎng)絡(luò)模型的基本原理出發(fā),提出了學(xué)習(xí)能力分析模型,確定該模型的神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和隱藏層的節(jié)點(diǎn)數(shù)。案例應(yīng)用結(jié)果表明,該研究模型可以促進(jìn)英語翻譯教學(xué)質(zhì)量的提高和教學(xué)相長(zhǎng)。 

【文章來源】：科學(xué)技術(shù)與工程. 2020,20(18)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1 粒子群優(yōu)化的步驟

在英語翻譯的教學(xué)過程中,如何獲得客觀的數(shù)據(jù)并利用這些數(shù)據(jù)進(jìn)行正確的分析是非常重要的。因此,提出一個(gè)應(yīng)用模型來分析學(xué)生在英語翻譯教學(xué)過程中的學(xué)習(xí)能力,即學(xué)習(xí)能力分析模型,如圖2所示。學(xué)習(xí)能力分析模型的目的是分析學(xué)生在英語翻譯學(xué)習(xí)過程中的一些與學(xué)習(xí)相關(guān)的特點(diǎn),通過分析得出學(xué)生學(xué)習(xí)狀態(tài)的相關(guān)信息,并且利用分析的結(jié)果,為學(xué)生制定有針對(duì)性的教學(xué)任務(wù),從而促進(jìn)英語翻譯教學(xué)的發(fā)展。在數(shù)據(jù)采集階段,主要通過問卷調(diào)查的方式進(jìn)行初步的數(shù)據(jù)采集。在數(shù)據(jù)提取階段,需要對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理,消除無用數(shù)據(jù)對(duì)整個(gè)分析過程的干擾。由于原始數(shù)據(jù)的部分缺失和遺漏,不完整,需要按照一定的標(biāo)準(zhǔn)填寫填充過程,然后將處理后的數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行分析。

式(3)中:J為隱藏層節(jié)點(diǎn)數(shù);M為輸出層節(jié)點(diǎn)數(shù);N為輸入層節(jié)點(diǎn)數(shù)。根據(jù)式(3)可以得到網(wǎng)絡(luò)訓(xùn)練次數(shù)與隱藏層節(jié)點(diǎn)數(shù)之間的關(guān)系。為了簡(jiǎn)化兩者之間的關(guān)系,繪制網(wǎng)絡(luò)訓(xùn)練次數(shù)和隱藏層節(jié)點(diǎn)數(shù)。如圖3所示,當(dāng)神經(jīng)網(wǎng)絡(luò)隱藏層的節(jié)點(diǎn)數(shù)為4時(shí),整個(gè)網(wǎng)絡(luò)模型的訓(xùn)練次數(shù)最短。2.3 基于粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的應(yīng)用求解


本文編號(hào)：3371005