基于BP神经网络的高校课堂教学质量评价系统的研究与实现

发布时间：2017-05-09 18:09

  本文关键词：基于BP神经网络的高校课堂教学质量评价系统的研究与实现，由笔耕文化传播整理发布。

【摘要】： 如何提高高等教育的教学质量,已经成为当前高等教育的工作重点。而在高校,课堂教学仍是实施教育的主渠道,其质量在很大程度上反映并决定着高校的教育质量。教学评估是提高教育教学质量的关键举措,因此制定科学,合理的高校课堂教学质量评价体系就显得尤为重要。 教学是综合了教与学的动态过程,影响教学质量的因素很多,加上这些因素的影响程度也不一样,因此,评价结果很难用一个数学解析式来表示,它属于非线性的分类问题,这给综合评价带来了很大的困难。在以往的评价体系中,多是采用直接建立评价系统的数学模型,如加权平均法、层次分析法、模糊综合评判法等,这些方法在评估过程都要求影响因素(即评价指标)间具有线性关系,并且很难排除各种随机性和主观性,易造成评价结果失真和偏差。 人工神经网络作为一种新技术,凭借其本身具有的非线性处理、自适应学习、高度容错能力等特性在各类评估问题中得到了广泛的使用。 BP(BackProPagation)网络是人工神经网络众多类型中的一种,是一种多层前馈型网络,具有强大的非线性映射能力。考虑到高校课堂教学质量评价问题,实际上是一个比较复杂的、非线性综合决策问题,本文选用BP神经网络对其进行建模分析,并主要开展了以下研究工作: 1.分析了现有的课堂教学质量评价研究状况,集中在两个方面,一是对教学质量评价体系中的内容的研究;二是如何评定教学质量等级的方法的研究,并分析了各种评价方法的特点和局限性。 2.全面综合地介绍了神经网络知识,对BP网络模型的构建以及训练进行了系统的研究。介绍了BP算法存在的问题及几种改进的方法,详细分析了LMBP算法及其特点。 3.提出了分层优化课堂教学质量评价指标体系的设计,包括了全方位的教学质量评价主体的确定和根据高校和学科的特点分层优化教学质量评价指标体系的建立。 4.确定了高校课堂教学质量评估系统的神经网络评价模型,包括模型设计、网络结构、学习参数和学习算法。 5.在仿真软件MATLAB中进行验证,以学生评教子系统为例,实现了样本维护、神经网络训练以及神经网络评价等功能。并通过实验数据表明,神经网络用于教学质量评价完全可行,而且满足精度要求,确实为教学质量评价提供了方便实用的工具。 论文的最后总结了本文的研究工作,并讨论了一些未解决的问题以及进一步研究工作的前景。
【关键词】：人工神经网络 BP神经网络 LMBP算法 教学质量 评价
【学位授予单位】：浙江工业大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：G642.4;TP183
【目录】：

• 摘要5-7
• ABSTRACT7-11
• 第1章 绪论11-22
• 1.1 论文研究背景和意义11-13
• 1.1.1 研究的背景11-12
• 1.1.2 研究的意义12-13
• 1.1.3 概念的界定13
• 1.2 国内外研究现状与发展趋势13-20
• 1.2.1 国内外研究现状13-19
• 1.2.2 存在的问题与发展趋势19-20
• 1.3 本文的研究目标和内容20-21
• 1.3.1 研究目标20
• 1.3.2 研究内容20-21
• 1.4 本章小结21-22
• 第2章 LMBP神经网络介绍22-37
• 2.1 人工神经网络22-24
• 2.1.1 人工神经元22-23
• 2.1.2 神经网络类型23-24
• 2.2 BP神经网络24-32
• 2.2.1 BP神经网络的基本结构24-25
• 2.2.2 标准的BP神经网络学习算法25-28
• 2.2.3 BP神经网络的特点和应用28-29
• 2.2.4 BP神经网络存在的不足29-30
• 2.2.5 几种改进算法的介绍和比较30-32
• 2.3 Levenberg-Marquard BP改进算法介绍32-36
• 2.3.1 LMBP算法介绍32-35
• 2.3.2 LMBP算法的步骤35-36
• 2.4 本章小结36-37
• 第3章 课堂教学质量分层优化评价指标37-47
• 3.1 传统评价体系中存在的问题37-39
• 3.1.1 评价的主体单一37-38
• 3.1.2 评价的指标不全面38
• 3.1.3 评价的结果失真38-39
• 3.2 分层优化评价指标体系设计39-45
• 3.2.1 评价主体的确定39-41
• 3.2.2 分层优化评价指标体系的制定41-44
• 3.2.3 分层优化评价指标体系量表实现44-45
• 3.3 本章小结45-47
• 第4章 基于BP神经网络的教学质量评价模型47-57
• 4.1 BP神经网络用于教学质量评价的适用性47-48
• 4.2 基于BP神经网络的教学质量评价模型设计48-50
• 4.3 神经网络评价系统实例50-55
• 4.3.1 评价指标体系50-51
• 4.3.2 神经网络模型结构设计51-54
• 4.3.3 学习算法54-55
• 4.4 本章小结55-57
• 第5章 评价实例57-68
• 5.1 实验设计57
• 5.2 实验样本准备57-60
• 5.3 实验过程60-66
• 5.4 实验结果66-67
• 5.5 本章小结67-68
• 第6章 总结与展望68-70
• 6.1 论文总结68-69
• 6.2 展望69-70
• 参考文献70-73
• 附录73-86
• 附录1: 高职学生问卷调查73-75
• 附录2: 高职教师教学质量互评表75-76
• 附录3: 高职教师教学质量自评表76-77
• 附录4: 高职督导员课堂教学质量评价表77-78
• 附录5: 高职学生对教师教学质量评价表(理论类课程)78-79
• 附录6: 高职学生对教师教学质量评价表(实践类课程)79-80
• 附录7: 高职学生对教师教学质量评价表(艺术类课程)80-81
• 附录8: 高职学生对教师教学质量评价表(体育类课程)81-82
• 附录9: 高职学生学习情况互评表82-83
• 附录10: 高职学生学习情况自评表83-84
• 附录11: 高职督导课堂学风测评表84-85
• 附录12: 高职教师课堂学风测评表85-86
• 致谢86-87
• 攻读学位期间参加的科研项目和成果87

【相似文献】

中国期刊全文数据库 前10条

1 李国辉;;基于BP神经网络的“教学做一体”课程评价模型[J];高等职业教育(天津职业大学学报);2011年03期

2 李泉溪;孙朕;程凌雪;;基于BP神经网络的PID在压延机温控系统中的应用[J];安阳工学院学报;2011年02期

3 李晶;栾爽;尤明慧;;人工神经网络原理简介[J];现代教育科学;2010年S1期

4 王涛;;人工神经网络在水平井含水变化规律预测中的应用[J];中国石油大学胜利学院学报;2011年02期

5 杨丽丽;白艳萍;苗静;;基于BP神经网络的中学考试成绩分类*[J];机电技术;2011年03期

6 楚微玮;;基于智能控制应用系统的探讨[J];咸宁学院学报;2011年06期

7 陈国初;王鹏;徐余法;俞金寿;;基于小波分解的风电场短期功率混合预测模型[J];上海电机学院学报;2011年03期

8 胡心专;张亚明;;区域物流需求量预测实证研究[J];商业时代;2011年16期

9 赵兰荣;朱学芳;;地区人才创新能力建设水平的分析评价[J];公共管理高层论坛;2010年02期

10 舒展;;基于BP神经网络算法的三区电加热炉温度微机控制系统[J];九江职业技术学院学报;2011年02期

中国重要会议论文全文数据库 前10条

1 张琦;方应谦;;浅谈基于神经网络的图象识别[A];2001年中国智能自动化会议论文集（上册）[C];2001年

2 王晓琳;伍海华;;遗传算法和神经网络在汇率预测中的应用[A];2006中国控制与决策学术年会论文集[C];2006年

3 陈丽丹;叶琳浩;夏成军;张尧;;基于数据挖掘技术的入库流量预测研究应用[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（中册）[C];2008年

4 周桂霞;汪春;张伟;;基于人工神经网络深松机关键部件的参数优化[A];农业工程科技创新与建设现代农业——2005年中国农业工程学会学术年会论文集第一分册[C];2005年

5 王金平;余海涛;张丹平;;基于神经网络的智能信号处理软件的研制[A];2008'中国信息技术与应用学术论坛论文集（一）[C];2008年

6 林涛;胡国平;彭涌波;李为民;陈良中;;BP神经网络与GA算法的融合及应用[A];2003中国控制与决策学术年会论文集[C];2003年

7 廖宁放;吴文敏;窦柳明;杨卫平;;粉末涂料电脑配色的人工神经网络模型[A];大珩先生九十华诞文集暨中国光学学会2004年学术大会论文集[C];2004年

8 张晓晶;李畅游;李卫平;史小红;;基于BP神经网络的乌梁素海水质模型研究[A];第三届全国农业环境科学学术研讨会论文集[C];2009年

9 张昆实;;长湖水质富营养化的人工神经网络评价研究[A];湖北省物理学会、武汉物理学会2004’学术年会论文集[C];2004年

10 陈学群;李福林;狄成斌;;济南市岩溶水动态变化的神经网络模拟及泉水喷涌趋势预测[A];济南市水资源优化配置战略研究[C];2004年

中国重要报纸全文数据库 前10条

1 胡性慧　王唯赫 杨腾;人工神经网络拓宽版权贸易路径[N];中国知识产权报;2010年

2 张东方;沙明;杨松松;人工神经网络在中药领域中的应用[N];中国医药报;2003年

3 本报记者 靖九江 采写;人工神经网络在临床上的应用[N];中国医药报;2005年

4 苑希民（中国水利水电科学研究院决策支持技术研究室 主任） 李彦彬 徐建新（华北水利水电学院） 李鸿雁（北京理工大学管理与经济学院） 苑韶峰 吕军（浙江大学环境与资源学院）;人工神经网络 灵感源于大脑[N];中国水利报;2005年

5 记者 周前进;人工神经网络可筛查糖尿病[N];健康报;2000年

6 徐会川;延伸人类智力——人工神经网络[N];电脑报;2003年

7 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

8 本报记者 范毅波 张旭军;带上望远镜上路[N];网络世界;2005年

9 记者靖九江;发动e引擎 推动健康事业发展[N];中国医药报;2005年

10 刘友存;热轧带钢力学性能在线预测系统简介[N];中国冶金报;2007年

中国博士学位论文全文数据库 前10条

1 吴建发;优选压裂井方法研究[D];西南石油学院;2005年

2 李军红;冷轧带肋钢筋工艺的现代优化方法及质量控制[D];南昌大学;2006年

3 Han Qiang;[D];山东大学;2005年

4 申金山;基于人工神经网络的化学发光法及光度法在多组分同时测定中的应用研究[D];四川大学;2005年

5 张治国;人工神经网络及其在地学中的应用研究[D];吉林大学;2006年

6 王海瑞;密闭式城市生活垃圾直接气化熔融焚烧过程控制策略研究[D];昆明理工大学;2007年

7 刘传文;仿生优化算法在数字图像处理中的应用研究[D];武汉理工大学;2008年

8 刘永阔;核动力装置故障诊断智能技术的研究[D];哈尔滨工程大学;2006年

9 蒲秀娟;胎儿心电信号提取研究[D];重庆大学;2009年

10 O-炜;基于人工神经网络的混合智能系统研究及应用[D];哈尔滨工程大学;2009年

中国硕士学位论文全文数据库 前10条

1 汪茜;吉林省磐石市泥石流灾害预测研究[D];吉林大学;2007年

2 张阿妮;人工神经网络在物价预测中的应用研究[D];暨南大学;2008年

3 卢金秋;数据挖掘中的人工神经网络算法及应用研究[D];浙江工业大学;2006年

4 何志波;基于神经网络技术的分布式入侵检测系统研究[D];长春理工大学;2009年

5 杨治明;人工神经网络及其在图像识别中的应用研究[D];重庆大学;2003年

6 周雪倩;基于遗传神经网络的水质评价模型优化及应用[D];四川师范大学;2008年

7 黄江华;人工神经网络在数据挖掘中的应用[D];中南大学;2006年

8 黄乐;基于人工神经网络的照度计算方法研究[D];西安建筑科技大学;2008年

9 陈琨;基于BP神经网络的土壤适宜性评价方法研究[D];四川农业大学;2009年

10 雷松林;基于BP网络和遗传算法的岩爆预测研究[D];同济大学;2008年

  本文关键词：基于BP神经网络的高校课堂教学质量评价系统的研究与实现，，由笔耕文化传播整理发布。

本文编号：353038