高职院校科研绩效评价模型研究

发布时间：2021-06-22 08:05

　　对科研绩效进行客观评价成为现代高职院校科研管理的核心内容和重要任务。利用层次分析法架构高职院校科研绩效评价指标体系,建立BP神经网络评价模型是一种有效的方法。实验结果表明,利用粒子群—蛙跳算法优化BP神经网络初始结构参数,通过训练样本改进BP神经网络,进而使BP神经网络模型在实施科研绩效评价时速度快、准确率高。此方式不仅提高了科研绩效评价的科学性、公正性和客观性,而且促进了科研绩效评估与科研管理水平的提升。 

【文章来源】：高等职业教育探索. 2020,19(02)

【文章页数】：7 页

【部分图文】：

高职院校教师科研绩效评价模型原理图

影响高职院校教师科研绩效的评价指标有51个，各指标量纲、单位并不完全一致。如果选取的样本数据过大，而且将这些数据直接用于输入神经网络，往往会直接拖慢BP神经网络的训练速度以及精度，所以需要将数据进行归一化的数学处理[6]，转换后的数据范围为[0,1]。当然，BP网络输出值同样需要经过反归一化处理，便于将其还原成正常的科研绩效评价值。转换公式中的X*为归一化数据值，X、S分别为原始数据样本的输入和输出量，Xmax、Xmin分别为原始数据最大和最小值。2. BP神经网络结构确定

基于层次分析法、BP神经网络、粒子群—蛙跳算法构建了高职院校科研绩效评价指标体系，架设了BP神经网络评价模型，有效用于高职院校科研绩效评价。通过评价指标的科学选取及其权重合理分配，增强了评价指标体系的科学性、客观性及可操作性。BP神经网络通过粒子群—蛙跳算法优化其初始结构参数，利用样本数据及改进BP算法对BP神经网络加以学习训练，建立了科研绩效评价模型。实践证明，该模型评价速度快、评价精准度高，为高职院校科研绩效评价提供一种崭新的方法，对于高校科研管理与评价工作具有一定的指导意义和推广应用价值。图4 经粒子群—蛙跳算法优化BP神经网络评价误差

【参考文献】：
期刊论文
[1]基于粒子群优化BP神经网络的高校科研管理评估研究[J]. 朱晴,王晶晶.  现代电子技术. 2019(07)
[2]粒子群蛙跳模糊神经网络的PMSM转速控制器设计[J]. 乔维德.  微特电机. 2019(03)
[3]基于BP神经网络的科研绩效评价模型结构[J]. 张友海.  安徽水利水电职业技术学院学报. 2018(03)
[4]基于AHP与BP神经网络的电机系统节能评价[J]. 乔维德.  南通大学学报(自然科学版). 2017(03)
[5]高等职业院校教师科研绩效评价体系构建研究[J]. 蔡爱丽.  南京工业职业技术学院学报. 2015(03)
[6]多目标多属性科研绩效模糊评价模型研究[J]. 丁洪.  生产力研究. 2013(12)



本文编号：3242481