基于自适应BP和DDAE-SVR神经网络模型的高校教学质量评价研究
发布时间：2020-12-24 12:02
高校教学质量评价是高校教学管理过程中的重要环节,其受到诸多因素的影响,并且它的评价指标与教学质量之间是复杂抽象的非线性关系。然而,现有评价方法和模型存在主观性和随机性太强、指标权重确定难、易出现过拟合、收敛速度慢、计算能力弱等问题。此外,评价指标体系多集中于教学态度、教学内容、教学方法等,很少考虑教学前准备和教学过程中教学情况而导致评价缺乏全面性。因此,如何构建模型客观、真实、全面、准确地评价高校教学质量不仅有助于提高教学质量、促进教学目标不断完善并提升教育决策科学化,而且还有利于推动高校教学管理走向规范化和智能化。为解决高校教学质量评价这个复杂的非线性问题,本文对神经网络模型和高校教学质量评价进行深入研究。鉴于现有研究存在的不足,本文提出自适应BP神经网络模型和DDAE-SVR深度神经网络模型评价高校教学质量,其中DDAE-SVR是以深度降噪自动编码器（DDAE）进行无监督训练、支持向量回归（SVR）进行有监督预测的深度神经网络。本文主要研究贡献有以下两点:（1）提出自适应BP神经网络模型（Adaptive-BPNN）。该模型引入自适应学习率、动量项改进BP神经网络的梯度下降法以提高...
【文章来源】：河南大学河南省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
Sigmoid函数曲线图
限玻尔兹曼机模型，只需要得到 = , , ， 是可见层与隐藏权重，而 和 分别表示可见层和隐藏层单元的偏置。对于一组给定的 的能量公式是：( , | ) = 能量函数指数化和正则化后可以得到可见层单元和隐藏层单元分别(v，h)联合概率分布( , | ) =( , | )( ) , ( ) =( , | ), ， ( )为归一化因子，由公式（2-25）进而可以求得可见层单元和隐。随后 Hinton 于 2006 年提出了深度置信神经网络模型，深度置信网为一种贝叶斯概率生成模型[59]，它是由多个受限玻尔兹曼机堆叠起来进行训练构成的。其结构如图 2-7 所示：
图 3-2 隐藏层神经元个数选取为保证模型在训练过程中的收敛速度，本实验从(1,1.3]和[0.5,1)中选取学习率的增长比和下降比的组合。模型的隐藏层神经元个数为 15，训练函数设为自适应学习率和动量项的梯度下降法，动量项设为 0.85。将训练数据集输入模型进行训练得到稳定模型，并将测试数据集输入进行验证。当模型以不同学习率的增长比和下降比组合变化时，MSE 和预测准确率的变化曲线图如图 3-3 所示。从图中可知，当学习率的增长比相同时，随着其下降比的增加，获取模型的 MSE、预测准确率是以波动的形式跳跃变化；当学习率的下降比相同时，其增长比的增加使得模型的 MSE、预测准确率是先增加后降低。从图中数据分析对比可知，当学习率的自适应比为 1.2、下降比为 0.85 时，模型在测试数据集中的 MSE、预测准确率最佳。
【参考文献】：
期刊论文
[1]大数据驱动教育变革的理论路径与应用思考——首届中国教育大数据发展论坛探析[J]. 孟志远,卢潇,胡凡刚. 远程教育杂志. 2017(02)
[2]基于粒子群优化BP神经网络的养肠胃菜谱判定[J]. 张璐,雷雪梅. 计算机科学. 2016(S2)
[3]改进粒子群优化BP神经网络的目标威胁估计[J]. 黄璇,郭立红,李姜,于洋. 吉林大学学报(工学版). 2017(03)
[4]基于改进BP神经网络的课堂教学质量评价模型研究[J]. 葛春,王虹,常伟,吴晓露. 无线电工程. 2016(06)
[5]人工蜂群优化的BP神经网络在入侵检测中的应用[J]. 沈夏炯,王龙,韩道军. 计算机工程. 2016(02)
[6]多元统计分析在外语教学质量评价中的应用[J]. 胡帅,姜华,曲巍巍. 现代电子技术. 2015(15)
[7]模糊层次分析法在课堂教学质量评价中的应用[J]. 黄煜栋,陈兰生. 中国教育信息化. 2015(14)
[8]联合收获机惯性分离室工艺参数优化——基于改进BP神经网络[J]. 孙栩,王福林,文士发. 农机化研究. 2014(09)
[9]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正. 计算机应用研究. 2012(08)
[10]基于模糊层次分析法的教学质量评价研究[J]. 黄闽英,牟锐. 西南民族大学学报(自然科学版). 2012(03)
硕士论文
[1]聚类分析在高校课堂教学质量评价中的应用[D]. 唐成成.重庆师范大学 2017
[2]基于深度神经网络的遥感图像变化检测[D]. 楚岩.南京理工大学 2017
[3]基于支持向量机的高校课堂教学质量评价研究[D]. 吴恩英.重庆师范大学 2016
[4]基于深度置信网络的说话人识别研究与实现[D]. 王家良.南京邮电大学 2015
[5]基于改进的BP神经网络的教师教学质量评价研究[D]. 佘亮.中南大学 2011
[6]BP神经网络的改进研究及应用[D]. 刘天舒.东北农业大学 2011
本文编号：2935621
【文章来源】：河南大学河南省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
Sigmoid函数曲线图
限玻尔兹曼机模型，只需要得到 = , , ， 是可见层与隐藏权重，而 和 分别表示可见层和隐藏层单元的偏置。对于一组给定的 的能量公式是：( , | ) = 能量函数指数化和正则化后可以得到可见层单元和隐藏层单元分别(v，h)联合概率分布( , | ) =( , | )( ) , ( ) =( , | ), ， ( )为归一化因子，由公式（2-25）进而可以求得可见层单元和隐。随后 Hinton 于 2006 年提出了深度置信神经网络模型，深度置信网为一种贝叶斯概率生成模型[59]，它是由多个受限玻尔兹曼机堆叠起来进行训练构成的。其结构如图 2-7 所示：
图 3-2 隐藏层神经元个数选取为保证模型在训练过程中的收敛速度，本实验从(1,1.3]和[0.5,1)中选取学习率的增长比和下降比的组合。模型的隐藏层神经元个数为 15，训练函数设为自适应学习率和动量项的梯度下降法，动量项设为 0.85。将训练数据集输入模型进行训练得到稳定模型，并将测试数据集输入进行验证。当模型以不同学习率的增长比和下降比组合变化时，MSE 和预测准确率的变化曲线图如图 3-3 所示。从图中可知，当学习率的增长比相同时，随着其下降比的增加，获取模型的 MSE、预测准确率是以波动的形式跳跃变化；当学习率的下降比相同时，其增长比的增加使得模型的 MSE、预测准确率是先增加后降低。从图中数据分析对比可知，当学习率的自适应比为 1.2、下降比为 0.85 时，模型在测试数据集中的 MSE、预测准确率最佳。
【参考文献】：
期刊论文
[1]大数据驱动教育变革的理论路径与应用思考——首届中国教育大数据发展论坛探析[J]. 孟志远,卢潇,胡凡刚. 远程教育杂志. 2017(02)
[2]基于粒子群优化BP神经网络的养肠胃菜谱判定[J]. 张璐,雷雪梅. 计算机科学. 2016(S2)
[3]改进粒子群优化BP神经网络的目标威胁估计[J]. 黄璇,郭立红,李姜,于洋. 吉林大学学报(工学版). 2017(03)
[4]基于改进BP神经网络的课堂教学质量评价模型研究[J]. 葛春,王虹,常伟,吴晓露. 无线电工程. 2016(06)
[5]人工蜂群优化的BP神经网络在入侵检测中的应用[J]. 沈夏炯,王龙,韩道军. 计算机工程. 2016(02)
[6]多元统计分析在外语教学质量评价中的应用[J]. 胡帅,姜华,曲巍巍. 现代电子技术. 2015(15)
[7]模糊层次分析法在课堂教学质量评价中的应用[J]. 黄煜栋,陈兰生. 中国教育信息化. 2015(14)
[8]联合收获机惯性分离室工艺参数优化——基于改进BP神经网络[J]. 孙栩,王福林,文士发. 农机化研究. 2014(09)
[9]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正. 计算机应用研究. 2012(08)
[10]基于模糊层次分析法的教学质量评价研究[J]. 黄闽英,牟锐. 西南民族大学学报(自然科学版). 2012(03)
硕士论文
[1]聚类分析在高校课堂教学质量评价中的应用[D]. 唐成成.重庆师范大学 2017
[2]基于深度神经网络的遥感图像变化检测[D]. 楚岩.南京理工大学 2017
[3]基于支持向量机的高校课堂教学质量评价研究[D]. 吴恩英.重庆师范大学 2016
[4]基于深度置信网络的说话人识别研究与实现[D]. 王家良.南京邮电大学 2015
[5]基于改进的BP神经网络的教师教学质量评价研究[D]. 佘亮.中南大学 2011
[6]BP神经网络的改进研究及应用[D]. 刘天舒.东北农业大学 2011
本文编号：2935621
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2935621.html
