神经网络教学

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇神经网络教学范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

神经网络教学范文第1篇

[关键词]情景教学　BP神经网络　评价指标

最近几年，国家陆续出台了一些政策来发展职业教育，高职院校更是承担了培养高技能人才的任务。要想培养一流的生产、管理、流通、服务等第一线的高技能人才，必须首先提高高职院校的教学质量，而要提高教学质量就需要转变教学方法，从传统的以教师为主的教学方法向以学生为主的教学方法转变，加强学生的实践动手能力，全面提高学生的综合素质。

因此，情景教学法等先进的教学方法已为越来越多的高职院校所接受。情景教学法是指在教学过程中，教师有目的地引入或创设与教学内容相关的、生动具体的场景，用逼真的环境创造氛围，以引起学生的学习兴趣，积极主动地在模拟场景中扮演不同角色，从而帮助学生理解和获取知识或技能，是一种以学生为主体的教学方法。

为整体提高教师教学水平，从而提高教学质量，高职院校需要拥有一套完善的教学质量评价体系。然而教学评估结果的因素很多，定级标准复杂且受主观因素的影响较大。为使做出的评价更具客观性、合理性、简便性，本文采用BP神经网络模型结构建立数学模型，并选取嘉兴职业技术学院的采取情景教学的若干教师应用此模型，对其已有的教学质量数据进行了测试，利用专家样本对神经网络进行训练，以求为教学质量评价提供一种切实可行的评价方法。

一、神经网络概念及原理

神经网络的全称是人工神经网络(Artificial Neural Net-work，ANN)，它是在神经科学研究的基础上模仿人类大脑的结构和功能而构成的一种信息处理系统。神经网络由大量的神经元互相连接而成，它的信息处理通过神经元的相互作用来实现，知识与信息的存储表现为网络元件互联分布式的物理联系。神经网络的基本特征为非线性影射、学习分类和实时优化，因此，它为模式识别、非线性分类等研究开辟了新的途径。

BP(Back Propagation)网络是1986年由Rumelhart和Mc-Celland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存储大量的输入―输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层(input layer)、隐层(hide layer)和输出层(output layer)。BP网络可看作是一个从输入到输出的高度非线性映射，即要求映射∫使f是g的最佳逼近。神经网络通过对简单的非线性函数进行数次复合，可得出近似复杂的函数。

BP网络模型的输入向量为嘉兴职业技术学院情景教学质量评价的各指标。对其指标的属性值进行归一化处理,BP网络模型的输出为评价结果，尽可能采用多的样本数训练这个网络，使其获取学校督导组成的评价专家团的评价能力及其对有些重要指标的侧重，这样BP网络经过自适应学习得到的较为准确的信息就会以BP网络模型中的那组权系数值表示出来，磨合好的BP网络模型根据待评价各指标的属性值，就可得到对嘉兴职业技术学院情景教学质量评价的评价结果，从而尽可能与学校督导组成的专家评委的评价无限接近，实现定性和定量分析的有效结合，保证评价的公正性。

二、教学质量评价指标体系的确立

评价指标体系的构建是高职院校教学质量评价的核心内容。本着从“教、学、做”―体的视角出发，评价指标在选取的时候要体现“工学结合”的特色，本文选取了嘉兴职业技术学院教学评价指标来确立教学质量评价体系，具体内容如表1所示。

三、情景教学质量评价指标的BP神经网络模型应用

BP网络的输入和输出向量的维数确定了输入和输出层的神经元数目，输入向量的维数选取的是影响情景教学质量的各种因素，为能够全面反映情景教学的影响因素，本文选取了教学设计、教学内容、教学组织、教学效果、教学素养、仪态仪表等所包含的20个因素，所以输入层的神经元个数为20。确定情景教学质量评价结果作为BP神经网络输出层，其神经元个数为1，目标输出模式为[0，1]间的一个数，评价集设为{优，良，及，不及}，对应的指数区间集合={(0，9，1)，(0.7，0.9)，[0，6，O，7]，(0，0，6)}。由于输出模式为[0，1]间的一个数，因此，输出层神经元的传递函数可选用S型对数函数logsig。通过反复实验表明，在―定程度上隐含层数目越多，BP-网络的非线性映射能力就越强，但是隐含层数目超过一定值，网络性能反而会降低。在合理的结构和恰当的权值条件下，一个三层BP网络可以以任意精度去逼近映射关系，因此本文采用三层BP结构。隐含层的神经元个数直接影响着网络的非线性预测性能。根据Kolmogorov定理，设定网络的隐含层神经元个数为16。按照一般的设计原则，隐含层神经元的传递函数为S型正切函数tanslg。

四、反向传播(BP)算法的实施过程

反向传播(BP)算法的实施过程如图1所不。

五、测评结果分析

确定网络结构及算法，需要利用选取的样本数据对BP神经模型进行一定的学习规范的训练，以提高网络的适应能力。从实践研究发现，此模型的实现采用BP三层网络结构，利用软件MATLAB7.0，输入层20个神经元，隐含层16个神经元，输出层1个神经元，训练步数40，目标误差为0.001，网络训练次数80次。收集嘉兴职业技术学院8位教师情景教学评价相关数据，通过MATLAB7.0编程测试，对测试结果与督导评价结果对比表明，误差较小，测试结果与督导的等级评价一致，评价令人满意。测试结果与督导评价结果如表2所示。

六、结语

根据以上分析，对8名教师情景教学质量的BP神经网络测试结果进行研究发现：本文中设计神经网络评价模型对情景教学质量评价与督导评价的相似度很高，并且它可以克服人为教学评价中主观性较强的缺点。这种模型的应用将会为我校及其他高职院校情景教学评价提供一种可行性较强的评价方法。当然，BP神经网络模型存在其自身的缺点，如BP算法可以使权值收敛到某个值，但并不保证其为误差平面的全局最小值；网络隐含层的层数和单元数的选择尚无理论上的指导，一般是根据经验或者通过反复实验确定等。而且，高职院校教学质量评价相对复杂，应根据具体情况进行评价，特别是在情景教学方式下，不能一味追求学生角色模拟的教学，可以通过实物演示、音乐烘托等视觉、听觉有时候甚至是味觉、嗅觉的冲击来进行情景教学。此外，还应注意情景教学效果的及时反馈，以便被测评教师能够及时发现自身存在的问题，不断改进教学手段与教学方法，提升高职院校情景教学质量。

[参考文献]

[1]曹勃：基于教学情景因素的普通高校数学改革[J]教育与职业，2008(6)

[2]王春媛、胡旺：基于B／S高职院校实践教学质量评价系统的设计与实现[J]兰州石化职业技术学院学报，2008(4)

神经网络教学范文第2篇

[关键词]体育教学 BP神经网络 质量评价

[中图分类号]G642.4 [文献标识码]A [文章编号]1009-5349（2013）02-0199-01

体育教学是高等教育不可缺少的部分。正确地进行体育教学质量评价有利于体育教学健康发展。

体育教学质量评价体系的影响因素很多，并且每个因素的影响程度也不可能完全相同，因此，评价很难用一个精确的数学解析式表示，它属于非线性分类问题。BP神经网络又称“误差反向传播神经网络”（Error Back Propagation）。从本质上说，这是一类由大量信息处理单元通过广泛联结而构成的动态信息处理系统。这种系统在处理各种模糊、随机、动态、量大信息等方面具有独特的功能，可以处理非线性问题。

一、传统体育教学质量评价方法

传统体育教学质量评价方法对评价对象各个指标的评价结果常用不同的等级或状态来表示，如A、B、C、D或优、良、及格、不及格。这些等级或状态就是对评价内容进行定性或定量的评价。最终的评价结果取决于两个问题：一是对内容的评价计分，二是定级准则的制定。

为了做出客观正确的评价，首先应分析影响评价结果的主要指标（影响体育教学质量的主要因素）及各指标所占的比例（在算法中通过权值来体现）。例如，评价一名教师的体育教学质量时，经认真分析，找出影响体育教学质量的评价指标，见表1：

开展体育教师教学质量评价，评价结果分为“优”“良”

“中”“差”4个等级。由教学对象学生、同行、专家和任课教师分别填写“教师教学质量评价表”。（表1）认为被评对象属于哪一级，就在该级下划“√”，然后计算各因素指标各级评语所获得的频率（划记数/考评划记的人数），这就使定性的因素转成了定量的指标。得的频率（划记数/考评划记的人数），i=1……m，j=1……n，总评价指标个数为m×n个。

设B=（w11w12w21…w27w31…w35w41…w44w51…w53…wij…wmn）

wij表示各因素指标在评价过程中所占的权重，

i=1……m，j=1……n，对应于m×n个评价指标，权重个数也为m×n个。

在传统评法中，权重人为给定。

C=BA=（uAuBuCuD）

uAuBuCuD表示质量等级系数。

根据质量等级系数：uA=？，uB=？，uC=？，uD=？拟定一个定级方案。优秀标准：uA≥0.7，uD=0；良好标准：uA+uB≥

0.70，uD=0；合格标准：uA+uB+uC≥0.8，uD≤0.2；不合格标准：uD≥0.2。根据这个定级方案，得出该教师的教学质量评价结果。

二、用于教学质量评价的神经网络算法的实现

设评价系统的评价总指标（影响教学质量的各个主要因素）为m×n个，质量等级系数为4个，uA、uB、uC、uD。将各因素评价指标各级评语所获得的频率（划记数/考评划记的人数）xij作为神经网络的输入，即行列式A。

将质量等级系数作为神经网络的输出，即：C=uA、uB、uC、

uD。

根据输出的质量等级系数，按照定级方案确定评价结果。

将以往的成功的教学质量评价案例作为标准样本存入网络训练。然后，将未知样本的测量信息（具体某位教师的各因素评价指标各级评语所获得的频率）输入计算机，经过计算，瞬间可预报出未知样本的需求信息（质量等级系数）。

BP神经网络的评价精度和科学性不仅取决于标准样本的数量，也决定于标准样本的质量。标准样本数量越多、质量越优，越能准确地定位教学质量的等级。所以，标准样本的选择是至关重要的，它决定评价结果的公正、公平、准确。

采用现代数学方法对体育教学质量进行评价，是一种方法的应用与研究。

【参考文献】

[1]赵凌.AHP在评价教师教学质量中的应用.成都大学学报（自然科学版），2000，19（3）：37-43.

[2]谭斌，刘美蓉.因子分析在教学质量评价中的应用.教学参考，2001，6：23-25.

[3]冯虹，邹华，魏文元.马尔可夫链在教学质量评价中的应用.天津师范大学学报（自然科学版），1999，19（1）：5-9.

[4]张春棠.大学体育教学质量的评价.体育研究，2007，7：

神经网络教学范文第3篇

论文摘要:我国高等院校学生接触的多是具体的学科知识和技能，很少获得系统的科学教育。网络视频教学节目在设计时可以从节目形式、选题、创作手法等几个方面实现科学精神的传播;同时引导大学生参与视频资源创作，培养他们理性怀疑、积极求证、多元思考、平权争论、宽容激励等科学意识，以潜移默化地将科学精神根植于学生心中。

随着信息技术在高等教育中的应用逐步深人，基于网络的研究性学习成为高校教学的重要模式。视频资源在创设情境、传播信息、传授知识方面有独特优势，因此在高校学习网站中储备丰富、系统的视频资源，对发挥学习网站的效能、拓宽学习视野、提高大学生综合素养有重要意义。但是，目前高校学习网站的视频资源建设还存在一系列问题，如视频资源不系统;缺乏对大学生学习心理的深人分析;网络视频创作观念陈旧，创作手法单一;只注重科学性，简单地罗列、图解知识，忽视科学精神的传播;镜头表现力严重滞后于节目内容等等，其中，只重视传播知识技能而忽视科学精神的培养，是高校网络视频资源建设函待解决的问题。

一、高校网络视频资源建设要关注大学生科学精神的培养

在工农业科技现代化的大趋势下，社会对人才需求有了很大变化，岗位技能的科技含量越来越高，变化速度不断加快。高等教育要想适应社会发展的要求，不仅要传授学生知识技能，更重要的是培养学生“学会学习、学会创造、学会合作、学会生存”，而团结协作、勇于创新、坚忍不拔这些品质正是科学精神的重要组成元素。

实际上，科学精神并不是抽象的，很多大学生的心口不一、做表面文章、抄袭作业、文过饰非等都属于科学精神缺失的表现，至于浅尝辄止、甘当容器、想象力匮乏等现象就更常见。目前，我国高等院校学生在学校里接触的多是具体的学科知识和技能，很少获得系统的科学教育，每一学科的教学大纲中都没有对科学的价值意义、科学的目标指向、科学兴趣、科学方法论、科学态度等这些构成科学精神的基本要素做出详细规定，以至许多教师对科学精神教育都感到陌生。

科学精神的培养不是一时一地之功，应贯穿于教育的每一个环节，充分利用每一种教学手段。其中，网络视频教学资源是可资利用的一个重要平台。一方面，视频资源易于创设生动的情境，加强体验，引导学生多角度、多方位观察，用科学的方法进行分析，进而冲破固有思维的定势，大胆想象，求新求变。另一方面，视频资源的建设一般是团队行为，汇集多人的观点和思想，最大限度地从科学精神的基本特征出发，客观地梳理、归纳已有的科学认知，然后使学生形象、全面、深刻地认知科学，并不断地发现问题、分析问题、解决问题，从而培养学生敢于不轻信、不盲从的优良品质。因此，高校网络教学视频资源建设要在传播知识和技能的基础上，关注学生科学精神的培养。

二、网络视频教学节目的设计要以传播科学精神为核心

网络视频教学节目如果只注重知识的说明和技能的演示，很容易造成单向度的传播效果，即学生被动的接受，无法引发理性思考和情感共鸣，科学精神和科学方法也无从体现。设计教学节日时，可以从以下几个方面实现科学精神的传播。

1.探索新的节目形式

相对科学知识，科学精神显得更虚幻、更概念化，传统视频节目的系统、顺序讲解知识的创作方法很难完成表现科学精神的使命，因此，需要探索新的创作手法和节目表现形式，从其他形态的节目创作中汲取创作元素，把科学赖以产生和发展的人文背景以及在科学活动中体现出的人的精神和价值表现出来，科学精神将随之被传播。如科学纪录片的创作手法就是一个不错的选择。它不仅讲述知识，还关注科学事件的发展过程。知识的获取、科学的发现是一个艰难的过程，这个过程充满了好奇、探索、反复、曲折、成功与失败等诸多情节要素，能够充分表现事物的矛盾冲突，形成生动感人的故事。在网络教学视频中，用科学家的探索过程为线索组织结构，一步步揭开科学的奥秘，不仅能激发学生的兴趣，而且在过程的叙述中，科学方法和科学精神得到了具体、生动、自然的传播，科学的魅力、科学家的人格力量也得到了充分的张扬。

2.选题上不要过于强调科学的应用和结论

网络视频节目要突出科学精神传播，还要注意在选题时不要只着眼于科学的应用和结论，忽视科学发展的本身。当然，拍摄科学知识和技能的应用和结论，没有问题，大学生需要这些形象的视频资源提高学习兴趣和学习效率，但问题在于，我们应该更理性、更有责任感地为学生将来的发展着想。而且，科学的出现一定就是有应用与结论的吗?目前没有应用与结论的科学或知识可能随着它的不断发展而成熟，自然而然地形成结论和应用。所以，我们应该能够看得更深更远，将思维方式放在创新发展的境地，而不要过于强调实用主义。

科学发展的最前沿是发现和探索，然后才能得出规律性认识(结论)和科学的应用(形成技术)。正是这些前沿的发现和探索最能代表科学本身，也是最富有趣味性和魅力的节目选题。在这里，科学家在探索，而且也会犯错误:科学家是怎样发现某个现象的，他做出怎样的假说试图解释它，他的假说有哪些漏洞，其他科学家是怎样反驳他的，其他的假说怎样解释这个现象……探索的路上到处是陷阱或者看上去根本无路可走，科学家们虽然有时想象力丰富得出了格，但他们总是遵守着一些法则，科学也因此得以健康发展，这样的节目选题展示给学生的将是最有价值的内容—科学方法、科学过程和科学精神。

3.长系列，故事性

我国的教学视频节目时间一般较短(课堂搬家视频节目除外)，原因是当学生学习的注意对象是“枯燥”的教学内容时，注意力持续时间较短。而国外一些科学节目与我们的做法反其道而行之，他们的一些著名节目都很长。《发现》频道就十分擅长制作长系列节目，如《航空史话》《科学探案》以及反映对恐龙研究节目等等。但长系列对节目创作水平提出了更高要求，节目时间长还要有吸引力，所以很多节目通过故事来讲述科学内容，以抓住观众的注意力。 科学精神的最好载体往往是科学发展史，科学技术的发展都是曲折迂回的、纷繁复杂的。比如航空，从早期人类对天空的梦想，先驱们对鸟和流体力学大量的研究—一次又一次地走向错误的方向，到勇敢者第一次投人天空怀抱，为航空事业献身，以及后来的突破距离、升限、音障的成功失败、曲曲折折，在这样“山穷水复疑无路，柳暗花明又一村”的故事叙述中不仅讲述了科学知识和科学发展的过程，科学精神也被展现得畅快淋漓。

三、引导学生在参与网络视频节目创作中培养科学精神

鉴于大学生的动手能力比较强，我们还可以尝试开放教学模式，把部分网络视频教学资源开发的工作交给学生，设立课外兴趣小组，如FLASH动画设计制作、计算机软件编辑等(很多学生想象力的丰富程度、对色彩的运用、绘画功底以及对DV、计算机的操作水平都远远超出我们的预料)，使学生成为创作设计学习资源的主体，允许他们按自己的构思来设计教学视频，教师则引导学生在生动的创作情境中亲身体验，独立思考、群策群力、动脑动手，经历一个由感性到理性、由量变到质变的过程，科学精神的种子在学生的头脑中悄悄地生根发芽。

1.引导学生理性怀疑、积极求证

崇尚理性的怀疑是科学精神的重要组成。属于科学精神的“怀疑”指的是不轻信，要求有确凿的证据和严密的证明，否则不予接受。

在学生参与网络视频节目的创作过程中，可以有意识地引导学生理性地怀疑并在实际应用过程中检验自己的新思路新想法。例如，当今的教育模式 片面强调答案的标准化与书本内容的教条化，使学生错误地认为书本知识就是真理，就是权威，极大压制了学生的怀疑和批判精神的发展。实际上，教育学家托马斯·库恩就曾经进行过批判，“很多教科书经常这样暗示:科学的内容是惟一地由书本各页所述的观察、定律、理论所呈现的;科学方法只是由收集这些教科书资料所使用的各种操作技巧、以及把这些资料与教科书理论概括联系起来所使用的逻辑运算的混合……这样一种科学观不仅大大影响了我们关于科学的本质及其发展的理解，也深深地影响了教学结构。因此，教学视频节目不要照搬教科书上的结构方法和叙述顺序，要引导学生对学习内容深人分析、挖掘，不盲目迷信教科书，如何开头、如何展开、怎样收尾，要通盘考虑，注意前后内容的连贯和照应，并准确把握所展示内容的深浅程度，遵循认识事物的客观规律，由已知到未知，由形象到抽象，由浅人深的演绎知识。

当然，仅仅“怀疑”是不够的，先生曾讲过“大胆怀疑，小心求证”，在怀疑后必须积极求证，即不断用新的发现、新的认识来支持或否定自己的怀疑，这才是理性怀疑的真谛。在学生提出自己的想法后，不要直接肯定或否定，更不要直接开始创作，而首先要进行分析讨论，除了查找资料论证学生设置的整体结构和各教学环节是否设计科学，必要时还要先写出文字稿本并依此进行课堂授课，检查是否能够引人人胜、听课学生是否能够准确理解授课内容等等，制作完成后还要在实际的网络教学应用中检验其效果。

2.引导学生多元思考、创新思维

多元思考就是每个问题不要期待只有一种答案，而应多方面多视角多维度思考，是科学精神的重要组成元素。习惯多元思考法的人，不论面对任何问题都能从不同角度与观点进行分析，是未来社会需要的创造型人才，而“创新是一个民族发展的不竭动力”。

视频节目常使用提出问题、解决问题的结构模式，但提什么问题，如何提出，按什么思路解答，同样需要新颖精巧的构思，在这一环节上要引导学生大胆展开想象，多元思考，把学习的过程变成知识探究的过程。另外，学生要把某部分知识用视频镜头表现出来，就必须多角度、多方位的观察，发挥想象力，综合运用所学知识，研究探讨体验，从而获得深刻的印象。以制作视频节目“鸡蛋里的学问”为例:由学生来构思节目应包括哪些内容，如何来结构全片，选择哪种节目表现形态(故事片，动画片，还是纪录片)。实际上，小小的鸡蛋涉及物理、化学、生物多门学科知识，学生在参与、启发的活动模式中，分析归纳、综合应用，探索充满趣味性、开放性的学习内容，潜在的创造精神被诱发出来，从而在不懈的探究学习中培养科学精神。

3.引导学生平权争论、宽容激励

教学视频资源创作是一项复杂的任务，一般要由一个团体共同完成，团体中每个学生平等讨论、相互激励，在合作的过程中不仅碰撞出智慧的火花，科学精神也得到了培养。

视频创作是促进学生之间协作、交流的非常有效的活动。首先，这是一些开放的、具有一定复杂性、真实性的任务，可以使学生感受到间题的意义及挑战性，激发他们参与学习活动的兴趣。其次，不同学生会对创作过程中的很多具体问题有不同的观点和思路，从而具有讨论交流的必要。另外，方便将网络视频创作任务分成若干环节，围绕明确的主题和任务，组织小组合作学习活动。最后，作为活动的结果，各个学习小组能够提交一份“产品”或“作品”进行相互交流。

神经网络教学范文第4篇

1 BP神经网络

BP神经网络也称为反向传播网络，包括输出层，隐含层，输入层三部分，同时BP的神经网络具有非线性的特点，能够解决没有规则，多约束条件或数据不完全等问题，适合处理复杂的分类及模式识别等问题。BP神经网络具有一个或一个以上的信息隐含层，能够将相邻的两层完全连接起来。

要建立学生数学能力评价的BP神经网络模型，就需要建立具有代表性的数据库，以便于进行评价。就数据库的建立而言，为了提高评价的准确性及标准性，BP神经网络需要建立完善的选取设置体系，在输入层与输出层的设计应多样化，才能够保证测试评价的效果。对于普通学校来说，样本的选取量应该不低于200人。

对于隐含层神经元的点数，计算时应根据样本的选取量进行调整，基本的模型设计流程是从BP神经网络的构建开始到BP网络训练，以及最后的BP网络预测，其中最重要的是BP网络训练，本文采取的是trainlm算法，从而建立其BP神经网络模型。

2 学生数学学习能力评价

对学生进行数学学习能力评价是为了对学生的数学学习能力进行测试，帮助教师掌握学生的学习情况，以便于调整教学方法以及教学进度，让学生能够提高学习能力。评价的内容是学习思路，学习方法，学习过程及学习效果。要对这四点进行评价，首先就要确定各内容的评价标准及方式。以往的评价方式是通过测试及课堂问答，通过学生的测验成绩及回答进行分析，从而判断学生所处的学习状态，教学方法以教学进度安排的合理程度。利用BP神经网络进行评价的化，就要将各个标准程序化，将原先教师的主观评价变为网络的程序化运行，根据运行的结果对学生的数学学习能力进行判断，这就是利用BP网络对学生数学学习能力评价的理论，实际上要进行实践并不简单，BP神经网络评价的构建是难题的关键点。

3 基于BP神经网络的学生数学能力评价模型

BP神经网络评价模型的建立是由三部分组成的，最关键的就是构建BP神经网络。建立评价模型首先要做的就是对各项能力的得分率进行分析，设定个性能力的得分标准，并对其进行深入分析最后进行程序化设置。对于数学学习能力的划分方法有很多，不同的年级所划分的方法尽不相同，每一个方法都有其侧重点，这需要根据输入的相关变量进行改正，与实际情况进行整合得出准确结论。就拿某市中考数学试题来说吧，其主要是测查学生的学习思路，学习方法，学习过程及学习效果这四项能力。对学生的数学学习能力进行测试，就要把学生对这四个能力评价的相关试题得分作为BP神经网络的输入，并且要将输入数值进行数量级差异设定，从而将每种能力试题的得分做归一化处理。利用二进制，使输入数据在[0，1]之间。在这之前要有准确的评分标准，才能够得出相关结论。这就需要专家对试卷上各项能力试题的得分进行排表，便于BP网络数据设置，但在这之前需要专家对学生样本进行判断。一般样本的选择在200人为合适，所以选择的学生人数为200人。专家对这200人的试卷进行阅览从而判断出每个人每项能力的情况，看那一项是最为薄弱的，然后对所有学生的情况进行整合处理。将其中100人的成绩作为判定结果，最为薄弱的能力作为BP神经网络的期望输出参考，再利用二进制的数字进行结果表达。例如输出为0时则表示学生该项能力差，这就能够为BP网络的构成提供最基本的运行数据，为BP网络构建提供基础。此外的100人，将他们的得分情况作为好的检验样本进行输入，然后进行检验，若是期望输出与专家评价结果基本符合，则表示该神经网络可进行有效运用，对学生数学学习能力进行评价，反之则需改进。

此外，BP网络训练的设置也需要额外注意梯度的预设，其算法需要根据实际情况及时进行调整。各地学生数学?W习状态各不相同，不能够固定选择某算法。BP神经网络的验证需全面，不能以一次数据的符合情况作为验证标准，应该多次输入，对相应的输出结果进行判断。

神经网络教学范文第5篇

关键词： BP神经网络； 服务质量评价； 评价指标； 问卷调查

中图分类号： TN711?34 文献标识码： A 文章编号： 1004?373X（2017）01?0086?02

Abstract： Nine parameters such as environment， collection resource， service mode and hardware device affecting on the library service quality are taken as the evaluation indicators. The correlation theory method of BP neural network is used to perform the evaluation research for service quality of 20 libraries in Jiangxi Province， which is based on the analysis data of the questionnaire survey result. The simulation results show that the constructed neural network can quickly and accurately evaluate the library service quality.

Keywords： BP neural network； service quality evaluation； evaluation indicator； questionnaire survey

0 引 言

随着我国科学文化的发展，各种类型的图书馆正发挥着越来越大的作用。随着人们的阅读需要在用户体验要求等各方面的提高，对图书馆服务质量的要求也越来越高。而对图书馆的服务质量进行客观、准确、高效的评价是图书馆优化服务流程、改善服务质量和提高服务水平的基础。为此，本文引入了一种全新的评价体系和方法，即采用BP神经网络的方法对图书馆服务质量进行评价，该方法具有操作简便，评价快速准确的特点。

1 评价指标的确定

1.1 指说难∪

为了更好的对图书馆的服务质量进行评价，本文参考《图书馆评估指标标准与管理规范指导手册》和ISO11620等标准化文件构建图书馆服务质量评价体系。该体系一共包括了对图书馆服务质量影响较为显著的9个因素作为评价的参考指标：即馆藏纸质资源（X1）、环境（X2）、服务人员（X3）、服务方式（X4）、硬件设备（X5）、软件设备（X6）、数字资源（X7）、个性化服务（X8）、服务结果（X9）。基于这9组评价指标，利用BP神经网络的分类评价能力，本文建立了基于BP神经网络的图书馆服务质量评价模型。

为了更好地描述样本图书馆的服务质量，本文针对服务质量的评价特性和评价指标的选取特点将服务水平分为5个等级并对其赋予相应的分数：优（5分）、良（4分）、中（3分）、差（2分）、非常差（1分）。

1.2 数据来源

本文采用问卷调查的方式对江西省的20所图书馆的服务质量进行调查，共发出300份问卷，回收287份，其中有效问卷276份，问卷有效率为92%。对问卷进行统计，计算出每所图书馆的各项评价指标对应的分数，并利用参考文献的权值计算方式计算出每个图书馆的服务评价水平，如表1所示。

2 BP神经网络

2.1 BP神经网络的原理

BP神经网络是一种前馈型误差修正的人工神经网络，它通过不断调整各个单元层之间的网络权值和阈值实现网络的训练。BP神经网络主要运行由信号的正向传播和误差的逆向传播两个过程组成，通过不断地权重调整，可以实现网络误差的不断缩小。

2.2 神经网络模型的建立

本文采用含一个隐藏层的神经网络结构进行分析，由于输入单元的数目为9，输出单元均为1，根据经验公式可选隐含层单元数为1～10之间的整数，采用试凑法得到隐含层神经元与均方平均值（MSE）的曲线关系，如图1所示。其中隐层神经元数目为9时，得到的MSE值最小为6，所以确定的隐含层神经元数为9。

本文构建的BP神经网络的结构如图2所示。

2.3 BP神经网络模型的训练

选取表1中的15组数据在Matlab中对神经网络进行训练，其中期望误差设为10-5。训练过程中，BP神经网络误差的变化形式如图3所示。

由图3可知，当训练经过84次迭代后达到了满意的误差期望。

2.4 结果对比

利用表1中剩余的5个样本对训练出的神经网络进行测试实验，并将结果与通过权值计算的结果进行比较，如表3所示。

由表3可以看到，经过训练后的BP神经网络可以很好地对图书馆的服务质量进行评价分析，且分析结果的精度较高。

3 结 语

本文通过在图书馆的服务质量分析中引入人工神经网络的相关理论和方法，对通过问卷调查法收集的样本进行训练和分析。试验结果表明，本文构建的三层神经网络模型可以很好地判断出不同图书馆的不同服务质量水平，采用此方法可以大大提高对图书馆服务质量的评价效率。

参考文献

[1] 孙飞.精通Matlab神经网络[M].北京：中国计算机工业出版社，2014.

[2] 刘洋.神经网络技术在高校教学水平评价中的应用[J].教育与教学，2015（1）：122?128.

[3] 陈庆梅.图书馆读者满意度模型的建立[J].大学图书情报学刊，2006，24（6）：73?75.

[4] 周瑛，刘天娇.基于神经网络的高校图书馆知识服务评价体系研究[J].情报理论与实践，2013，36（2）：55?59.