教学质量评价体系的神经网络模型

阐述了人工神经网络用于教学质量评价的设计思想和实现方法 .对传统教学质量评价方法进行了介绍与分析 ,给出应用神经网络进行评分与定级的网络结构设计方法和误差反传学习算法 ,并对所设计的教学质量评价神经网络进行了训练与实测     

基于最小二乘支持向量机的教学质量评价模型

教学质量评价是教育教学中重要的工作,评价工作的核心是建立评价模型。本文利用最小二乘支持向量机这种新的机器学习工具,建立了教学质量评价模型,并与BP神经网络建模比较,分析表明模型在泛化能力、收敛速度和最优性均优于神经网络模型。将模型用于教学质量评价中,既克服了专家在评价过程中的主观因素,又得到了满意的评价结果,具有广泛的适用性。     

基于GA和BP神经网络的教学质量评价模型研究

为了有效准确地评价教学质量,提出了一种基于遗传算法(GA)和反向传播神经网络(BPNN)的混合智能算法,用于评价教学质量.首先建立教学质量评价指标体系,根据指标体系设计调查问卷,收集数据,并通过GA优化BPNN参数方法建立教学质量评价模型.通过MATLAB2013b进行仿真实验,依据预测精度评价模型的性能,并与仅由反向传播神经网络方法建立的模型进行比较.预测精度提高15.45%,表明基于GA-BPNN教学质量评价模型能够有效实现教学质量的评价.     

实践类课程教学质量评价指标体系设计及评价方法研究

实践教学是高校培养学生实践能力和创新能力的主要途径,课程教学质量评价是提高教学质量和实现教学目标的重要保证,目前实践类课程教学质量评价指标体系尚需完善,评价方法也存在一定程度上的局限性.本文在研究课程教学质量评价指标体系构建原则的基础上,设计了实践类课程教学质量评价指标体系,其一级指标包括教学环境、教学保障、教学过程和教学效果4个方面,这些一级指标之下共设18个二级指标.为提高评价方法的客观性和公正性,设计并实现了一种基于遗传优化神经网络的实践类课程教学质量评价方法,建立了用于实践类课程教学质量评价的神经网络模型.实例测试结果表明,使用该方法能够实现对实践类课程教学质量的快速、准确评价,为提高课程教学质量提供了有益的帮助.     

基于粒子群优化的神经网络在教学质量评价中的应用

文章提出了一种将粒子群优化(PSO)算法训练的神经网络用于高校教师教学质量综合评价的方法。该方法使用由PSO训练的BP模型来拟合影响教师教学质量评价的众多指标与评价结果之间的复杂关系。与BP算法比较,该方法在提高误差精度的同时可以加快训练收敛的速度,其泛化性能也比较好。     

BP神经网络在高职实践教学质量评价中的应用

针对高职教育的实践教学特点,讨论了高职院校实践教学质量评价指标,利用BP神经网络的自适应和自学习功能、提出一种基于BP神经网络的高职实践教学质量评价模型,并应用此模型对若干教师的实践教学质量进行了评价。利用该模型进行实践教学质量评价科学、合理、易于操作,克服了传统评价方法的主观性过强、评价过程复杂等缺点。     

改进的小波神经网络在教学质量评价中的应用研究

针对传统教学质量评价中存在的单一性和人为因素干涉等问题,为达到科学、准确的评价效果,本文提出了一种改进的小波神经网络教学质量评价方法,充分利用小波变换良好的局部化性质并结合神经网络的自学习、自适应能力,采用加动量批处理的小波神经网络算法进行网络训练,从大量评价数据中自动找出与评价结果之间的非线性关系,然后测试得到评价结果.实验证明,改进后的小波神经网络算法提高了收敛速度和准确性.使教学质量评价更客观、科学,具有一定的实用性和有效性.     

BP神经网络在教学质量评价中的应用观察

人工神经网络是一种新技术,具有非线性处理、适应学习能力强等优势,BP神经网络是人工神经网络中的一种,具有极强的非线性处理能力.本文就人工神经网络和BP神经网络的相关概念进行分析,研究基于BP神经网络的教学质量评价体系,并对BP神经网络在教学质量评价中的应用进行探讨,以便建立完善的质量评价体系,促进教学质量的提高,推动高职院校的发展.     

基于修正的BP神经网络的教学质量评价模型

为改进和完善高校教师教学质量的定量评价,给出了3种评价方法:层次分析法;基于聚类法的多元回归分析法;基于BP神经网络的评价方法.重点分析了3种方法的评价原理,指出了它们的优缺点,并提出了基于修正的BP神经网络的评价模型,为建立科学的高校教师教学质量评价体系提供参考.     

基于BP神经网络的实践教学质量评价模型研究

该文利用反向传播（Back Propagation,BP）神经网络建立实践教学质量评价模型。将实践教学质量评价指标量化为确定的数据作为其输入,实践教学质量作为输出。运用Excel进行实证研究,发现将该方法运用于实践教学质量评价中,较好的模拟了评价专家进行综合评价的过程,得到了满意的评价结果。     

人工神经网络在《电工学》教学评价体系中的应用

利用人工神经网络方法建立《电工学》教学质量评价模型，并在MATLAB系统内得以实现。结果表明，人工神经网络用于《电工学》教学质量评价中，得到了满意的结果，具有广泛的适用性。     

基于神经网络的科技查新人员质测评模型的建立

阐述了将人工神经网络用于科技查新人员素质测评的设计思想和实现方法,根据测评实验结果,指出该网络系统的有效性和可靠性。     

基于BP神经网络的课堂教学质量评价系统

课堂教学质量在很大程度上决定了学校的教育质量,其评价体系的构建成为教学督导工作的重要环节。本文将BP神经网络用于课堂教学质量评价中,以重庆工商大学的教学督导专家评教情况为例,构建了课堂教学质量评价模型。通过MATLAB仿真,结果表明该评价模型可以克服人为的主观因素,并且得到满意的评价结果。为学校构建科学合理的内部质量保障体系提供了一种新方法。     

基于人工神经网络的动态联盟制造资源评估方法

在研究了多指标综合评价指标体系的构建与优化理论、Matlab关于人工神经网络的建立和分析了人工神经网络的BP网的优缺点基础上，构建了制造资源评价指标体系：提出应用人工神经网络对制造资源综合评价指标体系进行建模；并用Matlab进行程序编制；形成了基于神经网络的的制造资源综合评价模型和算法。     

粗糙集神经网络理论在矿井通风系统评价中的应用

针对矿井通风系统神经网络评价法中建立样本的不稳定性问题,开展了基于粗糙集和BP神经网络理论的通风系统综合评价研究。以某矿井通风系统为研究对象,应用粗糙集数据分析系统对矿井通风系统评价指标的原始数据样本的分类质量进行了检验;在此基础上,基于人工神经网络理论,建立了矿井通风系统的粗糙集神经网络评价模型,从而形成了一种新的基于粗糙集神经网络理论的矿井通风系统评价方法。研究结果表明,经过模型的数据检验和应用性验证,其理论评价结果与实际情况相符,且网络总误差小于0.004;这说明基于粗糙集神经网络的综合评价方法在矿井通风系统评价中有很好的实际应用效果。     

基于神经网络的本科教学工作评估的专家评价

针对本科院校的教学评估中高校综合评价方法,提出利用人工神经网络建立数学模型,从而将本科教学工作水平评估指标体系与高校综合评分建立了非线性的数学关系,这样就可以通过专家对教学工作水平的评分,利用人工神经网络所建立的数学模型就可以获得更为科学、准确、客观和可行的高校综合评分。     

课题建设质量评价体系的神经网络模型

描述用人工神经网络评价课程建设质量的设计思想与实现方法，对传统的课程建设质量的评价方法进行介绍和分析，给出应用神经网络进行评分与定级分类的网络结构设计方法和误差逆传播算法。并提供训练和评价实例。     

基于人工神经元网络的采场顶板质量评价模型

根据神经网络理论，建立了采场顶板质量评价的人工神经网络模型，实例表明该模型的评价正确率高，是用于解决复杂非线性系统评价问题的有效方法。可望在煤矿开采领域其它评价问题中得以推广应用。