改进GA-BP神经网络在高校教学质量评价中的应用

为了提高高校教学质量评价的有效性和准确性,提出了一种基于混合智能优化算法的教学质量评价模型。引入熵值法客观地确定教学质量评价体系的指标权重及初始评价结果,利用自适应变异的遗传算法(Genetic algorithm)优化BP神经网络(Back propagation neural network)的参数,建立教学质量评价模型。实验结果表明,与BPNN(Back propagation neural network)、GA-BPNN(Genetic algorithm-back propagation neural network)模型相比,预测精度分别提高15.04%和5.41%,收敛速度明显提高,说明基于自适应变异的GA-BPNN教学质量评价模型能够及时有效地完成教学质量评价。     

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.