教学质量评价的BP神经网络模型

针对教学质量评价的非线性、复杂性等问题,提出了基于BP网络的教学质量评价决策模型,借助其自学习,自适应及最佳逼近性能对评价数据进行量化训练,得到教学质量评价结果。MATLAB仿真结果表明了该评价模型的有效性,获得了较好的评价结果。     

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。     

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。     

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神经网络在大气环境质量评价中的应用研究

针对城市大气环境质量问题,运用人工神经网络理论和方法,建立城市大气环境质量评价的BP 神经网络模型.通过实例进行评价分析,说明用BP 神经网络方法评价城市大气环境质量是可行的.该模型具有很强的学习、联想和容错功能,其分析结果和过程都接近人脑的思维过程和分析方法,使得城市大气环境质量评价结果的精度大大提高.     

BP神经网络在大坝安全综合评价中的应用

提出了基于改进的BP神经网络的大坝安全综合评价方法，将改进的BP神经网络应用于大坝综合评价，意在建立更加接近于人类思维模式的定性与定量相结合的综合评价模型。通过对给定学习样本模式的学习，获得取学习样本中所体现的评价专家的经验、知识、主观判断及对目标重要性的倾向。当需对评价对象作出新的综合评价时，该方法便可再现评价专家的经验、知识和直觉思维，从而实现定性分析与定量分析的有效结合，较好地保证评价结果的质量，示例表明，这一评价方法是合理、可行的。     

BP神经网络在高校图书馆网站评价中的应用

提出一种新的基于BP神经网络的高校图书馆网站评价方法,克服了以往评价方法的缺点,保证了评价结果的客观准确。     

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神经网络在矿井安全监测评价系统中的应用

阐述了BP神经网络基本理论，分析了BP神经网络存在的问题并提出了两种改进方法，增加了收敛速度，提高了效率。并将其应用于矿井安全监测评价系统中，提出了基于此理论的安全监测评价方法等，为矿井的安全生产和安全管理提供了依据。     

人工神经网络在教学质量评价体系中的应用

采用了BP神经网络的原理用于教学质量评价,通过分析,给出了神经网络的教学质量评价模型结构,以及变步长的学习算法,并在MATLAB系统内得以实现。结果表明,人工神经网络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BP神经网络的教材质量评价研究

教材质量评价是教材管理工作的关键环节。为了对教材质量进行科学有效地评价,提高评价工作的效率,建立了基于BP神经网络的教材质量评价模型。经过BP神经网络的构建、训练和分类等主要工作,建立了一个具有较高准确率的教材质量评价模型。通过分析结果表明,该模型能够科学和高效地评价教材的质量,具有较高的实用性。     

基于优化BP神经网络算法的网络质量评价

针对现有的BP神经网络算法,提出了在变步长BP神经网络算法基础上的优化方案,并将其应用于网络质量评价当中.在优化方案中,对步长的上升和下降阶段分别采用不同策略进行优化.理论分析表明:优化后的算法能够克服传统算法权值收敛过慢,和变步长算法误差收敛中的震荡问题.仿真表明,优化后的算法会使神经网络的学习误差和网络质量分类的总体误差明显下降并大幅提高评价的准确性.优化算法较传统算法相比误差收敛过程更加稳定,且学习误差下降达9.64％,网络质量分类的总体误差下降达23.1％；优化算法的验证准确率在传统算法的基础上提高了19.65％,在变步长算法的基础上提高了9.88％.由此可见,优化算法在BP神经网络的预测精度方面起到了大幅度提高的作用.     

基于BP神经网络的汾河水质评价

以汾河流域21个控制断面的水质监测数据为研究对象,建立了基于BP神经网络模型的汾河水质评价方法,对汾河流域水质进行了评价,并与传统的单因子指数评价法、综合指数评价法进行了对比.结果表明,80.9%的断面三种评价结果完全相同,11.1%的断面三种评价结果有差异,其中,BP评价结果较单因子法和综合污染指数法更为客观,更多地考虑了多种污染物的综合影响,更有利于水质评价和管理.经训练的评价模型应用于实例的评价结果表明,该模型设计合理、抗干扰能力强,对汾河水质评价具有较好的客观性、通用性和实用性.     

基于改进的BP神经网络的地下水水质评价研究

运用人工神经网络的理论和方法,建立地下水水质评价的BP神经网络模型。根据《地下水质量标准》(GB/T14848—1993),通过训练该模型对昆明盆地实测12个孔隙水井的地下水水质进行评价,并与层次分析法的评价结果进行了比较。对比结果表明,用BP神经网络模型评价地下水水质是可行的,该模型训练速度快、精度高,能如实地评价地下水质情况。     

基于BP神经网络模型的水质评价方法探讨

运用人工神经网络理论和方法,建立了水质评价的BP神经网络模型,并对长治市10眼水井的地下水水质进行了评价,并与综合指数法、模糊综合评判法的评价结果进行了比较。结果表明,用BP神经网络模型评价水资源水质是可行的,为水资源水质评价提供了一个新的方法。     

基于BP神经网络的环境质量评估

利用人工神经网络对地区综合环境质量进行了评价,提出了基于BP人工神经网络、以Matlab为平台的算法程序的人工神经网络环境质量分类模型．并以某地区环境监测数据值为样本,进行了环境质量评价分析．研究结果表明,BP神经网络应用于环境质量评价无需构建复杂的参数方程,且具有基于知识学习的特性,结构简单实用,具有客观性和通用性．     

基于时序建模的教学质量评估系统的神经网络辨识

采用时序分析对教学质量评估体系进行系统分析和建模,引入Box-Cox进行数据的非平稳性预处理,选用L-MBP网络进行系统辨识。通过比较网络对校验样本的预测效果,对隐层节点数和各层间的传递函数进行优化,同时采用重复训练法来提高网络的稳定性和预测精度。算例表明这种辨识方法能对教学质量进行更准确的评估和预测。     

人工神经网络在双语物理教学评价体系中的应用研究

在提出双语物理教学评价体系的基础上构建了一个BP神经网络评价模型,解决了传统教学评价体系中各项指标所占权重的不变性问题。使用M atlab进行仿真的实验结果和基于该模型的教学评价系统的应用均验证了它的智能性和有效性。     

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.