靳永山，李書森，韓學(xué)鋒

（天津石油職業(yè)技術(shù)學(xué)院，天津 301607）

對職業(yè)院校學(xué)生培養(yǎng)質(zhì)量進(jìn)行評價，是一項復(fù)雜的系統(tǒng)工程，在學(xué)生培養(yǎng)質(zhì)量評價中，涉及的因素較多，既包括學(xué)業(yè)成就方面，又包括社會適應(yīng)和自我完善等方面，評價評價內(nèi)容具有多樣性和復(fù)雜性；而其各因素影響的程度也不同，呈現(xiàn)出非線性的特征，指標(biāo)和權(quán)重的確定帶有很大的主觀性，評價指標(biāo)體系的建立以及學(xué)生培養(yǎng)質(zhì)量的度量較為困難。評價結(jié)果難以用恰當(dāng)?shù)臄?shù)學(xué)解析表達(dá)式來表示，因此并不能完全客觀反映學(xué)生培養(yǎng)質(zhì)量高低，根據(jù)這一特點，本文構(gòu)建了職業(yè)院校學(xué)生培養(yǎng)質(zhì)量評價體系的BP神經(jīng)網(wǎng)絡(luò)模型，通過對網(wǎng)絡(luò)訓(xùn)練以后，可以對學(xué)生培養(yǎng)質(zhì)量進(jìn)行等級評價。

一、BP神經(jīng)網(wǎng)絡(luò)的學(xué)生培養(yǎng)質(zhì)量評價模型

（一）原理

BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)又稱為多層前饋神經(jīng)網(wǎng)絡(luò)，它除具有輸入層與輸出層以外，還具有一層或多層隱層，各層神經(jīng)元僅與相鄰層神經(jīng)元之間有連接，各層內(nèi)神經(jīng)元之間無任何連接，各層神經(jīng)元之間無反饋連接，輸入數(shù)據(jù)X＝（x1，x2，…，xn）從輸入層依次經(jīng)過各隱層節(jié)點到達(dá)輸出層，得到輸出數(shù)據(jù)Y＝（y1，y2，…，yn）．神經(jīng)網(wǎng)絡(luò)通過實例學(xué)習(xí)來實現(xiàn)知識自動獲取，將評價專家針對學(xué)生培養(yǎng)質(zhì)量評價的各指標(biāo)屬性值進(jìn)行歸一化處理后作為BP網(wǎng)絡(luò)模型的輸入向量，將評價結(jié)果作為BP網(wǎng)絡(luò)模型的輸出，用足夠多的樣本訓(xùn)練這個網(wǎng)絡(luò)，即可獲取評價專家的經(jīng)驗、知識、主觀判斷及其對指標(biāo)重要性的傾向，BP網(wǎng)絡(luò)模型所具有的那組權(quán)系數(shù)值便是網(wǎng)絡(luò)經(jīng)過自適應(yīng)學(xué)習(xí)所得到的正確知識內(nèi)部表示，訓(xùn)練好的BP網(wǎng)絡(luò)模型根據(jù)待評價培養(yǎng)質(zhì)量各指標(biāo)的屬性值，就可得到對培養(yǎng)質(zhì)量的評價結(jié)果，再現(xiàn)專家的經(jīng)驗、知識、主觀判斷及其對指標(biāo)重要性的傾向，實現(xiàn)定性與定量的有效結(jié)合，保證評價的客觀性和一致性［1］．

（二）學(xué)生培養(yǎng)質(zhì)量評價指標(biāo)體系的確立

學(xué)生培養(yǎng)質(zhì)量評價就是通過系統(tǒng)收集相關(guān)信息，采取各種定性定量的方法，分析影響學(xué)生培養(yǎng)質(zhì)量的因素及影響程度而得出正確的等級。從職業(yè)教育培養(yǎng)目標(biāo)出發(fā)，將職業(yè)院校學(xué)生培養(yǎng)質(zhì)量評價的指標(biāo)體系分為目標(biāo)層、一級指標(biāo)、二級指標(biāo)、三個等級（如表一）。目標(biāo)層表示職業(yè)院校學(xué)生培養(yǎng)質(zhì)量的總體質(zhì)量；一級指標(biāo)分為知識、能力、和素質(zhì)，從動態(tài)的角度看，培養(yǎng)質(zhì)量的形成是一個漸進(jìn)的過程，可分為掌握知識的過程、形成能力的過程、養(yǎng)成素質(zhì)的過程。從靜態(tài)上看，一個人身上同時存在著三種形態(tài)：知識形態(tài)、能力形態(tài)、素質(zhì)形態(tài)，三種形態(tài)成某種形式的結(jié)合。在人的發(fā)展過程中三種形態(tài)的協(xié)調(diào)也不斷調(diào)整。二級指標(biāo)采用可測的、可獲得、可比的數(shù)據(jù)指標(biāo)，是指標(biāo)體系中最基層的要素，可以對一級指標(biāo)的數(shù)量、強(qiáng)度表現(xiàn)給予直接或間接的度量，最終轉(zhuǎn)化為量值。二級指標(biāo)體系中也可以繼續(xù)細(xì)化，如科學(xué)文化知識包括人文、社會科學(xué)基礎(chǔ)知識、自然科學(xué)基礎(chǔ)知識、方法論知識等，專業(yè)技術(shù)知識可分為專業(yè)基礎(chǔ)知識和專業(yè)知識。但由于受統(tǒng)計數(shù)據(jù)的限制，所考慮因素不可能太多，當(dāng)然，也不是越多越好，只能從有限的角度去認(rèn)識評價對象，也考慮到學(xué)生的發(fā)展性，對學(xué)生培養(yǎng)質(zhì)量的評價只限于某一階段，本文不再劃分三級指標(biāo)。職業(yè)院校學(xué)生培養(yǎng)質(zhì)量評價體系中各個評價指標(biāo)有機(jī)聯(lián)系，共同作用，形成了一個評價整體，充分體現(xiàn)出指標(biāo)體系的設(shè)計思想。

表一 職業(yè)院校學(xué)生培養(yǎng)質(zhì)量評價指標(biāo)體系

（三）BP神經(jīng)網(wǎng)絡(luò)的學(xué)生培養(yǎng)質(zhì)量評價模型的確立

針對職業(yè)院校學(xué)生培養(yǎng)質(zhì)量評價指標(biāo)體系，影響學(xué)生培養(yǎng)質(zhì)量的主要指標(biāo)有9項，取輸入層個數(shù)n＝9。評價結(jié)果作網(wǎng)絡(luò)的輸出，取輸出層個數(shù)m＝1．根據(jù)Kosmogorov定理，在合理的結(jié)構(gòu)和恰當(dāng)?shù)臋?quán)值條件下，3層BP網(wǎng)絡(luò)可以逼近任意的連續(xù)函數(shù)，選取結(jié)構(gòu)相對簡單的3層BP網(wǎng)絡(luò)。一般情況下，隱含層神經(jīng)元個數(shù)是根據(jù)網(wǎng)絡(luò)收斂性能的好壞來確定的，在總結(jié)大量網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上，得出經(jīng)驗公式：

圖1 BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)

二、BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法

BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法可描述為：

（2）選取一對樣本訓(xùn)練數(shù)據(jù)xp＝ ［x1，x2，…，x12］ 作為輸入層輸入，yp為期望輸出。

（3）計算各隱含層神經(jīng)元的輸出：

其中i＝1，2，3…n，j＝1，2，3…s，其中xp為輸入數(shù)據(jù)，ωij為連接權(quán)系數(shù)，θj為閥值，

（4）計算輸出層神經(jīng)元的輸出：

其中，j＝1，2，3…s，yj為隱含層的輸出，ωj為連接權(quán)系數(shù)，θ為閥值。

（5）計算出輸出層的校正誤差：σ＝ （yp－y）y（1－y）。

其中yp為網(wǎng)絡(luò)的期望輸出，y為網(wǎng)絡(luò)的實際輸出．。

（6）計算出隱含層的校正誤差：σj＝y(tǒng)j（1－yj）σωj。

（7）計算下一次隱含層和輸出層之間新的連接權(quán)值及輸出神經(jīng)元閥值：

其中，η（t）為步長；α為動量系數(shù)，取值在 0，［］1之間，一般取0．9左右；η0為初始步長；t為學(xué)習(xí)次數(shù)；T為總的迭代次數(shù)；M為一正數(shù)。

（8）計算下一次輸入層和隱含層之間新的連接權(quán)值及隱含層之間新的連接權(quán)值及隱含層神經(jīng)元閥值：

（9）通過迭代計算，達(dá)到誤差的允許值。再選取第二對樣本進(jìn)行訓(xùn)練，重復(fù)以上算法，直至所有樣本全部訓(xùn)練結(jié)束，神經(jīng)網(wǎng)絡(luò)評價模型建立。

三、職業(yè)院校學(xué)生質(zhì)量評價神經(jīng)網(wǎng)絡(luò)模型的實現(xiàn)

選用高性能的數(shù)值計算可視化軟件matlab，建立三層BP神經(jīng)網(wǎng)絡(luò)，輸入層神經(jīng)元9個，輸出層神經(jīng)元1個，隱含層神經(jīng)元6個，學(xué)習(xí)次數(shù)為1 000次，迭代次數(shù)為600次，初始步長選取0．9，M取值400，動量系數(shù)為0．9，允許誤差0．001，選取10對樣本數(shù)據(jù)及10對測試數(shù)據(jù)，采用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱學(xué)習(xí)訓(xùn)練網(wǎng)絡(luò)，得到神經(jīng)網(wǎng)絡(luò)評價模型。通過對測試數(shù)據(jù)的驗證，結(jié)果比較滿意，測試結(jié)果與專家評價結(jié)果比較見表二。

表二 測試結(jié)果與專家評價結(jié)果表

四、結(jié)論

本文提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的職業(yè)院校學(xué)生培養(yǎng)質(zhì)量評價模型。根據(jù)職業(yè)教育的培養(yǎng)目標(biāo)，構(gòu)建學(xué)生培養(yǎng)質(zhì)量評價指標(biāo)體系，利用職業(yè)院校統(tǒng)計數(shù)據(jù)對評價模型進(jìn)行訓(xùn)練，最后通過實驗證明了此方法的有效性。為提訓(xùn)練效率，提出采用變步長算法，大大改善了網(wǎng)絡(luò)的收斂速度，克服了專家在評價過程中的主觀因素。

［1］王旭，王宏．人工神經(jīng)元網(wǎng)絡(luò)原理與應(yīng)用［M］．沈陽：東北大學(xué)出版社，2000．

［2］聞新，周露．MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計［M］．北京：科學(xué)出版社，2001．