楊陽+王宏+化成城+殷長昊+李開元

摘要：本文從創(chuàng)新型人才培養(yǎng)的知識(shí)結(jié)構(gòu)出發(fā)，以機(jī)械工程學(xué)科課程體系為研究對象，基于QS世界大學(xué)排名相關(guān)參數(shù)指標(biāo)，使用現(xiàn)代數(shù)學(xué)分析和建模方法，建立了三層BP神經(jīng)網(wǎng)絡(luò)分析模型，并在MATLAB上對樣本數(shù)據(jù)進(jìn)行了訓(xùn)練和數(shù)據(jù)驗(yàn)證，模型誤差集中于-0.6—+0.5?；谠撃Ｐ投康厍蟪隽薗S排名系統(tǒng)未列出的中國某些高校的QS參數(shù)。對比分析結(jié)果表明，高校機(jī)械學(xué)科課程體系結(jié)構(gòu)是決定其在QS系統(tǒng)排名的重要影響因素。本研究對于機(jī)械工程學(xué)科進(jìn)入國際一流學(xué)科和培養(yǎng)創(chuàng)新型人才具有借鑒作用。

關(guān)鍵詞：一流學(xué)科；課程結(jié)構(gòu)；BP神經(jīng)網(wǎng)絡(luò)；創(chuàng)新型人才

中圖分類號(hào)：G642.0 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1674-9324（2017）03-0162-02

建設(shè)國際一流的學(xué)科是創(chuàng)建國際一流大學(xué)的基礎(chǔ)，堅(jiān)持以一流為目標(biāo)，以機(jī)械工程學(xué)科為基礎(chǔ)，優(yōu)化課程結(jié)構(gòu)體系，培養(yǎng)創(chuàng)新型人才。機(jī)械工程學(xué)科課程結(jié)構(gòu)建設(shè)是研究生培養(yǎng)的重要特征，也是創(chuàng)新型人才培養(yǎng)的重要載體和平臺(tái)。本文以大學(xué)排名為依托，選取全球范圍內(nèi)認(rèn)可度較高的大學(xué)排名——國際高等教育研究機(jī)構(gòu)Quacquarelli Symonds（簡稱QS）世界大學(xué)工程技術(shù)類排名的各項(xiàng)參數(shù)作為依據(jù)。設(shè)計(jì)人工神經(jīng)網(wǎng)絡(luò)模型，將眾多復(fù)雜的指標(biāo)綜合起來，并予以量化。

一、課程結(jié)構(gòu)與創(chuàng)新型人才培養(yǎng)的關(guān)系

培養(yǎng)創(chuàng)新型人才既是當(dāng)前中國高校教育改革與發(fā)展的一個(gè)重要課題，也是中國經(jīng)濟(jì)社會(huì)發(fā)展的迫切需要，對知識(shí)的學(xué)習(xí)和積累也提出了更高的要求。任何課程體系都必須圍繞并服務(wù)于創(chuàng)新人才各方面素質(zhì)的全面發(fā)展以及個(gè)性培養(yǎng)而設(shè)計(jì)，不能顧此失彼，從各門課程的組成要素看，也必須注意進(jìn)行整體設(shè)計(jì)，兼顧各要素之間的聯(lián)系，才能起到相互促進(jìn)的作用[1]。人們在社會(huì)科學(xué)、自然科學(xué)和技術(shù)科學(xué)等各學(xué)科內(nèi)，通過多門學(xué)科相結(jié)合，運(yùn)用各種方法、技巧等，使其相互結(jié)合，形成新的學(xué)科，提高研究生的創(chuàng)新能力。

二、基于BP神經(jīng)網(wǎng)絡(luò)的機(jī)械工程研究生課程結(jié)構(gòu)分析

BP神經(jīng)網(wǎng)絡(luò)是被廣泛應(yīng)用的一種重要網(wǎng)絡(luò)形式，主要用來進(jìn)行非線性系統(tǒng)的輸入輸出映射關(guān)系建模。本文采用的是隱含層為一層的三層BP神經(jīng)網(wǎng)絡(luò)模型，該模型為有監(jiān)督的多層前向網(wǎng)絡(luò)，由三層神經(jīng)元組成：輸入層、隱含層和輸出層，其不同層之間用網(wǎng)絡(luò)權(quán)值進(jìn)行連接，同層內(nèi)部神經(jīng)元之間沒有連接關(guān)系[2]。

通過對QS世界大學(xué)排名中工程技術(shù)類排名前400的部分院校進(jìn)行排名指標(biāo)數(shù)據(jù)整理和匯總，以及對其機(jī)械工程學(xué)科研究生課程進(jìn)行搜集和分類，參考部分典型的課程結(jié)構(gòu)分類標(biāo)準(zhǔn)，將機(jī)械工程學(xué)科的研究生課程分為自然科學(xué)基礎(chǔ)、工程技術(shù)基礎(chǔ)、機(jī)械設(shè)計(jì)、機(jī)械制造、機(jī)電一體化、生物方面、能源環(huán)保方面、微納尺度、管理九類課程，作為九個(gè)指標(biāo)，將其每類課程所占百分比，作為BP神經(jīng)網(wǎng)絡(luò)輸入層的神經(jīng)元；輸出層有四個(gè)神經(jīng)元，數(shù)據(jù)來源于QS世界大學(xué)排名中工程技術(shù)類排名，包括總體得分、學(xué)術(shù)聲譽(yù)、全球雇主評價(jià)、單位教職的論文引用數(shù)。通常我們要根據(jù)網(wǎng)絡(luò)收斂性能的好壞來確定隱含層神經(jīng)元個(gè)數(shù)，通過對大量網(wǎng)絡(luò)模型結(jié)構(gòu)的分析研究，得到以下經(jīng)驗(yàn)公式[3]：

S=■+a 1≤a≤10 （2.1）其中S為隱含層節(jié)點(diǎn)數(shù)，m為輸入層節(jié)點(diǎn)數(shù)，n為輸出層節(jié)點(diǎn)數(shù)。根據(jù)公式（2.1），我們首先將隱含層神經(jīng)元數(shù)目設(shè)置為10，然后逐步增加到15和20。進(jìn)行多次實(shí)驗(yàn)，通過誤差的對比，發(fā)現(xiàn)在隱含層神經(jīng)元個(gè)數(shù)為25時(shí)，該BP神經(jīng)網(wǎng)絡(luò)的性能最好。因此，該BP神經(jīng)網(wǎng)絡(luò)模型隱含層神經(jīng)元數(shù)目設(shè)為25。將輸入數(shù)據(jù)的70%作為訓(xùn)練數(shù)據(jù)，15%作為測試數(shù)據(jù)，15%作為驗(yàn)證數(shù)據(jù)，通過對訓(xùn)練結(jié)果進(jìn)行測試，誤差達(dá)到所要求的范圍內(nèi)則說明網(wǎng)絡(luò)模型良好[4]。利用MATLAB訓(xùn)練及測試后的網(wǎng)絡(luò)誤差情況如下頁圖1所示，訓(xùn)練和測試誤差均達(dá)到預(yù)期效果，大多集中在零誤差附近，該模型滿足實(shí)際的應(yīng)用要求。

三、中國高校與國際一流學(xué)科大學(xué)的對比分析

列舉中國某“211工程”、“985工程”高校，對其研究生院機(jī)械工程學(xué)科課程結(jié)構(gòu)進(jìn)行調(diào)查與統(tǒng)計(jì)，將其課程分布的9個(gè)參量輸入到訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)，推測出其總體得分、學(xué)術(shù)聲譽(yù)、全球雇主評價(jià)、單位教職的論文引用數(shù)4個(gè)參量。

輸入x=[9.76 13.82 39.84 11.38 21.95 0.00 0.81 0.81 1.63]；

輸出ans=57.8018 28.9101 38.9170 72.6147

中國某高?？傮w得分為57.8018，學(xué)術(shù)聲譽(yù)28.9101，全球雇主評價(jià)38.9170，單位教職的論文引用情況72.6147。從推測出的數(shù)據(jù)看，在QS排名中，中國某高校主要落后在學(xué)術(shù)聲譽(yù)、全球雇主評價(jià)等指標(biāo)上，相比于國際一流學(xué)科高校還是有很大的差距，差距最大的主要是科研水平和國際化方面，尤其是在科研水平方面。對比來看，在課程設(shè)置中，國際一流大學(xué)一流學(xué)科都有著豐富的課程設(shè)置，強(qiáng)調(diào)多學(xué)科融合以及新興領(lǐng)域的學(xué)習(xí)，注重課程設(shè)置，推進(jìn)創(chuàng)新型人才的培養(yǎng)。中國高校要?jiǎng)?chuàng)建國際一流學(xué)科，加大培養(yǎng)創(chuàng)新型人才的力度，應(yīng)強(qiáng)化基礎(chǔ)知識(shí)的學(xué)習(xí)，多開設(shè)工程技術(shù)基礎(chǔ)類課程；在此基礎(chǔ)上，加強(qiáng)專業(yè)知識(shí)的拓寬，不同專業(yè)方向?qū)I(yè)課程供開放選擇，增設(shè)新興領(lǐng)域的課程學(xué)習(xí)[5]。另外，要強(qiáng)化多學(xué)科知識(shí)的融合，設(shè)置大量交叉學(xué)科課程，提高實(shí)踐能力，鍛煉和提高學(xué)生的實(shí)踐和創(chuàng)新能力。

四、結(jié)論

本文研究了國際一流大學(xué)機(jī)械工程學(xué)科的課程體系結(jié)構(gòu)，利用QS世界大學(xué)排名相關(guān)參數(shù)指標(biāo)，建立了三層BP神經(jīng)網(wǎng)絡(luò)分析模型，對國際一流高校的機(jī)械工程學(xué)科課程結(jié)構(gòu)進(jìn)行了分析?；谒〝?shù)學(xué)模型，求出了中國某高校的QS總體得分、學(xué)術(shù)聲譽(yù)、全球雇主評價(jià)、單位教職的論文引用情況等。選用QS排名中的29所高校作為系統(tǒng)樣本，其中25組作為訓(xùn)練樣本，4組作為測試樣本，通過MATLAB完成網(wǎng)絡(luò)的訓(xùn)練和測試，使用訓(xùn)練好的BP網(wǎng)絡(luò)模型，推測QS排名系統(tǒng)未列出的中國某高校的QS相關(guān)參數(shù)，將其與國際一流學(xué)科的數(shù)據(jù)進(jìn)行了比較分析。結(jié)果表明，中國某高校機(jī)械工程學(xué)科在課程結(jié)構(gòu)設(shè)置上需要整體優(yōu)化，強(qiáng)調(diào)多學(xué)科融合，拓寬知識(shí)面，鞏固基礎(chǔ)知識(shí)學(xué)習(xí)，加大創(chuàng)新型人才培養(yǎng)力度。

參考文獻(xiàn)：

[1]郭叢斌，孫啟明.中國內(nèi)地高校與世界一流大學(xué)的比較分析——從大學(xué)排名的視角[J].教育研究，2015，（02）：147-157.

[2]饒海琴，雷良海.重點(diǎn)課程建設(shè)對創(chuàng)新人才培養(yǎng)的思考[J].課程教育研究，2013，（32）：255-256.

[3]盧錚松，李珂珂.基于人工神經(jīng)網(wǎng)絡(luò)的研究生課程評價(jià)模型[J].現(xiàn)代教育技術(shù)，2009，（10）：53-57.

[4]聶勇，馬其平.國際一流高校創(chuàng)新型人才培養(yǎng)模式建構(gòu)的思考[J].內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2011，（06）：126-127.

[5]劉強(qiáng)，潘鵬飛，王玉清.變革中的大學(xué)學(xué)科排名——QS世界大學(xué)學(xué)科排名最新進(jìn)展與反思[J].比較教育研究，2015，（12）：35-41.

Research on the Course Structure of International First-Class Mechanical Engineering Using Neural Network

YANG Yang，WANG Hong，HUA Cheng-cheng，YIN Chang-hao，LI Kai-yuan

（Northeastern University School of Mechanical Engineer & Automation，Shenyang，Liaoning 110819，China）

Abstract：Mechanical engineering course system was taken as the research object，based on QS World University rankings relevant parameters，in order to cultivate innovative talents，used modern mathematical analysis method，established a three layer BP neural network analysis model，errors have been lumped in -0.6—+0.5. Based on this model，some Chinese universities，which are not listed in the QS rankings system，were quantitatively calculated. The results of comparative analysis show that the structure of the mechanical course system in universities is an important influence factor to the rankings of the QS system. This study is useful for the mechanical engineering disciplines to enter the international first-class disciplines and cultivate innovative talents.

Key words：first class discipline；course structure；BP neural network；innovative talents