• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于系統(tǒng)控制理論的高職院校創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價模型研究

      2022-05-09 09:50:38
      關(guān)鍵詞:神經(jīng)網(wǎng)絡(luò)樣本體系

      田 歡

      (蘭州職業(yè)技術(shù)學(xué)院 電子信息工程系, 甘肅 蘭州 730070)

      一、引言

      創(chuàng)新和創(chuàng)業(yè)是當(dāng)今時代的主題,也是推動國民經(jīng)濟新一輪高質(zhì)量發(fā)展的強大引擎。創(chuàng)新創(chuàng)業(yè)教育質(zhì)量更是成為了評價高職院校辦學(xué)水平和綜合教育創(chuàng)新創(chuàng)業(yè)教育質(zhì)量的重要指標(biāo)。高職院校學(xué)生是創(chuàng)新創(chuàng)業(yè)的“新力量”,大力發(fā)展職業(yè)院校的創(chuàng)新創(chuàng)業(yè)教育勢在必行。

      近年來,我國高職院校針對創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價,開展了廣泛的研究,取得了一定的成績,對學(xué)校教育教學(xué)工作取得的成績也起到了相當(dāng)大的推動作用。但是,在評估中仍然存在一些問題,例如如何對創(chuàng)新創(chuàng)業(yè)教育結(jié)果進(jìn)行預(yù)測和反饋,如何控制反饋結(jié)果精度,如何構(gòu)建和完善“政校企”三位一體的高職院校創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價體系。因此,如何有效地開展高職教育創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價體系研究,已成為我國職業(yè)教育發(fā)展的重要任務(wù)之一。

      本文針對以上這些客觀存在的問題,明確研究視角,提出基于系統(tǒng)理論和BP神經(jīng)網(wǎng)絡(luò)的高職創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價體系的構(gòu)建方案。以系統(tǒng)論和神經(jīng)網(wǎng)絡(luò)為理論依據(jù),為創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價體系具體搭建奠定理論基礎(chǔ)。繼而通過創(chuàng)新創(chuàng)業(yè)教育質(zhì)量的內(nèi)涵和特點,構(gòu)建基于系統(tǒng)論的評價模型。以相關(guān)高職院校創(chuàng)新創(chuàng)業(yè)教育教學(xué)情況為例,應(yīng)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行分析,確保創(chuàng)新創(chuàng)業(yè)教學(xué)評價體系的科學(xué)性和實用性,使其具有推廣價值。

      二、高職院校創(chuàng)新創(chuàng)業(yè)教學(xué)過程與控制理論

      (一)創(chuàng)新創(chuàng)業(yè)教學(xué)過程的特點

      職業(yè)教育不是學(xué)術(shù)型教育的簡化版,也不是普通教育的職業(yè)版,而是一個具有鮮明特質(zhì)的領(lǐng)域。學(xué)校除了教授技術(shù),還需要培養(yǎng)敬業(yè)專注精益求精的工匠精神,培養(yǎng)的人才是滿足當(dāng)前社會發(fā)展需要的高素質(zhì)技能型人才和大國工匠。職業(yè)人才培養(yǎng)需要精準(zhǔn)滿足企業(yè)需求,就必須直接與企業(yè)對接。需要將企業(yè)崗位職責(zé)、職業(yè)能力標(biāo)準(zhǔn)貫穿到育人的全過程中去。高等職業(yè)教育教學(xué)過程特點在于,教學(xué)不只是一門課程的教學(xué)過程,更是一種職業(yè)思想引導(dǎo)和職業(yè)技能養(yǎng)成的過程。要評估創(chuàng)新創(chuàng)業(yè)教育質(zhì)量,應(yīng)考慮教師、學(xué)生、管理人員、設(shè)備以及合作企業(yè)、政府資源、業(yè)內(nèi)專家等諸多因素,如此才能更好地促進(jìn)學(xué)生、教師和學(xué)校的全方位發(fā)展,進(jìn)而推動“大眾創(chuàng)新”的發(fā)展與社會的進(jìn)步。同時,我們也要根據(jù)高職院校育人目標(biāo)的實際情況,把理論教學(xué)與職業(yè)技能、創(chuàng)新創(chuàng)業(yè)競賽結(jié)合起來,著眼于知識體系構(gòu)建和以賽促學(xué)兩個關(guān)鍵環(huán)節(jié),根據(jù)高職院校生源和專業(yè)設(shè)置的實際情況,采用科學(xué)的方法選擇評價指標(biāo)和權(quán)重,設(shè)計理論模型體系。

      (二)系統(tǒng)控制理論

      系統(tǒng)論將研究內(nèi)容看作一個完整系統(tǒng),分析該系統(tǒng)運行的規(guī)律??刂普搶⒀芯繉ο筮\行規(guī)律進(jìn)行模式化,將系統(tǒng)輸出結(jié)果反饋回輸入端,重新獲得輸出結(jié)果,生成一種模式化的運行模式。在本文研究框架下,需要控制的具體內(nèi)容包括:創(chuàng)業(yè)指導(dǎo)教師職業(yè)培訓(xùn)、企業(yè)實踐教學(xué)、監(jiān)督學(xué)生課程學(xué)習(xí)和學(xué)生技能證書取得,監(jiān)督人才培養(yǎng)過程和質(zhì)量。從學(xué)生創(chuàng)業(yè)教育的角度,課程與績效訓(xùn)練計劃的控制,訓(xùn)練內(nèi)容與訓(xùn)練時間的控制、信息反饋評價等功能主要通過接收和比較外部信息實現(xiàn)。

      (三)創(chuàng)新創(chuàng)業(yè)教學(xué)評價過程與控制理論的關(guān)系

      閉環(huán)控制系統(tǒng)在控制理論上具有較好的控制效果,因為系統(tǒng)本身可以通過理想輸入和實際輸出之間的旋轉(zhuǎn)反饋來控制系統(tǒng)的運行,最終使期望值與實際值協(xié)調(diào)一致。因此,我們適用閉環(huán)控制系統(tǒng)理論,簡化創(chuàng)新創(chuàng)業(yè)教學(xué)過程的結(jié)構(gòu)為,輸入端是創(chuàng)新創(chuàng)業(yè)教育對象與教學(xué)過程,經(jīng)創(chuàng)新創(chuàng)業(yè)教育賦能平臺進(jìn)行信息處理,輸出教育評價結(jié)果,將結(jié)果反饋回輸入端與輸入信息進(jìn)行比對,從而檢驗評價結(jié)果與預(yù)期結(jié)果是否吻合,如是則為正反饋,不是則為負(fù)反饋。如圖 1所示。

      圖1 創(chuàng)新創(chuàng)業(yè)教育評價流程結(jié)構(gòu)

      三、基于系統(tǒng)控制理論的創(chuàng)新創(chuàng)業(yè)教學(xué)評價模型

      系統(tǒng)控制理論中的神經(jīng)網(wǎng)絡(luò)是一種非線性數(shù)學(xué)仿真技術(shù),它用簡單的非線性操作來定義復(fù)雜的表示。使得受人為因素影響的評估結(jié)果有可能客觀而有效,并可能改變傳統(tǒng)評估方法的工作復(fù)雜度問題。本文設(shè)計的實踐教學(xué)評價體系模型中,評估數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù),對評估系統(tǒng)的結(jié)構(gòu)和指令實例進(jìn)行邏輯設(shè)計,根據(jù)默認(rèn)參數(shù)條件,將每個指令數(shù)據(jù)集輸入網(wǎng)絡(luò)系統(tǒng)進(jìn)行學(xué)習(xí),評價結(jié)果作為BP神經(jīng)網(wǎng)絡(luò)的輸出參數(shù)。

      (一)創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價指標(biāo)體系構(gòu)建

      高職院校創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價是建立在指標(biāo)體系基礎(chǔ)之上,即由信息輸入、信息處理、信息反饋、信息輸出幾個基本因素組成。信息輸入部分為評價內(nèi)容,包括實訓(xùn)基地建設(shè)、實習(xí)講師資質(zhì)、儀器設(shè)備完備、學(xué)生競賽團(tuán)隊組建、學(xué)校資金支持、政府資源支撐、合作企業(yè)培訓(xùn)等。創(chuàng)新創(chuàng)業(yè)教學(xué)質(zhì)量評價結(jié)果是輸出部分。本文提出的基于系統(tǒng)論的創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價體系,包括四個子系統(tǒng):前預(yù)測評價體系、教師自我評價體系、學(xué)生評價體系、專家評價體系,以及十二個二級子系統(tǒng),如圖2所示。

      (二)基于BP網(wǎng)絡(luò)的創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價模型設(shè)計

      1.BP算法原理

      BP 算法由數(shù)據(jù)流的前向計算(正向傳播)和誤差信號的反向傳播兩個過程構(gòu)成。正向傳播時,傳播方向為輸入層→隱層→輸出層,每層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元。若在輸出層得不到期望的輸出,則轉(zhuǎn)向誤差信號的反向傳播流程。通過這兩個過程的交替進(jìn)行,在權(quán)向量空間執(zhí)行誤差函數(shù)梯度下降策略,動態(tài)迭代搜索一組權(quán)向量,使網(wǎng)絡(luò)誤差函數(shù)達(dá)到最小值,從而完成信息提取和記憶過程。即樣本數(shù)據(jù)從輸入層輸入,經(jīng)過傳遞函數(shù)計算隱層節(jié)點的值,在輸出層與預(yù)期值作比較,若有誤差則反向傳遞給上一層,用來調(diào)整上層節(jié)點的權(quán)值。這個過程反復(fù)執(zhí)行直到誤差值小于期望的最小誤差,理論上可以預(yù)測后續(xù)樣本的值,如圖3所示。

      圖2 高職院校創(chuàng)新創(chuàng)業(yè)質(zhì)量評價體系的構(gòu)成

      圖3 BP算法由輸入層→隱層→輸出層構(gòu)成

      2.網(wǎng)絡(luò)中的層

      BP算法中,為不同的網(wǎng)絡(luò)結(jié)構(gòu)賦予了不同的解決問題的能力。非線性網(wǎng)絡(luò)層數(shù)可以提高神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力。BP層由神經(jīng)網(wǎng)絡(luò)支持,因此,一個三級 BP神經(jīng)網(wǎng)絡(luò)可以補充任何 N級 m-Size圖。在基于神經(jīng)網(wǎng)絡(luò)的創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價模型中,本文應(yīng)用具有隱藏層的三級BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

      3.每一層神經(jīng)元數(shù)量的確定

      輸入層神經(jīng)元個數(shù)的確定:針對BP神經(jīng)網(wǎng)絡(luò)子系統(tǒng)中的評價結(jié)果:優(yōu),良、一般、較差。我們?yōu)樵u價體系設(shè)計了了4個一級評價指標(biāo)和10個二級指標(biāo)。其中,二級評價指標(biāo)構(gòu)成評價神經(jīng)網(wǎng)絡(luò)的十個輸入向量;

      輸出層神經(jīng)元:每次評價只有一個最后評價結(jié)果,BP神經(jīng)網(wǎng)絡(luò)子系統(tǒng)的輸出層神經(jīng)元數(shù)量為1;

      4.神經(jīng)元興奮功能的測定

      根據(jù)BP神經(jīng)網(wǎng)絡(luò)隱藏層和樣本數(shù)據(jù)歸一化預(yù)處理的分析,結(jié)合測試結(jié)果,隱藏層和輸出層中:tansig,pureline為傳遞函數(shù), trainlm函數(shù)為網(wǎng)絡(luò)訓(xùn)練函數(shù),learned函數(shù)為學(xué)習(xí)函數(shù),性能函數(shù)為MSE函數(shù)。

      5.學(xué)習(xí)頻率的選擇

      每個訓(xùn)練周期的權(quán)重變化由學(xué)習(xí)率決定。高學(xué)習(xí)率可能導(dǎo)致網(wǎng)絡(luò)不穩(wěn)定或發(fā)散;低學(xué)習(xí)率會導(dǎo)致網(wǎng)絡(luò)學(xué)習(xí)時間長,收斂速度慢,但可以保證網(wǎng)絡(luò)的誤差值不會從誤差面的縫隙中跳出,最終導(dǎo)致最小誤差值,因此,學(xué)習(xí)率越小系統(tǒng)的穩(wěn)定性越高。在神經(jīng)網(wǎng)絡(luò)設(shè)計過程中,需要不同的學(xué)習(xí)率形成網(wǎng)絡(luò)。觀察每次訓(xùn)練后誤差平方和的下降率,可以判斷選擇的學(xué)習(xí)率是否合適。如果錯誤平方和迅速減小,則學(xué)習(xí)率合適;如果錯誤平方和振蕩,則學(xué)習(xí)率太高。網(wǎng)絡(luò)越復(fù)雜,就需要不同的學(xué)習(xí)率來支持錯誤表面的不同位置。為了確定不同訓(xùn)練階段的自適應(yīng)學(xué)習(xí)率,我們采用自適應(yīng)學(xué)習(xí)率。

      圖4 基于BP網(wǎng)絡(luò)的實踐創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價模型

      四、實例研究

      (一)數(shù)據(jù)選擇

      選取相關(guān)高職院校的實踐創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價問卷數(shù)據(jù)作為樣本數(shù)據(jù)。通過數(shù)據(jù)的歸一化處理,隨機選擇13組數(shù)據(jù)樣本,前八組作為訓(xùn)練樣本,剩余五組樣本則作為預(yù)測樣本。其中,評價選項均為:優(yōu)秀/良好/一般/差。

      1.預(yù)評價模塊

      對創(chuàng)新創(chuàng)業(yè)指導(dǎo)教師的指導(dǎo)能力和學(xué)生的學(xué)習(xí)競賽情況進(jìn)行評價。

      2.教師自我評估模塊

      針對教學(xué)方法、教學(xué)效果即刻進(jìn)行反饋。

      3.專家評估

      包括企業(yè)專家、高校專家、政府專家,評價教師的教學(xué)策略、方法以及他們的指導(dǎo)競賽能力。

      4.學(xué)生評估

      每個學(xué)期學(xué)生都需要評估他們的教師培訓(xùn)質(zhì)量。對教師培訓(xùn)質(zhì)量的研究通常在某些課程的中期和結(jié)束之前進(jìn)行,如圖4所示。

      (二)MATLAB仿真分析

      Matlab工具箱中的 newff函數(shù)用于構(gòu)建網(wǎng)絡(luò)。根據(jù)給定的樣本數(shù)據(jù),該函數(shù)可以自動給出輸出層的神經(jīng)元數(shù)量;對于隱藏層的神經(jīng)元數(shù)量和訓(xùn)練算法函數(shù)需要我們自己給出。Matlab工具箱中的函數(shù)init用于初始化。使用給定數(shù)據(jù)樣本,選取前八組數(shù)據(jù)在MATLAB上訓(xùn)練網(wǎng)絡(luò),對后五組數(shù)據(jù)進(jìn)行預(yù)測測試,驗證測試結(jié)果。MATLAB中BP神經(jīng)網(wǎng)絡(luò)的代碼,如圖5所示。

      圖5 MATLAB中BP神經(jīng)網(wǎng)絡(luò)的代碼

      (三)測試結(jié)果分析

      在神經(jīng)網(wǎng)絡(luò)中,樣本訓(xùn)練是必不可少的數(shù)據(jù)。對輸入樣本進(jìn)行歸一化處理,保證數(shù)據(jù)在指定范圍[0,1]內(nèi),有利于數(shù)據(jù)處理,提高網(wǎng)絡(luò)效率。輸入樣本的歸一化公式描述如下:

      訓(xùn)練結(jié)果如圖6所示。

      圖6 BP網(wǎng)絡(luò)測試結(jié)果

      經(jīng)過3次迭代,系統(tǒng)誤差已達(dá)到0.000135(<0.001),最終輸出的訓(xùn)練樣本數(shù)據(jù)值與實驗實際輸出值之間,誤差與設(shè)定值一致,系統(tǒng)輸出值接近教學(xué)評價的實際數(shù)據(jù)值,說明構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)子系統(tǒng)能更好地逼近訓(xùn)練樣本數(shù)據(jù)集要求。實驗結(jié)果表明,基于神經(jīng)網(wǎng)絡(luò)的評價體系在理論、政策等教育培訓(xùn)評價中是一種合乎邏輯的、有針對性的評價模型。可見,基于神經(jīng)網(wǎng)絡(luò)的評價體系是一種合理的、可預(yù)測的評價實踐教學(xué)效果的評價模型。

      五、結(jié)語

      高等職業(yè)院校創(chuàng)新創(chuàng)業(yè)教育質(zhì)量是評價學(xué)校育人水平和教學(xué)質(zhì)量的重要指標(biāo)之一。本文探討了高等職業(yè)院校創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價的特點。采用BP神經(jīng)網(wǎng)絡(luò)理論,運用數(shù)學(xué)仿真模型作為設(shè)計基礎(chǔ),基于系統(tǒng)控制理論,設(shè)計了創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價體系結(jié)構(gòu)與理論拓?fù)淠P?。通過實際數(shù)據(jù)中的非線性復(fù)雜的教學(xué)評價因素進(jìn)行MATLAB仿真分析,通過非線性作用函數(shù)的復(fù)合映射,從而生成教學(xué)效果評價仿真預(yù)測結(jié)果,所建立神經(jīng)網(wǎng)絡(luò)系統(tǒng)的預(yù)測值和評價目標(biāo)值吻合較好,相關(guān)系數(shù)達(dá)到 0.9094,接近1,因此該系統(tǒng)具備客觀、科學(xué)、實用性。

      猜你喜歡
      神經(jīng)網(wǎng)絡(luò)樣本體系
      用樣本估計總體復(fù)習(xí)點撥
      構(gòu)建體系,舉一反三
      神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
      電子制作(2019年19期)2019-11-23 08:42:00
      推動醫(yī)改的“直銷樣本”
      隨機微分方程的樣本Lyapunov二次型估計
      基于神經(jīng)網(wǎng)絡(luò)的拉矯機控制模型建立
      重型機械(2016年1期)2016-03-01 03:42:04
      村企共贏的樣本
      復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
      基于支持向量機回歸和RBF神經(jīng)網(wǎng)絡(luò)的PID整定
      “曲線運動”知識體系和方法指導(dǎo)
      东兰县| 措勤县| 金川县| 德安县| 上蔡县| 蒙山县| 报价| 湘潭市| 堆龙德庆县| 双江| 万安县| 盐山县| 阿拉善左旗| 甘肃省| 铜川市| 遵义市| 九寨沟县| 东兴市| 江孜县| 苍梧县| 通许县| 剑河县| 金坛市| 翁源县| 永寿县| 建昌县| 安顺市| 象州县| 镇雄县| 义马市| 精河县| 会宁县| 文昌市| 惠安县| 九台市| 秦安县| 黎城县| 桦甸市| 乡城县| 化德县| 黔西|