PSO优化的神经网络在教学质量评价中的应用

针对以往教学质量评估体系中存在的问题,利用粒子群优化算法(PSO)训练的神经网络建立教学质量评估数学模型.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.实验结果表明,运用人工神经网络能更好的建立综合评价系统,用于满足更多范围的系统综合评价.     

BP神经网络在教学质量评价中的应用

结合BP神经网络的特点,探讨了基于BP神经网络的教学质量评价方法.利用BP神经网络方法建立高校教学质量评价系统的模型,将教学评价指标概念量化成确定的数据作为其输入,教学效果作为输出,并利用MATLAB系统加以实现.     

基于PSO的RBF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RBF神经网络用于教师教学质量评价的方法。该方法使用由PSO训练的RBF神经网络来拟合影响教学质量评价的众多指标与评价结果之间的复杂关系。通过实验验证,该方法在教学质量评价中,克服了评价主体在评价过程中的主观因素,又得到满意的评价结果,具有广泛的适用性。     

层次分析法和神经网络相融合的教学质量评价

为提高教学质量评价准确性,提出一种基于层次分析法和神经网络相融合的教学质量评价方法（AHP-BPNN）。采用层次分析法构建评价指标体系,筛选出对评价结果有重要影响的指标作为BP神经网络输入,采用神经网络建立教学质量评价模型。仿真结果表明,AHP-BPNN不仅简化神经网络的结构,而且提高了教学质量的评价精度和评价效率,是一种可行、有效的教学质量评价方法。     

高校教学质量评价的BP神经网络模型

高校教学质量的评价是一个多因素、多变量、模糊的非线性过程。文章运用BP神经网络建立了教学质量评价的数学模型,通过matlab神经网络工具箱学习训练网络,并经测试数据验证。结果表明,基于BP神经网络建立的教学质量评价模型,克服了评价中主观因素的影响,得到了较满意的评价结果,具有广泛的应用前景。     

利用模糊-BP神经网络评价高校教师教学质量

为提高高校教师教学质量评价的科学性和合理性,简单分析了传统线性方法进行教师教学质量评价的缺点,介绍了一种基于模糊理论与BP神经网络的高校教师教学质量评价模型。该模型将教学评价指标概念量化成确定的数据作为BP网络的输入,模糊综合评价结果作为输出。运用Matlab进行实证研究发现,将该方法用于高校教师教学质量评价中,既克服了评价主体在评价过程中的主观因素,叉得到了满意的评价结果,具有广泛的适用性。     

基于改进QPSO和RBF神经网络的文本分类方法

为提高文本分类的准确性,本文提出了一种基于量子PSO和RBF神经网络的新的文本分类方法.首先建立描述样本类别的关键词集合,并采用模糊向量空间模型建立每类样本的特征向量,然后采用RBF神经网络实施文本自动分类,采用改进的量子PSO优化RBF神经网络的参数,以提高其逼近能力.选取中国期刊网的部分文献作为实验数据,实验结果说明本文所提出方法的分类精准度与其他同类方法相比有明显的提高.     

神经网络的BP算法在教学质量评价中的应用研究

神经网络具有很强的自学习能力和容错性,善于联想、类比和推理。该文在探讨教学质量评价指标体系构建的基础上,将神经网络的BP算法应用于教师教学质量的评价中,目的是为了准确地反映教学的实际,更科学地对教师的教学质量进行有效的评价。实验结果证明,应用神经网络BP算法的评价方法考虑了评价标准的模糊性,使教师的教学质量得到客观公正的评价。     

一种应用PSO优化RBF神经网络的方法

RBF神经网络算法是一种常用的数据训练方法,在该训练过程中,如何选取更合理的个体作为RBF神经网络的神经元,直接关系到该数据训练方法的性能.利用传统的RBF神经网络模型进行数据训练,由于不同的神经元之间的差异性较小,造成建立的RBF神经网络集成模型的精确度过低.为此,提出应用PSO优化RBF神经网络的方法.动态构造PSO优化RBF神经网络结构,针对不同的动态构造方法进行分类,得到网格删除法、网络构造法和综合法等不同的动态构造方法,在动态构造的基础上,建立引用PSO优化RBF神经网络模型,计算RBF神经网络中的粒子变量,获取对应的适应性值,得到RBF神经网络的输出结果,实现应用PSO优化的RBF神经网络建模.实验结果表明,利用改进算法进行RBF神经网络构建,能够降低RBF神经网络的数据训练误差,满足实际需求.     

BP神经网络在教学质量评价中的应用

高校教学质量的评价是一个多因素、多变量、模糊的非线性过程。运用BP神经网络建立了教学质量评价模型,通过Matlab神经网络工具箱学习训练网络,并进行测试验证。结果表明,将该方法用于高校教师教学质量评价中,既克服了评价主体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。     

支持向量机在高校教学质量评价中的应用研究

研究准确评价教学质量,有助于实现教学科学管理.高校教学质量评价是一个多层次、多目标的系统工程,传统评估方法存在计算繁琐、主观性大等缺陷.为了提高教学质量评价的准确率,在分析多种教学质量评价模型的基础上,提出改进支持向量机的高校教学质量评价模型.将教学质量评价指标量化成后作为支持向量机输入,评价结果作为输出,采用支持向量机非线性学习能力逼近输入与输出之间函数关系,并采用遗传算法对评价模型参数进行优化.仿真结果表明,改进支持向量机提高了教学质量的评价准确率,克服专家系统的主观因素和神经网络的泛化能力差的缺陷,改进方法为高校教学质量的评价提供了参考依据.     

基于粒子群优化的深度神经网络分类算法

针对神经网络分类算法中节点函数不可导,分类精度不够高等问题,提出了一种基于粒子群优化(PSO)算法的深度神经网络分类算法.使用深度学习中的自动编码机,结合PSO算法优化权值,利用自动编码机对输入样本数据进行编解码,为提高网络分类精度,以编码机本身的误差函数和Softmax分类器的代价函数加权求和共同作为PSO算法的评价函数,使编码后的数据更加适应分类器.实验结果证明:与其他传统的神经网络相比,在邮件分类问题上,此分类算法有更高的分类精度.     

基于最大熵NN的教学质量评价模型及仿真

教学质量评价是教学管理中的重要工作,其关键是建立影响教学质量的众多指标与评价结果间的复杂非线性关系模型.BP神经网络虽能建立相关模型,但却在建模过程中未考虑由专家经验知识所积累的各评价指标与评价结果的不确定性分布信息,导致模型预测的评价结果准确性差且模型泛化性能弱.为此,本文选用具备刻画不确定性分布信息功能的最大熵准则替换BP算法中的均方误差准则,从而获得教学质量的最大熵神经网络评价模型.数据仿真和重庆理工大学50名教师评价实例均显示,改进模型的预测评价结果相对误差均在6％内,且明显优于传统BP神经网络模型.表明了改进模型的评价结果具有很高的可信性和较强的泛化能力,从而为实现教学质量的准确评价提供了一个可行方法.     

基于粒子群算法和神经网络的人脸识别分类器研究

针对BP神经网络作为人脸识别分类器具有的收敛速度慢、易陷入局部极小等缺点,提出利用改进的粒子群优化算法(PSO)改善BP网络训练的方法,建立种基于改进的PSO-BP神经网络,更合理有效地确定神经网络的连接权值和阈值,将其应用到人脸识别系统中的分类环节中,并与单独使用BP神经网络分类的结果相比较,实验表明,该方法识别速度...     

PSO算法和神经网络的入侵检测系统设计

针对入侵检测系统检测率低,整体性能不好的问题,在探讨入侵检测技术和人工神经网络理论的基础上,提出了一种基于PSO算法优化的径向基函数神经网络的入侵检测系统,采用具有全局寻优的功能PSO算法,该算法能够改进传统的RBF神经网络学习策略,弥补RBF神经网络参数设置的不足,采用了来自KDD CUP99的权威数据来进行网络学习和测试,在此基础之上,进行了入侵检测系统的设计与实现,实验结果表明,基于PSO和RBF神经网络的人侵检测系统有效地提高了入侵检测的效率.     

基于.NET的高校教师教学质量评估系统

教学质量评估体系的建立与应用的目的在于激励教师的积极性,提高学校整体教学质量,建立完善的教学质量保障体系。在确立教师教学质量评价指标体系的基础上,详细阐述了基于.NET的高校教师教学质量评估系统的设计与实现。本评估系统在确立教师教学质量评价指标体系的基础上,做到了评教主体覆盖面广;评教工作的安排科学合理;系统的数据处理能力强;评教结果真实、可信度高。本系统切实有效地达到了辅助教学的目的。     

BP神经网络用于器乐演奏评价的研究

人工进行器乐演奏的评价容易受主观因素影响,BP神经网络可模拟多输入的非线性系统,利用它可以很好地建立器乐演奏评价系统.根据乐理知识将各个评价特征客观化作为输入,将所要得到的各种评价结果作为输出,经过BP神经网络进行模拟打分得出一个较为合理的分数.实验表明BP神经网络可以模拟一个稳定的评分系统.     

粒子群优化神经网络的交通事件检测算法研究

为减少交通事件引起的交通延误,提出一种基于粒子群优化神经网络的交通事件检测算法;首先,利用车载激光测距仪和GPS设备作为实验平台,采集了反映路段车辆占有率及车辆运行速度特征的交通参数;其次,利用粒子群(PSO)算法训练随机产生的初始化数据,优化BP神经网络连接权值和阈值;最后,将PSO优化后的BP神经网络作为分类器进行交通事件的自动分类和检测;试验中比较了PSO神经网络算法、BP神经网络算法和经典算法对交通事件的检测效果,PSO神经网络算法在事件检测率(DR)、平均检测时间(MTTD)方面均优于其他目标算法;结果显示,粒子群优化的神经网络算法用于交通事件检测提高了检测性能。     

基于.NET的高校教师教学质量评估系统

教学质量评估体系的建立与应用的目的在于激励教师的积极性,提高学校整体教学质量,建立完善的教学质量保障体系.在确立教师教学质量评价指标体系的基础上,详细阐述了基于.NET的高校教师教学质量评估系统的设计与实现.本评估系统在确立教师教学质量评价指标体系的基础上 ,做到了评教主体覆盖面广;评教工作的安排科学合理;系统的数据处理能力强;评教结果真实、可信度高.本系统切实有效地达到了辅助教学的目的.     

应用BP神经网络的教学评价模型及仿真

在教学管理问题的研究中,针对教学质量评价的非线性特征以及教学质量评估体系中存在的诸多非定量的因素,建立教学质量评价的BP神经网络模型.评价模型可以根据专家打分对已有评价体系中的主观性因素进行量化,并利用神经网络的自学习,自适应及非线性逼近能力进行量化评价的计算,较已有的评价体系具有更高的计算效率.利用专家提供的数据在Matlab软件中对三层BP神经网络模型进行仿真训练,得到用于评判的神经网络模型.利用BP神经网络进行教学质量评价的方法可操作性强,可以克服传统评价方法主观性过强的缺点,同时避免了传统教学质量评价的复杂过程,具有较广泛的实用性,并为教学质量提供了依据.