第１３卷第２期 重庆科技学院学报（自然科学版） ２０１１年４月 ＢＰ神经网络在大学生专业课学习 热情统计中的应用 满 红 王日松 邹存名 （大连交通大学，大连１１６０５２） 摘要：运州ＢＰ神经网络建立大学生对专业课学习热情的数学模型，通过Ｍａｔｌａｂ神经网络Ｔ具箱学习训练网络，并 进行测试验证一结果表明，潋方法可以推动学校培养计划的跟踪修订，具有广泛的适用性。 关键词：ＢＰｔ００经网络；专业课；学习热情；数学模型 中图分类号：ＴＰ３０１ 文献标识码：Ａ 文章编号：１６７３—１９８０（２０１１）０２—０１３９—０３ 大学生对专业课的学习热情是一个多冈素、多 变量、模糊的复杂非线性过程。在电子时代来临之 前．学生的注意力比较集中，思想简单，能够在学校 规定的科目中投入口大的热情，对所学的知识将来 到社会上有何作用没有过多的思考，也不会单单考 虑自己的兴趣去选择性学习 但在现今各种事物高 速发展的时期，学生的思想行为有很大变化。有的 依据（见表１），建立了基于ＢＰ神经网络的数学模型， 旨在找到合理的方案提高大学生学习兴趣，使其具 备良好素质，适合社会需要。选取２００８级电气和自动 化部分学生的真实数据作为历史样本数据，供神经 网络进行训练和学习。 表１ 学习热情的指标体系 学校针对社会需求不断修订培养计划，有一定的收 效．但还是存在很多学生在没有开始学习前就会考 虑所学对自己的将来有何作用，计划自己应该投入 多少精力去学这个科目，社会上有没有这个需求等 问题．学习热情就 现参差不齐的现象，导致较多负 面的影响 因此，构建大学牛对专业课学习热情的数学模 型．才能针对性找到合理的培养方法．从而调动广大 学生的学习热情，推进培养方案的完善。作为研究 复杂性的有力工具，人工神经网络不仅解决了学生 对专业课学习热情统计中的定性指标与定量指标的 问题，而且还避免了培养计划修订人员主观因素对 学生学习热情的直接影响。因为人工神经网络的建 模，是一种自然的非线性建模过程，通过分析大量的 样本数据后，确定神经网络权值系数。从而对学习热 情进行统计评价，得到合理的结论 ２ ＢＰ神经网络在学习热情统计中的应用原理 典型的ＢＰ神经网络是一个由输人层、隐含层和 输出层构成的三层前馈阶层网络。其学习过程由信 １ 大学生专业课的学习热情指标体系的构建 本文以大连某高校学生学习热情的指标体系为 收稿日期：２ＯｌＯ—ｌＯ一２９ 作者简介：满￣Ｉ（１９７４一），女，辽宁大连人，博士，大连交通大学信息工程学院讲师，研究方向为智能控制及工业复杂控制。 ・１３９・ 满红，王日松，邹存名：ＢＰ神经网络在大学生专业课学习热情统计中的应用 息的正向传播和误差的反向传播组成。当给定网络 某组输入模式时，ＢＰ网络将依次对该组输入模式 按如下方式学习：首先，把输入模式从输入层传输 到隐含层单元，经隐含层单元逐层处理后，产生一 个输入模式传送到输出层，这一过程称为正向传 播；然后，将输出结果和期待值进行比较，如果没有 达到预期目标，则转变为误差的反向传播，并将误 差沿原路返回，再通过修改各层神经元的连接权 值，使误差信号变小。其算法描述如下：用随机数ｆ一 般为０－１之间）初始化 ，，其中 神经元 到 神经面的连接权值， 为神经元： （隐含层和输出层） 的阈值。将经预处理的训练样本集｛ ｝和相应的 期望输出集｛ ｝，其中ｐ，Ｚ分别表示样本数和输入向 量数。 （１）计算各层神经元的输出 ｆ ｆ 一 １对于输出层神经元，其输出与 输入相同，即 Ｘｐ ，其中Ｘｐ 为第ｐ个样本的第 个 值。对于隐含层和输出层，神经元的输出操作如下： ＇ ）＝— ，其中 ，即是神经元 的输出，又是神 １＋ｅ 经 的输入， ）是一个非线性可微分非递减函数， 一般地，将它取为ｓ形函数，最 ）＝七 Ａｅ （２）计算各层神经元的误差信号 输出层： ＝ 一 （１一 ） 隐含层： （１ ） 修正权重：Ｗ Ｏ＋１）＝ （ ）＋ （ 是学习速度） ＝∑ — ，２ Ｐ ￡ （３）计算误差 当Ｅ＿／Ｊ、于给定的拟合误差时，网络训练结束，否 则转回到第二层继续训练。 以上这种正向传播和反向传播相互交替的过程 看成一个“记忆训练”的过程。系统不断地循环这两 个过程并重复学习，一直到输出值和期待值的误差 减小到规定范围内，系统便停止学习。此时将新样 本输入到已经训练好的网络，就可以得到相应的输 出值。基于ＢＰ神经网络的教学质量评价系统结构如 图１所示。 （４）统计指标的标准化 由于统计指标体系中，既有定性指标又有定量 ・１４０・ 指标，为使各指标在整个系统中具有可比性。必须对 各指标进行标准化处理。 ｌ ２ 输入层 隐含层 输出层 图１ ＢＰ神经网络结构图 （５）定量指标 对于定量指标，因其衡量单位不同，级差有大有 小，趋向也不一定一致，必须对其进行规范和同趋化 处理。处理方法如下： 当目标越大，学习热情越好（差）时： ＝ 一 ｊ ）／ ～－ ｉｎ） 当目标越小，学习热情越好（差）时： ：１一Ｑ 一 ｉｎ），Ｑ 一 ｉｎ） 式中： 是目标值； 标准化值； Ⅲ 是预先确定的 鳓个指标的最小值； … 是预先确定的射个指标的 最大值ｉ 是统计指标的数目。 ， （６）定性指标 对于定性指标，应将其量化处理，其中量化处理 的方法很多．较常用的是上课教师打分法。为了能与 定量指标之间有可比性，可将其进行标准化处理，处 理方法与上述方法相似。 ３ ＢＰ神经网络在大学生对专业科目学习热 情统计中的应用 大学生对专业科目学习热情本身就是一个巨大 的非线性系统．涉及学生、教师、管理、社会等多个方 面的因素，其影响因素之间的关系也相当复杂。进行 学习热情统计过程是建立在以往大量的数据“经验” 之上的，所以大规模的ＢＰ网络才能更好的满足需 要．体现统计过程的内在实质。 ３．１ 网络模型的确定 根据Ｋ０ｌｍｏｇｍｖ理论，任意给定连续函数 ： —ｙ，Ｘ∈Ｒ，ｙ∈（０，１），则 可以精确地由一个 三层神经网络实现。 输入层节点的多少与参考指标个数相对应。 满红，王日松，邹存名：ＢＰ神 竺 兰 兰 惫 篇 簟 嚣 霉驾 篡 磊 二 ’ 而神经网络的训练结果作为刚络的 ’捌‘ ¨ 删 蝼 ０ 次数／次 图２测试样本的仿真误差曲线 表２仿真结果与人工调查结果比较 至至塑０．８６１ 堕 王 壅 至 ０ ８６２ 垫堕 ０．４２９ ０．４１２ ０．８２２ ０．６００ Ｏ ５６ｌ ０．５８８ ０．４３２ ０ ４ｌ０ ０ ８ｌ１ ０．６０２ ０ ５６２ ０．５８０ ０．７６２ ０ ５２ｌ 输人层采用双曲正切ｓ形传输闲数采训练， 采用ｓ形函数来训练，训练方法采用变梯度反向传 至 ４０，７７２ ０．５２０ ０．６１４ ０．６ｌ５ 结 论 运用ＢＰ神经网络建立的学生对专业课学习 情模型能够充分利用样本指标的有关信息，通 的非线性映射．揭示学生学习热情的变化与其 美因素间的关联度，从而排除了培养主体的主观因 素影响。通过仿真测试，此方法输出结果与人丁调 结果之间的误差很小，表明ＢＰ神经网络算法用于高 校大学牛对专业课学习热情的统计ｔ是完全有效和 合理的 一 川 啡 呲 ｆ１］姜大源 职业教育质量研究新论【Ｍ】．北京：教育科学出版 社．２００７：７—９． ［２１汪旭晖，黄飞华．基于ＢＰ神经网络的教学质量评价模型及 应用ＩＪ］．清华大学教育研究，２００７（１）：７８’８ｌ。 ｆ３】乔维 基于ＢＰ神经网络的现代远程教育教学质量评价 模型的构建［Ｊ］．中国远程教育，２００６（７）：６９—７１・ 『４１朱建平．应用多元统计分析［Ｍ】．北京：科学社会出社，２００７・ ５ 冯必波．ＢＰ神经网络在教学质量评估体系中的应用［Ｊ］・计 算机与数字工程，２０１０（４）：９７．９９． ｆ６１张乃尧，阎平凡．神经网络与模糊控制【Ｍ】．北京：清华大学 出版社，２００６：５３—７８． 『７】周开利，康耀红．神经网络模型及其Ｍａｔ１ａｂ仿真程序设计 【Ｍ】．北京：清华大学出版社，２００６：３２・６７‘ ｆ下转第１４８页） ・１４１・ 赵靖，袁玉华：蓝宝石光纤温度传感器测温上限的瓶颈分析及解决方案 制约其发展的技术瓶颈，最后提出了解决该问题的 初步方法。 参考文献 ［１］芦静华，杜海辉，赵博．高温测量系统研究【Ｊ】．计量技术， ２００８（２８）：１３—１４． 【２】刘玉莎．基于黑体空腔的光纤高温测试系统的研究【Ｄ】．燕 、山大学．２００９：９—１０． ［３］沈永行．从室温到１８００℃全程测温的蓝宝石单晶光纤温度 传感器［Ｊ］．光学学报，２０００，２０（１）：８３—８７． 【４］叶林华，沈永行．蓝宝石光纤高温传感技术研究【Ｊ】．浙江大 学学报（自然科学版），１９９７，３ｌ（５）：７００．７０５． 米样点数 ［５】郝晓剑，孙伟，周汉昌，等．蓝宝石光纤黑体腔高温计【Ｊ】．应 用基础与工程科学学报，２００４，ｌ２（２）：２１８．２２３． 图３光纤高温计与辐射测温仪的测量对比曲线 ［６】韩道顺，都晓剑．蓝宝石光纤传感器瞬态超高温测试的外 试验表明该方法测温范围７６０～２ ７００℃，在 推方法［Ｊ］．热处理技术与装备，２００８，２９（４）：６７－６９． １ ０００￣Ｃ以上最大稳态误差不超过５０℃，具有较好的 【７］涂强，周玮，王魁汉，等．黑体光纤辐射测温及在线检测过 稳定性和稳态精度。但是该方法的动态响应特性和 程中准确度评价［Ｊ］．自动化仪表，２００１，２２（６）：３－５． 对测量环境的适应性并不理想，需要对材料、结构以 ［８］张华，谢植．复合温度传感器有效发射率影响因素分析［Ｊ】． 及算法做进一步优化。 传感器技术，２００４，２３（３）：１４—１６． Ｂｏｔｔｌｅｎｅｃｋ Ａｎａｌｙｓｉｓ ａｎｄ Ｓｏｌｕｔｉｏｎ ｔｏ Ｓａｐｐｈｉｒｅ Ｆｉｂｅｒ Ｔｅｍｐｅｒａｔｕｒｅ Ｓｅｎｓｏｒ ｏｎ Ｕｐｐｅｒ Ｔｅｍｐｅｒａｔｕｒｅ Ｌｉｍｉｔ ＺＨＡ ０．１ｉｎｇ ＹＵＡＮ Ｙｕ——ｈｕａ （Ｎｏ．４４ Ｉｎｓｔｉｔｕｔｅ ｏｆＮｏ．４ Ｄｅｐａｒｔｍｅｎｔ，Ｃｈｉｎａ Ａｅｒｏｓｐａｃｅ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏｒｐｏｒａｔｉｏｎ，Ｘｉ’ａｎ ７ １ ００２５） Ａｂｓｔｒａｃｔ：Ｃｏｍｐａｒｅｄ ｗｉｔｈ ｔｈｅ ｔｈｅｒｍｏｃｏｕｐｌｅ ｎａｄ ｎｏｎ・ｃｏｎｔａｃｔ ｒａｄｉａｔｉｏｎ ｔｈｅｒｍｏｍｅｔｅｒ，ｔｈｅ ｓａｐｐｈｉｒｅ ｉｆｂｅｒ ｔｅｍｐｅｒａｔｕｒｅ ｓｅｎｓｏｒ ｂａｓｅｄ ｏｎ ｂｌａｃｋ．ｂｏｄｙ ｒａｄｉａｔｉｏｎ ｉｓ ｓｔｉｌｌ ｉｒｒｅｐｌａｃｅａｂｌｅ ｉｎ ｓｏｍｅ ｓｐｅｃｉａｌ ｏｃｃａｓｉｏｎｓ．Ｔｈｅｎ ｔｈｅ ｓｉｕｔａｔｉｏｎ ｏｆ ｔｈｅ ｓｔｕｄｙ ｏｎ ｔｈｅ ｓａｐｐｈｉｒｅ ｆｉｂｅｒ ｔｅｍｐｅｒａｔｕｒｅ ｓｅｎｓｏｒ ｉｎ Ｃｈｉｎａ ｉｓ ｉｎｔｒｏｄｕｃｅｄ ａｎｄ ｔｈｅ ｂｏｆｉｆｅｎｅｃｋ ｗｈｉｃｈ ｒｅｓｔｒｉｃｔｓ ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ａｎｄ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｔｈｅ ｓｅｎｓｏｒ ｉｓ ａｎａｌｙｚｅｄ ｉｎ ｄｅｔａｉｌ．Ｆｉｎａｌｌｙ ａ ｐｒｅｌｉｍｉｎａｒｙ ｓｃｈｅｍｅ ｏｆ ｓｏｌｖｉｎｇ ｔｈｅ ｐｒｏｂｌｅｍ ｉｓ ｐｒｅｓｅｎｔｅｄ．Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔｓ ｄｅｍｏｎｓｔｒａｔｅ ｔｈａｔ ｔｈｅ ｓｅｎｓｏｒ ｏｆ ｔｈｉｓ ｓｃｈｅｍｅ ｃａｎ ａｃｈｉｅｖｅ ｔｈｅ ｍｅａｓｕｒｅｍｅｎｔ ｏｆ ２７０Ｃｌ℃ａｎｄ ｈｔｅ ｍａｘｉｍｕｍ ｓｔｅａｄｙ—ｓｔａｔｅ ｅｒｒｏｒ ｉｓ ｎｏｔ ｍｏｒｅ ｔｈａｎ ５０℃． Ｋｅｙ ｗｏｒｄｓ：ｂｌａｃｋ—ｂｏｄｙ ｒａｄｉａｔｉｏｎ；ｓａｐｐｈｉｒｅ ｆｉｂｅｒ ｔｅｍｐｅｒａｔｕｒｅ ｓｅｎｓｏｒ；ｎｏｎ—ｉｓｏｔｈｅｒｍａｌ；ｕｐｐｅｒ ｔｅｍｐｅｒａｔｕｒｅ ｌｉｍｉｔ （上接第１４１页） Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ＢＰ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ ｉｎ Ｓｔｕｄｅｎｔｓ’Ｌｅａｒｎｉｎｇ Ｅｎｔｈｕｓｉａｓｍ Ｓｔａｔｉｓｔｉｃｓ ｆｏｒ Ｓｐｅｃｉａｌｉｚｅｄ Ｃｏｕｒｓｅ ＭＡＮ Ｈｏｎｇ ＷＡＮＧ Ｙｕｅ—－ｓｏｎｇ ＺＯＵ Ｃｕｎ—。ｍｉｎｇ （Ｄａｌｉａｎ Ｊｉａｏｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｄａｌｉａｎ １ １ ６０５２） Ａｂｓｔｒａｃｔ：Ｍａｔｈｅｍａｔｉｃａｌ ｍｏｄｅｌ ａｂｏｕｔ ｓｔｕｄｅｎｔｓ’ｌｅａｒｎｉｎｇ ｅｎｔｈｕｓｉａｓｍ ｆｏｒ ｓｐｅｃｉａｌｉｚｅｄ ｃｏｕｒｓｅ ｉｓ ｓｅｔ ｕｐ ｂａｓｅｄ ｏｎ ＢＰ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｉｎ ｔｈｉｓ ｐａｐｅｒ．ｗｈｉｃｈ ｉｓ ｔｒａｉｎｅｄ ａｎｄ ｅｘａｍｉｎｅｄ ｂｙ ｔｈｅ Ｍａｔｌａｂ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｔｏｏｌｂｏｘ ｎｅｔｗｏｒｋ．Ｔｈｅ ｒｅｓｕｌｔ ｉｌｌｕｓｔｒａｔｅｓ ｔｈａｔ ｔｈｉｓ ａｐｐｒｏａｃｈ ｐｒｏｍｏｔｅｓ ｎｏｔ ｏｎｌｙ ｔｒａｃｋｉｎｇ ｒｅｖｉｓｉｏｎ ｏｆ ｔｈｅ ｓｃｈｏｏｌ ｔｒａｉｎｉｎｇ ｐｌａｎ ｂｕｔ ａｌｓｏ ｓａｔｉｓｆｉｅｓ ｂｙ ｓｕｔｄｅｎｔｓ ａｎｄ ｈａｓ ｅｘｔｅｎｓｉｖｅ ａｐｐｌｉｃａｂｉｌｉｙｔ． Ｋｅｙ ｗｏｒｄｓ：ＢＰ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ；ｓｐｅｃｉａｌｉｚｅｄ ｃｏｕｒｓｅ；ｌｅａｒｎｉｎｇ ｅｎｔｈｕｓｉａｓｍ；ｍａｔｈｅｍａｔｉｃａｌ ｍｏｄｅ ・１４８・