基于BP神经网络的高校教师教学质量评价模型

针对目前大多数高校采用单一的教学评价机制来衡量教师教学质量的片面性,在充分考虑被评对象的差异性、评教主体的单一性以及评教方法的难操作性的基础上建立了全方位教学质量评价体系,构建了综合评价体系及2个体系下的7个二级指标,并以此为基础建立两级神经网络。训练结果表明:该网络能较好地拟合训练数据,预测效果显著,说明基于神经网络的教学质量评价模型是合理可行的。     

基于BP神经网络的教学质量评价模型

采用了BP神经网络的原理用于教学质量评价,建立了教学质量评价模型.构建了神经网络评价模型的结构,通过仿真和实例表明了评价模型的有效性,为全面、公正、科学地评价教学工作提供了一种新方法.     

基于BP神经网络的教学质量评价

基于MATLAB设计神经网络评价流程,以3层BP神经网络进行教学质量评价,其中隐含层的传递函数为tansig,输出层的传递函数为purelin．为保证网络的泛化能力,在训练样本的选择上,选择比较有代表性的数据,打乱顺序,对数据进行归一化预处理;训练函数采用Levenberg—Marquardt算法,选择学习速率为0．01,网络训练误差为le^-5,训练次数1000次,步长选择为10．成功训练神经网络后,对给出的4组数据进行了预测,画出预测拟合及误差分析图形．结果表明：在设计BP神经网络模型的基础上,采用合理的样本数据,神经网络就会通过训练样本,学习到样本的有关环境本身的内在规律性,对输入给出正确的反应,以实现教师的教学质量评价．     

基于离散Hopfield神经网络的葡萄酒质量评价

葡萄酒质量评价是一个多因素、非线性的复杂过程,为了提高评价结果的准确性,在构建评价指标体系的基础上,利用离散Hopfield神经网络建立了葡萄酒质量评价的数学模型,并通过Matlab神经网络工具箱对葡萄酒质量评价进行仿真试验.结果表明,该模型提高了葡萄酒质量评价的准确性,评价结果对葡萄酒的生产和市场定位具有一定的参考意义.     

基于BP神经网络模型的森林空气质量评价

为解决森林地区的空气评价问题,基于BP神经网络技术进行建立森林空气质量评价模型的研究,根据森林空气低污染、负离子高含量的特点,以SO2、NO2、PM10、O3和负离子为评价指标建立模型,并运用MATLAB工具软件实现.以伊春五营森林和城镇空气质量数据为实例,对模型进行对比检测,评价结果分别为9.13和8.56分,表明模型实用且可行.     

基于神经网络方法的大学生素质综合评价

提出了大学生综合素质测评的指标体系，将素质的指标量化，考虑了知识面、组织能力、合作性、坚持性、进取心、责任心、学习能力、情趣等因素，并利用神经网络进行评价，最后通过应用来验证其评价效果．     

基于BP神经网络的火电工程项目风险评估模型

应用BP神经网络对火电工程项目风险进行评估。先建立评估模型,再求出模型中误差函数调节的连接权值和阈值,并将输出层作为网络结果输出。其训练网络的样本集为可信度高的权威性评价结果,可通过专家对以往类似装备研制过程的数据进行总结得到。将训练的权值和阈值储存,对拟评价的项目进行预测。模型自学习、自组织适应能力和强容错性能较强,可提高评估的可靠性,使结果客观。     

高校课堂教学质量分析的模糊综合评价模型

本文研究了多级模糊数学综合评价方法在高校课堂教学质量评价中的应用 ;建立了以专家同行、领导、学生为评价主体的指标体系 ,给出了二级模糊综合评价模型。     

基于改进BP神经网络模型的电力工业可持续发展综合评价研究

利用附加动量法和自适应学习速率,对传统的BP神经网络算法进行了改进,建立了基于改进BP神经网络的多指标综合评价模型,并将其应用到北京市电力工业可持续发展综合评价研究中去。改进后的神经网络评价模型,大大减少了学习次数,有效防止了网络陷入局部极小值;摆脱了评价过程中人为因素及模糊随机性的影响,同时能保证评价结果的准确性,是一种智能的评价方法。实例运算得出令人满意的评价结果,证明了这种方法的有效性。     

石油企业财务风险评价神经网络模型的建立

石油企业财务风险评价是石油行业的重要课题.在确立石油企业财务风险评价指标体系的基础上,建立了基于模糊神经网络的石油企业财务风险评价模型.该评价模型分为模糊量化模块和模糊神经网络(FNN)模块,可根据实际问题进行具体调节,具有学习的功能.经过对200多家石油企业的实证分析,结果表明该模型网络预测误差小,是一种可靠、有效的...     

基于神经网络的教师教学评估系统

利用神经网络对教师教学评估中所使用的权值进行非线性学习与调整，通过实验证明了该方法的有效性，并提出进一步改进的方案。     

一种基于BP神经网络的彩色打印机标定模型

彩色打印机打印色彩色度值与输入的数字图像象素值之间存在着非常复杂的非线性关系,按传统方法建立的打印机标定模型往往不能很好地反映打印机的特性。在研究中,利用BP神经网络理论,提出并建立了按色相角范围对实验数据分类的打印机标定模型。由于BP网络良好的非线性模拟和逼近特性,标定模型达到了较高的精度,欲打印色彩色度值与标定后实际打印色彩色度值之间的色差平均值远远小于人眼可以识别色差的阈值,标定精度要求适用于以彩色打印机作为输出设备色彩管理系统的色域匹配环节。     

基于BP算法的神经网络内模控制器

文章针对一类非线性系统,采用加入阻尼项的权值调整BP算法,设计了基于BP算法的神经网络内模控制器,并进行了仿真,结果显示该控制器对阶跃信号和扰动均无稳态误差,对非线性环节有较好的控制效果。     

工艺创新绩效评价的人工神经网络方法

首先建立了一套评价工艺创新绩效的指标体系,然后运用人工神经网络的原理与方法,建立了工艺创新绩效评价的ANN模型,并介绍了该种方法的运用。     

基于神经网络的UTRAN网络质量综合评价

为了评价3G无线网络UTRAN的运行质量,给出了3G无线网络UTRAN质量用户感知关键指标, 提出了利用基于前向单隐层BP神经网络方法的UTRAN网络质量综合评价模型. 该模型采用模糊综合评价算法构造训练样本集. 对比模糊综合评价算法对3G试验测试数据和该模型的评价结果可以看出,该模型能稳定、一致、可重复地评价UTRAN网络质量.     

基于灰色BP神经网络的沉降预测模型应用研究

通过对灰色BP神经网络模型的分析与研究,给出了灰色BP神经网络的建模方法,建立了基于灰色BP神经网络的建筑物沉降预测模型,通过工程实例数据分别对GM(1,1)模型和灰色BP神经网络模型进行验证,得到了灰色BP神经网络的预测效果要比单纯的灰色GM(1,1)预测模型精度要高的结论,本模型为解决建筑物基础沉降预测分析提供了一种新的方法.     

基于BP神经网络的战场网络攻击效能评估

战场网络攻击效能评估是网络攻击研究的重要内容.为了评估战场网络攻击效能,构建了战场网络攻击能力评估指标体系,提出了基于BP神经网络的评估方法,给出了构造样本的方法,并用构造的样本对BP神经网络进行训练,最后利用Matlab软件对该网络进行了仿真.通过与模糊综合评判法得出的评估结果相比较,验证了该方法的有效性.该方法减少了评估中人为因素的影响,使评估结果更可信.     

基于BP神经网络对时滞系统的模型参数辨识仿真

主要研究了基于BP神经网络对时滞系统的参数辨识,分析了两种辨识结构和两种建模方法,对系统被控对象的建模采用了神经网络正模型,辨识结构为串-并联型.考虑加强BP网络的泛化能力,用随机数据去训练网络,然后得到训练后的权值,给一个阶跃信号,利用交叉两点法,从而得到时滞系统的特征参数.通过仿真,基于BP网络对时滞系统的参数辨识是有效的.