当前位置: 首页 > 专利查询>东北大学专利>正文

基于遗传算法优化BP神经网络的学生综合素质测定方法技术

技术编号:11937178 阅读:114 留言:0更新日期:2015-08-26 08:04
本发明专利技术公开了一种基于遗传算法优化BP神经网络的学生综合素质测定方法,包括以下步骤:S1,构造样本数据:获取学生各项素质指标的样本数据,作为BP神经网络的训练样本;S2,确定网络拓扑结构:确定BP神经网络隐含层层数以及各层所含神经元的个数,同时初始化神经网络的权值阈值;S3,权值阈值优化:采用遗传算法优化BP神经网络的权值阈值;S4,训练及测试:对BP神经网络进行训练,并利用未曾训练过的数据进行测试;S5,学生综合素质测定:将学生的各项素质指标数据输入训练好的BP神经网络,从而实现了对学生综合素质的测定。本发明专利技术提高了学生综合素质评定的效率和准确性。

【技术实现步骤摘要】

本专利技术设及一种素质测定方法,尤其是一种基于遗传算法优化BP神经网络的学 生综合素质测定方法。
技术介绍
当前的教育理论认为,每个人在后天都能得到充分的发展,然而现在的评价体系 存在很多弊端,已经越来越不适应学生的发展,反而背道而驰。主要表现在: 1.评价途径单一,只是对一张试卷的得分情况进行评价,成绩是评价的唯一途 径; 2.评价内容单一,W书面考试为主,只关注了学生的知识掌握情况,缺乏对学生学 习态度、学习创新能力的关注; 3.评价方式单一,只通过学科考试来评价学生,逐步把学生培养成会应付考试的 机器,淹没了学生在课外的实践、人际交往能力。 目前,中高考的"一考定终身制度",导致中学教育过于偏重知识性、技巧性训练, 抹杀了学生的个性和差异。在一个个鲜活的学生个体面前,该一制度显得过于冰冷和僵化, 使我们错失了很多综合素质高或学有专长的可造之才。也有越来越多的教育界人±承认, 学生只有差异,没有优劣之分。一张再好的试卷也考不出学生的综合素质,在学生能力多元 化、社会人才需求多样化的今天,用分数该一把尺子衡量个性、专长各异的人才并不公平。 学生素质评价是新课程改革的主要内容,是二期课程改革精神的要求,新的《课程 标准》对学科学习评价及时地提出了新的理念。理念明确指出,评价的主要目的是为了全面 了解学生的学习过程,激励学生主动的学习和不断改进教师的教学过程,应建立评价目标 多元化,评价方法多样化,评价过程灵活化的教育评价体系。对学生学科学习的评价不仅要 关注学生的学习成果,更要关注学生的学习态度和学习过程;不仅要关注学科学习能力,更 要关注他们的劳动能力、审美能力和人际交往能力。帮助学生认识自我,实现德智体美劳全 面发展。在W人为本,促进学生可持续发展思想的指导下,很多学者对学生综合素质的评价 进行了研究。 目前的研究成果有,《第5届教育教学改革与管理工程学术年会论文集》2012中的 《BP神经网络在高校学生综合素质评价中的应用》,提出了基于BP神经网络的学生综合素 质评价模型;《电脑知识与技术》2009中的《基于BP神经网络的学生综合素质评价的算法设 计》,提出了基于BP神经网络的学生综合素质评价的算法设计;《河北师范大学学报》2011 中的《基于S0FM神经网络的学生综合评价》,提出了基于S0FM神经网络的学生综合评价模 型;《迂宁师范大学》2011中的《基于层次分析的初中学生综合素质评价研究》,提出了基于 层次分析的初中学生综合素质评价模型;《长江大学学报》2008, 5 (4) : 317-319中的《基于 遗传算法的学生综合素质评价》,提出了基于遗传算法的学生综合素质评价模型;《山东师 范大学》2007中的《基于模糊评判的高校学生综合素质评价体系研究》,提出基于模糊评判 的高校学生综合素质评价模型;《武汉理工大学学报》2007中的《基于模糊层次分析法的大 学生综合素质评价》,提出了基于模糊层次分析法的大学生综合素质评价模型。 但是现有技术又存在W下缺点;BP神经网络容易陷入局部极小点,并且收敛速度 慢,从而导致综合素质测定效率较低;S0FM神经网络存在从高维映射到低维容易出现崎变 等问题,从而导致综合素质测定的准确率较低;层次分析法中当指标过多时,数据统计量 大,该时就需要对众多的指标进行两两比较,但是对两两指标的重要程度确定比较困难,甚 至会对层次单排序和总排序的一致性产生影响,使一致性检验不能通过;同时由于客观事 物的复杂性或对事物认识的片面性,通过所构造的判断矩阵求出的特征向量(权值)不一 定是合理的,因此也存在综合素质测定的准确率较低的问题;基于遗传算法的学生综合素 质评价中也用到了层次分析法来确定指标权值,也会导致综合素质测定的准确率较低的问 题;基于模糊评判的高校学生综合素质评价方法需要确定评判矩阵,评判矩阵的确定受主 观因素影响较大,因此也存在综合素质测定准确率较低的问题;模糊层次分析法虽然改进 了层次分析法的判断矩阵的一致性问题,但是该种方法在一定程度上受较多的主观因素影 响,各项指标权重的确定还有待进一步的改进,因而综合素质测定的准确率也较低。
技术实现思路
本专利技术的目的在于,提供一种基于遗传算法优化BP神经网络的学生综合素质测 定方法,它可W有效解决现有技术中存在的问题,更好的解决学生综合素质测定问题,使得 测定结果更加快速、精确。 为解决上述技术问题,本专利技术采用如下的技术方案;基于遗传算法优化BP神经网 络的学生综合素质测定方法,包括W下步骤: S1,构造样本数据;获取学生各项素质指标的样本数据,作为BP神经网络的训练 样本; S2,确定网络拓扑结构;确定BP神经网络隐含层层数W及各层所含神经元的个 数,同时初始化神经网络的权值阔值; S3,权值阔值优化:采用遗传算法优化BP神经网络的权值阔值; S4,训练及测试;对BP神经网络进行训练,并利用未曾训练过的数据进行测试; S5,学生综合素质测定;将学生的各项素质指标数据输入训练好的BP神经网络, 从而实现了对学生综合素质的测定。 优选的,步骤S1中所述的各项素质指标包括学生的德、智、体、美、劳指标及其个 性发展指标,可通过学生学习成绩、学生成长档案成绩W及教师对学生的评定成绩获得,从 而实现了对学生的综合素质进行全方面、多元化的测定。 更优选的,步骤S1还包括:将获取的学生各项素质指标的样本数据中的分数转换 为标准分Z,从而可W反映学生成绩在全体学生成绩中的位置,且不受试题难易度的影响, 使得各个学生的综合素质测定更加客观、科学、合理和具有可比性,同时可W更精确的反应 学生的学习水平。 W及将获取的学生各项素质指标的样本数据中的等级成绩转化为标准分Z。 具体的,所述的将获取的学生各项素质指标的样本数据中的等级成绩转化为标准 分Z具体包括W下步骤: (1)计算评定人员评定的各个等级的人数比率; (2)计算本评定小组1/2的面积与本评定小组W下面积之和; (3)计算本评定小组的评分点至Z= 0之间的面积; (4)根据正太分布表,查找与步骤(3)中结果最接近的P值,与该P值相对应的Z 值即各等级中点所对应的Z分数。优选的,步骤S2中,所述的BP神经网络隐含层层数为1,该隐含层所含神经元的个 数为11个,从而使得对学生综合素质的测定效率更高同时测定结果更精确。 前述的基于遗传算法优化BP神经网络的学生综合素质测定方法中,步骤S3所述 的采用遗传算法优化BP神经网络的权值阔值具体包括W下步骤: a.通过BP神经网络确定权值、阔值长度; b当前第1页1 2 本文档来自技高网
...

【技术保护点】
基于遗传算法优化BP神经网络的学生综合素质测定方法,其特征在于,包括以下步骤:S1,构造样本数据:获取学生各项素质指标的样本数据,作为BP神经网络的训练样本;S2,确定网络拓扑结构:确定BP神经网络隐含层层数以及各层所含神经元的个数,同时初始化神经网络的权值阈值;S3,权值阈值优化:采用遗传算法优化BP神经网络的权值阈值;S4,训练及测试:对BP神经网络进行训练,并利用未曾训练过的数据进行测试;S5,学生综合素质测定:将学生的各项素质指标数据输入训练好的BP神经网络,从而实现了对学生综合素质的测定。

【技术特征摘要】

【专利技术属性】
技术研发人员:原慧琳付佳
申请(专利权)人:东北大学
类型:发明
国别省市:辽宁;21

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1