一种基于深度BP神经网络的教师教学效果评价方法技术

本发明专利技术公开了一种基于深度BP神经网络的教师教学效果评价方法，包括以下步骤，数据综合检查，首先对得到的各学科教学评价分数和各学科成绩分数进行统计，并且对数据中的各科分数进行浏览，避免出现分数遗漏的情况，从而能够保证数据后期的准确性，减少数据误差。本发明专利技术通过基于深度BP神经网络，利用该网络的目标函数和梯度下降法，对学生的评价进行分析处理，让学校可以及时的了解各名老师的教学效果，并且该方法还结合了各名教师教学的学生成绩，通过学生成绩和教师上课受欢迎程度的相结合，通过观察概率密度函数就可以直观的得到该老师的受欢迎程度和学生成绩，从而可以判定该教师的教学质量，从而方便学校后期对教师的指导。

【技术实现步骤摘要】
一种基于深度BP神经网络的教师教学效果评价方法
本专利技术涉及教学评价
，尤其涉及一种基于深度BP神经网络的教师教学效果评价方法。
技术介绍
院校教学的核心任务是教学工作，提高教学质量是促进院校为输送更好人才的关键，建立科学的院校教学质量评价系统是加强院校教学管理和提高教学质量的重要举措。院校实现教育目标的主要途径就是课堂教学，而院校教学的主体是教员。对教员的评价主要体现在教学质量上。院校教学工作的水平直接影响培养的部队人才水平。对院校教员进行教学质量评价，有利于院校管理者掌握教学工作情况，有利于提高院校教学质量。教学质量评价是一个较为复杂的问题，因为影响教学质量评价的因素有很多。因此，在现阶段国内外并没有一个公认的、理想的教学质量评价体系，适用于院校的教学质量评价方法更存在理论研究和技术方法的空白，学校无法及时的了解学校教师的教学效果和各名老师的受欢迎程度等一些列问题，因此现在亟需一种教学效果评价方法。
技术实现思路
基于
技术介绍
存在的技术问题，本专利技术提出了一种基于深度BP神经网络的教师教学效果评价方法。本文档来自技高网...

【技术保护点】
1.一种基于深度BP神经网络的教师教学效果评价方法，其特征在于，包括以下步骤：/n第一步:数据综合检查，首先对得到的各学科教学评价分数和各学科成绩分数进行统计，并且对数据中的各科分数进行浏览，避免出现分数遗漏的情况，从而能够保证数据后期的准确性，减少数据误差；/n第二步:选择目标函数，由于BP神经网络具有任意复杂的模式分类能力和优良的多维函数映射能力，解决了简单感知器不能解决的异或和一些其他问题，从结构上讲，BP网络具有输入神经元、隐藏神经元和输出神经元；从本质上讲，BP算法就是以网络误差平方为目标函数、采用梯度下降法来计算目标函数的最小值；/nS1：分数录入，根据BP算法中的误差平方为目标函...

【技术特征摘要】
1.一种基于深度BP神经网络的教师教学效果评价方法，其特征在于，包括以下步骤：
第一步:数据综合检查，首先对得到的各学科教学评价分数和各学科成绩分数进行统计，并且对数据中的各科分数进行浏览，避免出现分数遗漏的情况，从而能够保证数据后期的准确性，减少数据误差；
第二步:选择目标函数，由于BP神经网络具有任意复杂的模式分类能力和优良的多维函数映射能力，解决了简单感知器不能解决的异或和一些其他问题，从结构上讲，BP网络具有输入神经元、隐藏神经元和输出神经元；从本质上讲，BP算法就是以网络误差平方为目标函数、采用梯度下降法来计算目标函数的最小值；
S1：分数录入，根据BP算法中的误差平方为目标函数，首先对各学科教学评价分数和各学科成绩分数进行数据录入，并且命名为：
Xij(i:表示不同学科i＝1、2、...、r)
(j:表示不同学生j＝1、2、...、ni)(1)；
S2：计算分数总和，当对每个学生各科评价分数和各学科成绩分数命名完成之后，将得到的教学评价分数总和与各学科成绩分数总和进行统计：



S3：计算总平均数，当对每一科学生的评价分数与成绩分数进行统计，并且得到各科的分数总和时，利用公式将各科的平均数进行求出：



S4：计算各学科平均数，当得到各学科的评价分数平均数与各学科成绩分数平均数时，为了体现该学校的教学质量评价，对各学科的平均数进行统计平均数：



第三步：根据梯度下降法求最值，对于可微的数量场f(x,y,z),以为分量的向量场称为f的梯度或斜量，其迭代公式为



其中其中s-(k)代表梯度负方向，ρk表示梯度方向上的搜索步长，梯度方向我们可以通过对函数求导得到，步长的确定比较麻烦，太大了的话可能会发散，太小收敛速度又太慢，一般确定步长的方法是由线性搜索算法来确定，即把下一个点的坐标看做是ak+1的函数，然后求满足f(ak+1)的最小值的ak+1即可。


2.根据权利要求1所述的一种基于深度BP神经网络的教师教...

【专利技术属性】
技术研发人员：魏巍，
申请(专利权)人：广州中幼信息科技有限公司，
类型：发明
国别省市：广东;44