基于BP神经网络的高校教师科研能力评价模型

2020-03-02 14:30:33 来源：范文大全收藏下载本文

摘要：通过对高校教师科研能力分析，构建了高校教师科研能力评估指标体系，提出了运用BP神经网进行评估的方法，利用MATLAB对该模型进行了仿真，得到了与专家评定一致的结果。该方法克服了传统评价方法孤立地考虑各项评价指标的缺点增加了指标之间的关联性，使评价结果更符合实际情况。

关键词：科研能力 BP神经网络评价模型

中图分类号：G420 文献标识码：A 文章编号：1007-9416（2014）01-0056-02

一所高校的科研水平取决于教师的科研能力，目前，有关高校教师科研能力的评估有很多评估方法，如层次分析法，贝叶斯网络聚类方法[1]等。本文运用BP神经网络来建立高校教师科研能力评价模型，为高校教师科研能力评价提供了一定的参考。

1 高校教师科研能力评价指标体系

1.1 构建评价指标体系的基本原则[2]

为了科学、客观地反映高校教师科研能力的高低，应该考虑建立与之相适应的科研能力评价方法，并确定相应的科研能力评价指标体系。为了建立能有效评价高校教师科研能力的评价指标体系，其设计的原则应遵循如下：科学规范性、系统优化性、简洁明确性和全面实用性。

1.2 科研能力评价指标体系

本文从教师基本素质、学术影响、学术成果、科研项目四个方面来反映教师科研能力，根据构建指标体系的四个基本原则，构建三个层次结构模型评价指标体系，如图1

2 基于BP神经网络的高校教师科研能力评价模型

本文采用典型的三层BP神经网络对教师科研能力进行评价，如图2所示。

2.1 初始参数的确定

3 高校教师科研能力评价模型的评估

在某高校中，组织25名专家对20名教师科研能力进行行评价，随机抽取6组评价数据进行归一化处理得表1。

利用已编好的BP算法的程序[5]，在把学习样本的输入参数输入计算机后，即可让网络模型对学习样本进行反复学习，直到网络模型的识别精度满足要求。可以看出，当网络训练达到161步时，网络模型识别精度为0.000982536，网络性能达标，可知输出结果与专家判断是吻合的，说明BP神经网络已具备了模式识别的能力，可以对教师科研能力进行评价。

4 结语

通过构建教师科研能力评价体系的BP神经网络模型，为评价教师科研能力提供了一种量化方式。BP神经网络克服了评价中主观因素的影响，使评价结果全面准确的反映实际情况，为教师科研能力评价提供了新的工具。

参考文献

[1]李兰春，王双成，王婧.高校教师科研能力评估的贝叶斯网络聚类方法[J].科技管理研究，2011（12）：114-116.

[2]高英.高校教师创新能力分析与评价[D].东北大学工商管理学院，2006：21-22.

[3]董长虹.MATLAB神经网络与应用[M].北京：国防工业出版社，2005：64-71.

[4]岳付昌，闫群章，徐廷学，等.基于BP神经网络的导弹武器系统生存能力评估[J].舰船电子工程，2010，（10）：104-107.

[5]闻新，周露.MATLAB神经网络应用与设计[M].北京：科学出版社，2001：97-109.

BP神经网络优缺点

离散Hopfield神经网络的分类高校科研能力评价

科研能力评价

科研能力自我评价