神經(jīng)網(wǎng)絡(luò)教學(xué)精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的神經(jīng)網(wǎng)絡(luò)教學(xué)主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：神經(jīng)網(wǎng)絡(luò)教學(xué)范文

關(guān)鍵詞：BP 神經(jīng)網(wǎng)絡(luò) 教學(xué)評價 模型構(gòu)建 評價方法

中圖分類號：TP183 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2013）06（c）-0200-01

BP神經(jīng)網(wǎng)絡(luò)是一種單向多層前饋人工神經(jīng)網(wǎng)絡(luò)模型，可以實現(xiàn)任何復(fù)雜的、多因素、不確定和非線性的映射關(guān)系，是目前應(yīng)用最廣泛的人工神經(jīng)網(wǎng)絡(luò)模型之一。通過這種梯度下降算法不斷地修正網(wǎng)絡(luò)各層之間的連接權(quán)值和閾值，從而實現(xiàn)期望輸出值與實際輸出值之間的誤差達(dá)到最小或者小于某一個閾值[1～2]。

本文的研究目標(biāo)是通過對現(xiàn)有評價指標(biāo)、評價方法的分析，建立有效的教學(xué)評價模型，并實現(xiàn)相應(yīng)的網(wǎng)上教學(xué)評價系統(tǒng)設(shè)計。結(jié)合BP神經(jīng)網(wǎng)絡(luò)，給出了一種非線性的教學(xué)評價模型，訓(xùn)練好的BP網(wǎng)絡(luò)模型根據(jù)測評數(shù)據(jù)，就可得到對評價對象的評價結(jié)果，實現(xiàn)定性與定量的有效結(jié)合。

1 BP神經(jīng)網(wǎng)絡(luò)模型

（1）輸入/輸出節(jié)點。輸入/輸出節(jié)點是與樣本直接相關(guān)的。根據(jù)沈陽工業(yè)大學(xué)教學(xué)質(zhì)量評估指標(biāo)體系，將二級評價指標(biāo)作為模型的輸入神經(jīng)元，因此系統(tǒng)的輸入層神經(jīng)元的個數(shù)為二級指標(biāo)的個數(shù)。將評價結(jié)果作網(wǎng)絡(luò)的輸出，輸出層神經(jīng)元個數(shù)為1。

（2）層數(shù)。由于BP網(wǎng)絡(luò)的功能實際上是通過網(wǎng)絡(luò)輸入到網(wǎng)絡(luò)輸出的計算來完成的，因此隱含層數(shù)越多，神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速度就越慢。但是只含有一個隱含層的BP網(wǎng)絡(luò)就可以逼近任意的非線性函數(shù)。因此，本文選取結(jié)構(gòu)相對簡單的3層BP網(wǎng)絡(luò)，即隱含層只有一個。

（3）隱含層神經(jīng)元個數(shù)。隱含層單元個數(shù)與問題的要求以及輸入輸出單元個數(shù)有直接的關(guān)系。隱層單元過多將會導(dǎo)致神經(jīng)網(wǎng)絡(luò)訓(xùn)練時間過長、誤差不易控制及容錯性差等問題。本文采用公式2.1計算得出隱含層神經(jīng)元個數(shù)。

4）激活函數(shù) BP網(wǎng)絡(luò)的非線性逼近能力是通過S型的激活函數(shù)來體現(xiàn)出來的，所以隱含層中一般采用S型的激活函數(shù)，輸出層的激活函數(shù)可以采用線性或S型[3]。S型激活函數(shù)為

該函數(shù)值在[-1，1]范圍內(nèi)變化很劇烈，而超出這個范圍即處于不靈敏區(qū)，變化則相當(dāng)平緩。因此為使得進(jìn)入不靈敏區(qū)的誤差函數(shù)有所改變，迅速退出不靈敏區(qū)，保證訓(xùn)練網(wǎng)絡(luò)的快速性，盡可能使所有輸入值都在靈敏變化段中，一般需在該公式中引進(jìn)參數(shù)。本文的神經(jīng)網(wǎng)絡(luò)算法即在此部分進(jìn)行改進(jìn)。

2 基于BP神經(jīng)網(wǎng)絡(luò)的教學(xué)評價模型構(gòu)建

本文由公式2.1計算得出隱含層節(jié)點數(shù)為4（這里考慮了下述16個指標(biāo)可以分為4組）。（見表1）

3 改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)算法描述

網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和訓(xùn)練數(shù)據(jù)確定之后，總誤差函數(shù)E的性質(zhì)特征就完全由激活函數(shù)f決定了。改進(jìn)激活函數(shù)，可以改變誤差曲面，盡量減少局部極小值的可能性。BP算法的激活函數(shù)一般為sigmoid型函數(shù)，即。

改進(jìn)的BP算法是對標(biāo)準(zhǔn)的S型函數(shù)引入新的參數(shù)，則函數(shù)變?yōu)?，其中系?shù)決定著S型函數(shù)的壓縮程度。該非線性函數(shù)滿足如下兩個條件：一是連續(xù)光滑且具有單調(diào)性；二是定義域為，值域為，故符合激活函數(shù)要求。而且它使得激活函數(shù)曲線變得平坦，方便在或時，避開局部極小，因此該函數(shù)具有更好的函數(shù)逼近能力以及容錯能力。

4 仿真計算與分析

以學(xué)生評教數(shù)據(jù)為輸入值，專家評教數(shù)據(jù)為期望輸出值，采用上述算法在Matlab下設(shè)計仿真程序?qū)P模型進(jìn)行辨識，輸入層、隱含層和輸出層的結(jié)點數(shù)分別為16×4×1，激活函數(shù)采用變化的S型，學(xué)習(xí)率=0.99。

通過沈陽某大學(xué)教務(wù)處所提供的數(shù)據(jù)進(jìn)行實驗，采用10組樣本進(jìn)行網(wǎng)絡(luò)訓(xùn)練，并對10位教師進(jìn)行測評。10樣本的評價目標(biāo)和神經(jīng)網(wǎng)絡(luò)辨識分別為差（21.93），及格（44.64），及格（46.94），中（59.87），中（59.11），中（62.35），中（59.83），良（78.93），良（79.56），優(yōu)（99.12）。結(jié)果顯示，BP模型對評估的模擬結(jié)果比較精確，對整個考核的排序十分有用。因此該模型能較為準(zhǔn)確地根據(jù)各評價指標(biāo)來確定教學(xué)效果。

5 結(jié)論

結(jié)合國家高等教育的政策導(dǎo)向以及學(xué)校實際，建立了一個基于BP神經(jīng)網(wǎng)絡(luò)建立了教學(xué)評價模型，引用具有更好函數(shù)逼近以及容錯能力的改進(jìn)的BP學(xué)習(xí)算法，確定指標(biāo)體系的權(quán)重，使評價結(jié)果科學(xué)合理。

參考文獻(xiàn)

第2篇：神經(jīng)網(wǎng)絡(luò)教學(xué)范文

論文摘要:利用補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)構(gòu)建高職院校教師的教學(xué)評價模型，借鑒《機(jī)械制圖》教學(xué)過程中總結(jié)出的零件制作6個步驟，形成“六步法則”，將其應(yīng)用于模型構(gòu)建的整個過程。數(shù)據(jù)驗證結(jié)果表明，該模型評價精度較高，有利于合理地對教師教學(xué)能力的評價，并將有效地促進(jìn)學(xué)校推行績效考核機(jī)制，促進(jìn)人才培養(yǎng)質(zhì)量的提升。

高等職業(yè)教育在我國高等教育規(guī)模中占半壁江山，在人才培養(yǎng)方面起著舉足輕重的作用。如何更快更好地發(fā)展高職教育，提高人才培養(yǎng)的質(zhì)量顯得越來越重要。高水平的培養(yǎng)質(zhì)量歸根結(jié)底是要建立一支過硬的教師隊伍。因此，各高職院校目前十分注重利用績效考核來促進(jìn)教師隊伍整體水平的提高。所謂績效考核，就是依據(jù)教師崗位職責(zé)，對教師是否勝任本崗位工作所規(guī)定的政治思想、職業(yè)道德、工作實績等進(jìn)行全面系統(tǒng)的評價。那么如何通過績效考核對每位教師進(jìn)行一個客觀、全面的評價呢?這主要依賴于教學(xué)評價模型的正確性與合理性。筆者依據(jù)多年來的教務(wù)管理經(jīng)驗，以及通過教授《機(jī)械制圖》這門課程得到的啟發(fā)，采用六步法則與補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)相結(jié)合，實現(xiàn)了教學(xué)評價模型的構(gòu)建，旨在提高評價的合理性與客觀性。

1六步法則及其由來

六步法則的由來，是筆者受《機(jī)械制圖》課程教學(xué)的啟發(fā)而得出的:對于一個零件制作而言，大體經(jīng)過以下六個步驟:(1)通過“看”來對市場上所出現(xiàn)的類似零件進(jìn)行比對，比如說用途、特點等;(2)分析其利弊;(3)確定自己制作該零件的方案進(jìn)行草圖繪制:確定繪圖的紙張大小等，從而對零件的結(jié)構(gòu)圖(主視圖、剖面圖等)進(jìn)行細(xì)心繪制，最后對細(xì)節(jié)進(jìn)行加工;(4)根據(jù)繪制的圖形，對該零件進(jìn)行加工;(5)加工樣品檢驗零件的合理性;(6)通過使用不斷地對零件進(jìn)行修改完善。綜上所述，零件的加工制作可以歸結(jié)為:“看、想、畫、作、查、改”。其中“畫”尤其重要，因為最終圖的正確與否將直接關(guān)系到產(chǎn)品的質(zhì)量，影響整個公司的經(jīng)濟(jì)效益因此在設(shè)計過程中強(qiáng)調(diào)的是在正確的前提下注意細(xì)而精。對于教學(xué)評價也是如此。如果教學(xué)評價模型建立的不合理，將直接導(dǎo)致對教師能力評價的不客觀、不全面，那么對教師績效工資的分配將不合理，激勵導(dǎo)向效果就不會理想。為此，按照全面質(zhì)量管理的“三全一多樣”的特征，借鑒機(jī)械制圖的6大步驟，總結(jié)得出“六步法則”，運用此法則，對教學(xué)評價模型進(jìn)行構(gòu)建。

所謂六步法則，是指一看、二分析、三建模、四檢驗、五實施、六改善?！耙豢础笔侵笇δ壳案呗氃盒５慕處熌芰M(jìn)行全面調(diào)查，目前采用教師教學(xué)評價機(jī)制進(jìn)行搜索比對;“二分析”是指通過調(diào)查之后分析高職院校教師能力體現(xiàn)較為全面的幾項重大指標(biāo)，確定評價的標(biāo)準(zhǔn);“三建模”是指通過確定的幾項評價指標(biāo)和最終評價結(jié)果，采用先進(jìn)的數(shù)學(xué)建模方法進(jìn)行評價模型的建立;“四檢驗”主要是通過利用建好的模型，采用以前的評價數(shù)據(jù)、結(jié)果進(jìn)行對比，驗證模型的合理性與客觀性;“五實施”是指通過驗證的模型對目前的教師教學(xué)能力進(jìn)行評價;“六改善”是指在實施過程中對一些細(xì)枝末節(jié)進(jìn)行調(diào)整、改善，以促進(jìn)教師教學(xué)水平的提高，不斷完善績效考核機(jī)制。

2教學(xué)評價模型的構(gòu)建

(1)看。高職院校的教師能力除了需要具備一定的專業(yè)知識與技能外，還須具備操作技術(shù)及實踐經(jīng)驗。最好是“雙師型”的教師。在北京召開的第四屆高等學(xué)校教學(xué)名師獎表彰大會上有位名師指出:作為高職院校的教師，既要有扎實的理論知識，更要注重實踐經(jīng)驗的積累;既要把握專業(yè)領(lǐng)域?qū)W術(shù)發(fā)展前沿，又要與行業(yè)及企業(yè)保持密切聯(lián)系，時刻關(guān)注行業(yè)發(fā)展動態(tài)。他說:“一名優(yōu)秀教師需要不斷與時俱進(jìn)，創(chuàng)新課程體系，調(diào)整教學(xué)內(nèi)容，既要注重學(xué)生基本理論知識的傳授、專業(yè)技能的培養(yǎng)，還要注重學(xué)生的個性發(fā)展和綜合素質(zhì)的培養(yǎng);只有這樣，才能獲得良好的教學(xué)效果，因此，目前評判教師水平主要關(guān)注于知識、素質(zhì)、能力這三方面。

知識結(jié)構(gòu)包括圍繞職業(yè)崗位的知識、技術(shù)，及本專業(yè)領(lǐng)域的最新發(fā)展動態(tài)和職業(yè)崗位上的新知識、新技術(shù)、新工藝等;素質(zhì)結(jié)構(gòu)包括良好的道德素質(zhì)和職業(yè)素質(zhì)，道德素質(zhì)是樹立正確的世界觀、人生觀和價值觀，職業(yè)素質(zhì)是指角色意識、敬業(yè)精神、時效意識、團(tuán)隊精神等;能力結(jié)構(gòu)包括教育教學(xué)能力、崗位實踐能力、現(xiàn)代教育技術(shù)使用能力和科研能力等川。

根據(jù)確定的評價內(nèi)容，目前采用的評價體系具有一定的多維性和動態(tài)性，評價的方式大多采用“定性”與“定量”相結(jié)合的方法，主要有:1)專家評價法，如專家打分綜合法。2)運籌學(xué)與其他數(shù)學(xué)方法，如層次分析法、數(shù)據(jù)包絡(luò)法、模糊綜合評價法、絕對評價法。3)新型評價方法，如人工神經(jīng)網(wǎng)絡(luò)評價法、灰色綜合評價法、綜合評分法。4)組合評價法，這是幾種方法混合使用的情況。

(2)分析。教學(xué)質(zhì)量的高低是由多種因素交互作用決定的，但其最主要的因素體現(xiàn)在知識、素質(zhì)、能力這三方面，因此為了能夠較為全面的進(jìn)行評判，這里采用多主體多角度的評價方式。“多主體”是指教師、學(xué)生、專家(含同行)評價和教學(xué)主管部門評價以及外聘工程師等。“多角度”是指每個評價主體對應(yīng)的評價指標(biāo)不同，即設(shè)計的調(diào)查問卷不同。其中表1為學(xué)生對教師課堂教學(xué)的總體評價表。

(3)模型構(gòu)建。人們在教育評價中所用的方法，可以簡單地歸結(jié)為兩大類:定性評價方法和定量評價方法。其中定量評價方法需要用刻一些數(shù)學(xué)模型對評價對象進(jìn)行處理。到目前為止，教學(xué)評價所用的數(shù)學(xué)模型主要有確定(性)數(shù)學(xué)模型、隨機(jī)(性)數(shù)學(xué)模型和模糊數(shù)學(xué)模型三類。具體來講，確定(性)數(shù)學(xué)模型有線性規(guī)劃、動態(tài)規(guī)劃、數(shù)據(jù)包絡(luò)分析、層次分析方法等;隨機(jī)(性)數(shù)學(xué)模型有回歸分析、因素分析、聚類分析、齊次馬爾科夫鏈等;模糊數(shù)學(xué)模型有模糊綜合評判模型、模糊積分模型、灰色數(shù)學(xué)模型等。在教育評價中，上述方法均有各自比較適宜的評價對象.

在融合模糊理論和神經(jīng)網(wǎng)絡(luò)技術(shù)的基礎(chǔ)上，通過補(bǔ)償神經(jīng)元來執(zhí)行補(bǔ)償模糊推理，動態(tài)地調(diào)整模糊規(guī)則，從而形成了一種新的網(wǎng)絡(luò)—補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)，由此進(jìn)行教學(xué)評價模型的構(gòu)建。

1補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)的特點

采用補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)對某=系統(tǒng)進(jìn)行辨識時，不需要事先知道索統(tǒng)的精確的數(shù)學(xué)模型，它能借助于人類的模糊推理知識以及神經(jīng)網(wǎng)絡(luò)的逼近性能來實現(xiàn)對過程的建模。它擁有許多優(yōu)點，如魯棒性、無需模型、全局逼近。 2)模型的建構(gòu)

:提據(jù)高職院校對教師工作素質(zhì)的要求，結(jié)合高職院校的培養(yǎng)目標(biāo)，采用多Z多角摩多豐體的評價機(jī)制，對教師教學(xué)質(zhì)量模型進(jìn)行合理建構(gòu)。但是如何制定一個合理的評價指標(biāo)，是一個七啦復(fù)雜而且困難的課題，本文在教育部已有評拈體系的基礎(chǔ)上，根據(jù)前人研究成果，利用學(xué)生對教師的網(wǎng)上評教、教師個人的_自我評價、同行評價以及家評價得分作為模型的輸入、(藝‘1一4)，每個評價因子得分范圍是，分為三個等級:較差、良好，一優(yōu)秀。但是如何確定這三個等級的標(biāo)準(zhǔn)，這里采用高斯函數(shù)才) ”作為模糊隸屬度函數(shù)從而對其等級進(jìn)行劃分。其中“，·““(隸屬度中‘。·寬度’均屬于可調(diào)參數(shù)。具體建構(gòu)的教學(xué)評價模型如圖1所示。

整個模型分為5層，第一層作為評價指標(biāo)輸人層，第二層對評價指標(biāo)進(jìn)行分類(較差、良好、優(yōu)秀)，然后根據(jù)模糊推理的規(guī)則來推理得出教師教學(xué)質(zhì)量的好壞。

3)模型的訓(xùn)練

運用多年來積累的數(shù)據(jù)報表，通過聚類分析的方式對數(shù)據(jù)進(jìn)行有效性驗證，在現(xiàn)有數(shù)據(jù)的基礎(chǔ)上挑選了2000多個樣本進(jìn)行評價模型的訓(xùn)練，采用梯度下降法對模糊隸屬度函數(shù)中的參數(shù)進(jìn)行訓(xùn)練，其訓(xùn)練過程的誤差MSE變化曲線如圖2所示。

最后從樣本中選取200個樣本對其進(jìn)行驗證，結(jié)果誤差達(dá)到了I.5%，精確度較高。

第3篇：神經(jīng)網(wǎng)絡(luò)教學(xué)范文

面對市場經(jīng)濟(jì)，面對城鄉(xiāng)一體化建設(shè)的大力推進(jìn)，面對網(wǎng)絡(luò)和計算機(jī)多媒體教育教學(xué)環(huán)境，面對教育對人才需求質(zhì)量的提高和素質(zhì)教育的客觀要求，中小學(xué)語文教師的自身建設(shè)如何進(jìn)行？中學(xué)語文教師應(yīng)如何實現(xiàn)自我價值？通過學(xué)習(xí)和教育教學(xué)實踐，筆者深深地體會到，加強(qiáng)中小學(xué)語文教師自身建設(shè)，應(yīng)突出轉(zhuǎn)變教育觀念，強(qiáng)化自我的教育與培養(yǎng)，走國際化交流的新路子，以適應(yīng)時代對中小學(xué)語文教師提出的新要求，適應(yīng)素質(zhì)教育對中小學(xué)語文教師的需求。

1 努力轉(zhuǎn)變教育觀念

眾所周知，提高教育質(zhì)量的關(guān)鍵在于教師。中小學(xué)師資隊伍建設(shè)，關(guān)鍵在于培養(yǎng)一大批職業(yè)道德意識強(qiáng)、文化基礎(chǔ)寬厚、學(xué)科知識豐富、教育教學(xué)水平高且具有較高實踐動手操作能力的高質(zhì)量的教師。中小學(xué)教師要以教書育人、為人師表為天職，樹立良好的師德、教風(fēng)，同時要做到4個轉(zhuǎn)變。

1.1 由知識型向能力型轉(zhuǎn)變

中小學(xué)教師不僅要傳“道”，更要具有較強(qiáng)的職業(yè)道德品質(zhì)和教育教學(xué)能力，并且注重學(xué)生的綜合素質(zhì)能力培養(yǎng)和自立、自強(qiáng)、自我成才能力的培養(yǎng)。較強(qiáng)的教育教學(xué)能力要求中小學(xué)教師在教育教學(xué)過程中注意學(xué)生主觀能動性的發(fā)揮，通過運用網(wǎng)絡(luò)、計算機(jī)等多種先進(jìn)的教學(xué)手段，既能培養(yǎng)學(xué)生濃厚的學(xué)習(xí)語文的興趣，又能提高其分析問題、解決問題的綜合能力；既要培養(yǎng)學(xué)生的一般學(xué)習(xí)能力，又要培養(yǎng)學(xué)生的創(chuàng)新思維能力和創(chuàng)造能力；既要培養(yǎng)學(xué)生靈活的思維能力，又要培養(yǎng)學(xué)生的多種綜合素質(zhì)和品質(zhì)，使學(xué)生能夠在激烈的市場經(jīng)濟(jì)競爭和升學(xué)壓力中生存，以滿足社會對各種人才的需求，滿足學(xué)生對高知識、高能力的需求，滿足學(xué)生健全人格的需要，滿足學(xué)生健康成長的需要。

1.2 由封閉型向開放型轉(zhuǎn)變

在網(wǎng)絡(luò)和計算機(jī)時代，先進(jìn)的教學(xué)手段和理念賦予中小學(xué)教學(xué)的教學(xué)水平以新的內(nèi)涵。因此，中小學(xué)教師不能滿足于已有的教學(xué)水平，要勤奮學(xué)習(xí)，積極走出校門，通過網(wǎng)絡(luò)和教學(xué)資源、平臺向先進(jìn)教師學(xué)習(xí)，學(xué)習(xí)他們先進(jìn)的教學(xué)手段、先進(jìn)的教學(xué)方法和先進(jìn)的教學(xué)理念，掌握并由會學(xué)轉(zhuǎn)化到會教上去。同時，中小學(xué)語文教師應(yīng)主動進(jìn)行教學(xué)方法、手段、策略和模式等方面的研究，達(dá)到教師由“教會”到“會教”，學(xué)生由“學(xué)會”到“會學(xué)”的更高層次轉(zhuǎn)變。

1.3 由單純的師生關(guān)系向新型的師生關(guān)系轉(zhuǎn)變

網(wǎng)絡(luò)和計算機(jī)時代，已經(jīng)將教師與學(xué)生之間的界限變得模糊不清了，這就是教師既是教育教學(xué)者，也是學(xué)習(xí)與研究者，學(xué)生也是學(xué)習(xí)者，更是對問題的探求者，與教師共同研究者。教師要熱愛學(xué)生，學(xué)生應(yīng)高度擁護(hù)教師的教學(xué)，使課堂教學(xué)成為教師與學(xué)生共同學(xué)習(xí)與研究的戰(zhàn)場，成為共同成才的平臺。比如，對于同一個問題，由于理解的角度不同，教師和學(xué)生的看法或者理解會截然不同，這樣，教師與學(xué)生就不能爭執(zhí)不下，而是應(yīng)通過網(wǎng)絡(luò)查詢、外出請教，共同學(xué)習(xí)與掌握，使師生關(guān)系變得更貼近現(xiàn)代教育發(fā)展的需求。

2 強(qiáng)化教師自身培訓(xùn)培養(yǎng)

教師的培訓(xùn)培養(yǎng)是提高教師素質(zhì)的途徑之一。加強(qiáng)中小學(xué)教師的培訓(xùn)和培養(yǎng)工作，國家、省、市、縣已做了大量的工作，包括山東省啟動的中小學(xué)網(wǎng)絡(luò)培訓(xùn)就是最好的實例。大量的中小學(xué)教師通過教學(xué)業(yè)務(wù)培訓(xùn)與培養(yǎng)，在教育教學(xué)的理念、實踐能力、操作技能、現(xiàn)代教育手段的運用、教育教學(xué)方法的改革、師德等方面，都有了很大程度的提高，為全面實施素質(zhì)教育提供了重要的思想、理論和實踐保障。

中小學(xué)教師的培訓(xùn)培養(yǎng)，單單依靠國家和上級的組織是遠(yuǎn)遠(yuǎn)滿足不了要求的，還必須立足自己的教育教學(xué)實際，面對經(jīng)濟(jì)全球化、網(wǎng)絡(luò)和計算機(jī)時代的發(fā)展，開展行之有效而又適合本人需要的培訓(xùn)培養(yǎng)工作。

首先，中小學(xué)教師要人人建立培訓(xùn)與培養(yǎng)計劃，參加適合自己的業(yè)務(wù)學(xué)習(xí)與知識拓展學(xué)習(xí)，像學(xué)歷進(jìn)修、學(xué)科學(xué)習(xí)和師德學(xué)習(xí)等。

其次，要積極參與上級組織的業(yè)務(wù)學(xué)習(xí)，學(xué)習(xí)課程體系建設(shè)下的新課程內(nèi)容，學(xué)習(xí)課程改革的總體思路，學(xué)習(xí)先進(jìn)的教育教學(xué)方法。

第三，要積極開展多學(xué)科的學(xué)習(xí)，豐富自己教學(xué)知識的同時，滿足日益發(fā)展的中小學(xué)學(xué)生學(xué)習(xí)的需求。

第四，要開展先進(jìn)教學(xué)技能的學(xué)習(xí)，通過學(xué)習(xí)，掌握計算機(jī)、網(wǎng)絡(luò)環(huán)境下的教學(xué)策略和方法，并通過自己的努力，從教材和學(xué)生的學(xué)習(xí)出發(fā)，制作適合中小學(xué)生學(xué)習(xí)需求的各種或者各科教學(xué)電子課件，以豐富課堂教學(xué)，推進(jìn)課堂教學(xué)改革，提高課堂教學(xué)質(zhì)量。

第五，要學(xué)習(xí)現(xiàn)代教育心理學(xué)，通過掌握現(xiàn)代教育心理學(xué)的有關(guān)知識，掌握科學(xué)的教育方法，并通過分化心理、瓦解難點、提升能力進(jìn)行對學(xué)生的全面教育，實現(xiàn)教育的整體性。

3 適應(yīng)國際合作交流的需求，全面了解和掌握世界教育教學(xué)新動向

經(jīng)濟(jì)全球化，網(wǎng)絡(luò)和計算機(jī)發(fā)展，城鄉(xiāng)一體化進(jìn)程的大力推進(jìn)，文化建設(shè)與發(fā)展，精神文明建設(shè)的高標(biāo)準(zhǔn)要求和現(xiàn)代文明社區(qū)的建設(shè)，都給教育事業(yè)的建設(shè)與發(fā)展帶來前所未有的發(fā)展機(jī)遇，不僅加快了我國教育與世界各國教育的交流與合作，促進(jìn)教育均衡發(fā)展，助推教育教學(xué)改革與實現(xiàn)素質(zhì)教育，而且也為實現(xiàn)城鄉(xiāng)教育一體化均衡發(fā)展注入新的活力。尤其是黨的“十”，對教育提出更高的要求，城鄉(xiāng)統(tǒng)籌建設(shè)、名校建設(shè)、村鎮(zhèn)學(xué)校建設(shè)等納入教育發(fā)展規(guī)劃之列。同時，對國際教育發(fā)展與交流提出新的要求，大大激發(fā)教育自身的快速發(fā)展。這就為教育的交流與學(xué)習(xí)，特別是國際交流與學(xué)習(xí)提出新的挑戰(zhàn)。

對于作為基礎(chǔ)教育的中小學(xué)語文教學(xué)，教師應(yīng)抓住這一特色，積極創(chuàng)造條件或者努力實現(xiàn)適應(yīng)國際合作辦學(xué)交流的需求，走出國門，繼續(xù)深造，為素質(zhì)教育與基礎(chǔ)教育的科學(xué)發(fā)展，儲備教育教學(xué)能量，并提升自我價值。中小學(xué)教師要努力學(xué)習(xí)教育理論和學(xué)科知識，積極創(chuàng)造條件走出國門，到國外學(xué)校學(xué)習(xí)與吸收先進(jìn)的教育理念，學(xué)習(xí)與掌握現(xiàn)代教育手段，學(xué)習(xí)與消化國外先進(jìn)的教育思想，掌握國外的教育內(nèi)涵，并通過回國的教育實踐，創(chuàng)造一個新的教學(xué)平臺，實現(xiàn)教育國際化的新理念。

中小學(xué)校也應(yīng)吸收國外教育資源或者引進(jìn)國外教師來華參與教學(xué)研究、教學(xué)實踐與教學(xué)改革，一方面實現(xiàn)對國外資源的利用，另一方面做到中外教育資源互利，共同營造對中學(xué)生進(jìn)行創(chuàng)新教育、能力教育的良好環(huán)境。

網(wǎng)絡(luò)和計算機(jī)環(huán)境賦予現(xiàn)代教育資源以新的平臺，中小學(xué)教師可以不出家門、不出國門、不出辦公室就達(dá)到共同學(xué)習(xí)的目的。特別是對于先進(jìn)學(xué)校的教育資源，可以直接嫁接，也可以間接學(xué)習(xí)，既方便了自身能力的提高，也是一種教學(xué)思想的進(jìn)步。

4 結(jié)語

第4篇：神經(jīng)網(wǎng)絡(luò)教學(xué)范文

法，并介紹了在TMS320C540

>> 一種新的基于改進(jìn)的ADALINE神經(jīng)網(wǎng)絡(luò)的DTHF解碼器方案 AVS解碼器流水線控制機(jī)制的一種改進(jìn)設(shè)計 一種SoC架構(gòu)的AVS硬件解碼器設(shè)計方案 一種基于BP神經(jīng)網(wǎng)絡(luò)整定的PID控制器的算法改進(jìn) 一種基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)的入侵檢測方法 基于一種改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法的教學(xué)質(zhì)量評價研究 一種基于ART2神經(jīng)網(wǎng)絡(luò)的算法改進(jìn) 一種基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)預(yù)測T/R組件溫度的方法 一種基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的高效模糊聚類算法 一種基于模糊神經(jīng)網(wǎng)絡(luò)的印刷品字符識別器 一種基于遺傳神經(jīng)網(wǎng)絡(luò)文本分類器的研究 一種新的基于灰色關(guān)聯(lián)分析的BP神經(jīng)網(wǎng)絡(luò)剪枝算法 一種新的基于神經(jīng)網(wǎng)絡(luò)的IRT項目參數(shù)估計模型 一種基于短語統(tǒng)計機(jī)器翻譯的高效柱搜索解碼器 一種基于SOM神經(jīng)網(wǎng)絡(luò)的污水處理工藝方案比選方法 一種基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)控機(jī)床伺服系統(tǒng)控制器 一種改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)算法在入侵檢測中的應(yīng)用 一種改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)車牌識別算法的研究 一種改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)算法分析 一種ART2神經(jīng)網(wǎng)絡(luò)的改進(jìn)算法 常見問題解答 當(dāng)前所在位置：中國 > 科技 > 一種新的基于改進(jìn)的ADALINE神經(jīng)網(wǎng)絡(luò)的DTHF解碼器方案 一種新的基于改進(jìn)的ADALINE神經(jīng)網(wǎng)絡(luò)的DTHF解碼器方案 雜志之家、寫作服務(wù)和雜志訂閱支持對公帳戶付款！安全又可靠！ document.write("作者：未知 如您是作者，請告知我們")

申明:本網(wǎng)站內(nèi)容僅用于學(xué)術(shù)交流，如有侵犯您的權(quán)益，請及時告知我們，本站將立即刪除有關(guān)內(nèi)容。 摘 要：本文提出了一種新的基于改進(jìn)的AD址INE神經(jīng)網(wǎng)絡(luò)DTMF信號檢測算

法，并介紹了在TMS320C5402和TLV320AICl0上采用此算法的DTMF

第5篇：神經(jīng)網(wǎng)絡(luò)教學(xué)范文

關(guān)鍵詞：煤礦 漸進(jìn)神經(jīng)網(wǎng)絡(luò) 煤與瓦斯突出

1 概述

對于煤礦各煤層的煤與瓦斯突出危險性的區(qū)域預(yù)測，一般是先確定突出危險性參數(shù)，建立一個初步的預(yù)測模型，然后根據(jù)該礦區(qū)已經(jīng)發(fā)生的煤與瓦斯突出事故的情況來不斷驗證，直到得到合理的區(qū)域預(yù)測模型，這樣整個區(qū)域預(yù)測模型的建立需要做大量調(diào)試，耗費很長的時間。

本文嘗試?yán)脻u進(jìn)神經(jīng)網(wǎng)絡(luò)的特點，建立利用結(jié)果反求礦井的煤與瓦斯突出危險性區(qū)域預(yù)測模型，使得建立的模型能更加適合不同礦井發(fā)生煤與瓦斯突出的實際情況。此外，還能大大減少模型調(diào)試所消耗的大量時間[3]。

2 關(guān)于建立煤與瓦斯突出區(qū)域預(yù)測模型的分析

目前為止，國內(nèi)外對影響煤與瓦斯突出參數(shù)的問題進(jìn)行了很多研究，而隨著力學(xué)、動力學(xué)理論等學(xué)科的發(fā)展，分析礦井煤與瓦斯突出是如何發(fā)生的方法也越來越多。在眾多的突出理論中，能讓從事該行業(yè)的絕大多數(shù)人認(rèn)同和接受的就是綜合假說。

綜合假說的主要理論是：煤與瓦斯突出是礦井中一種極其復(fù)雜的動力現(xiàn)象，它包括三個因素：地應(yīng)力、高壓瓦斯和煤的結(jié)構(gòu)性能，它的發(fā)生是三個主要因素綜合作用的結(jié)果。

從能量轉(zhuǎn)換角度分析，突出的能量來自煤巖體彈性彈性潛能和煤體中的瓦斯膨脹能，這些能量在突出過程中主要轉(zhuǎn)換為煤體的破碎功和碎煤在巷道中的移動功等。因此，在由煤巖層和瓦斯組成的這樣一個力學(xué)系統(tǒng)中，就有四種相互作用和相互轉(zhuǎn)化的能量體系，它們之間的消長關(guān)系夠長了煤與瓦斯突出全過程的能量條件。當(dāng)煤巖體彈性潛能和煤體中的瓦斯膨脹能大于煤體的破壞功和移動功時，就發(fā)生煤與瓦斯突出，否則就不發(fā)生。

3 基于漸進(jìn)神經(jīng)網(wǎng)絡(luò)的煤與瓦斯突出危險區(qū)域預(yù)測模型的建立

神經(jīng)網(wǎng)絡(luò)是由大量的神經(jīng)元相連接的網(wǎng)絡(luò)，針對影響煤與瓦斯突出的地應(yīng)力、瓦斯壓力、煤體結(jié)構(gòu)的復(fù)雜關(guān)系，通過對漸進(jìn)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練、控制和識辯可以反求到影響不同礦井對煤與瓦斯突出影響的參數(shù)及其權(quán)重值[2]。

基于地應(yīng)力、瓦斯壓力、煤體結(jié)構(gòu)參數(shù)反求流程如圖1所示。假設(shè)模型的各項參數(shù)為某一組數(shù)值，可以仿真得到相應(yīng)的突出參數(shù)的神經(jīng)網(wǎng)絡(luò)的初始訓(xùn)練樣本，將各種參數(shù)值Xm輸入神經(jīng)網(wǎng)絡(luò)，即可反求得到對于的參數(shù)Yi，并將其作為煤與瓦斯突出的影響參數(shù)，可以得到影響參數(shù)的計算值Xn。如果計算值Xm和測量值Xn偏差超過許可誤差，必須重新選取樣本，對神經(jīng)網(wǎng)絡(luò)在訓(xùn)練，直到計算值Xm和測量值Xn的偏差在許可范圍內(nèi)，即為反求得到的煤與瓦斯突出影響參數(shù)Yj。

神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)，需要根據(jù)具體求解問題的復(fù)雜程度決定[3]。圖2為煤與瓦斯突出影響參數(shù)反求的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，神經(jīng)網(wǎng)絡(luò)由可能代表影響煤與瓦斯突出因素的N個輸入單元組成輸入層，網(wǎng)絡(luò)的輸出層由實際代表影響煤與瓦斯突出的M個單元組成，網(wǎng)絡(luò)還包含一個隱含層。通過神經(jīng)網(wǎng)絡(luò)可以建立影響煤與瓦斯突出因素的非線性關(guān)系：

神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，就是根據(jù)訓(xùn)練樣本來計算權(quán)值矩陣W，根據(jù)求出影響參數(shù)及權(quán)值矩陣計算煤層的突出危險性程度。神經(jīng)網(wǎng)絡(luò)訓(xùn)練以后，不管實際問題怎么復(fù)雜，神經(jīng)網(wǎng)絡(luò)都可以快速的計算輸出變量，因此，神經(jīng)網(wǎng)絡(luò)是適合用于煤與瓦斯突出危險性區(qū)域預(yù)測模型的建立的。

4 結(jié)論

本文應(yīng)用反求的思想，從滿足預(yù)測的觀點出發(fā)，通過建立漸進(jìn)神經(jīng)網(wǎng)絡(luò)的方法來反求滿足不同礦區(qū)實際情況的突出危險性區(qū)域預(yù)測模型，從而反求出影響不同煤礦的煤與瓦斯突出危險性的影響參數(shù)，從而避免了建立煤與瓦斯突出危險性區(qū)域預(yù)測模型過程中繁雜的調(diào)試過程，縮短了該模型建立過程，并使得區(qū)域預(yù)測模型具有較好的針對性及預(yù)測效果。

參考文獻(xiàn)：

[1]候媛彬，杜京義，汪梅.神經(jīng)網(wǎng)絡(luò)[M].西安電子科技大學(xué)出版社.

[2]張青貴.人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論[M].中國水利水電出版社.

[3]劉海波，施式亮等.人工神經(jīng)網(wǎng)絡(luò)對礦山安全狀態(tài)的評判能力分析[J].安全與環(huán)境學(xué)報，2004（5）：69～72.

[4]胡千庭，鄒銀輝等.瓦斯含量法預(yù)測突出危險新技術(shù)[J].煤炭學(xué)報，2007（3）：277～280.

第6篇：神經(jīng)網(wǎng)絡(luò)教學(xué)范文

關(guān)鍵詞：模糊神經(jīng)網(wǎng)絡(luò);企業(yè)水環(huán)境;評價

收稿日期：20120410

基金項目：國家自然科學(xué)基金資助項目(編號:41101080);山東省自然科學(xué)基金資助項目(編號:ZR2011DQ009);山東省研究生教育創(chuàng)新計劃

項目(編號:SDYC11147)資助

作者簡介：朱敏（1974—），女,湖南常德人,工程師,主要從事企業(yè)水環(huán)境研究工作。

通訊作者：李銳（1963—），男,湖南新化人,教授,博導(dǎo),主要從事環(huán)境經(jīng)濟(jì)學(xué)方面的教學(xué)與研究工作。中圖分類號：X73文獻(xiàn)標(biāo)識碼：A文章編號：16749944(2012)05015003

1引言

隨著經(jīng)濟(jì)的發(fā)展和污染負(fù)荷的增加,人們認(rèn)識到濃度控制已不能從根本上解決污染問題。而我國對水環(huán)境的研究,也主要集中在對水源地的分析和控制中。隨著工業(yè)企業(yè)對水環(huán)境的重視,開始逐步嘗試用處理過的中水進(jìn)行循環(huán)使用,但是對多指標(biāo)的水質(zhì)評價缺乏定性的判斷。而在對水環(huán)境的評價方法中,由于參與的評價因子眾多,并且與水質(zhì)等級之間存在的是非常復(fù)雜的非線性關(guān)系,所以至今都沒有形成統(tǒng)一的方法。常規(guī)的地下水水質(zhì)評價方法有綜合指數(shù)法、模糊綜合評價法、灰色聚類法等［1］,這些方法都還存在著一些不足。近年來,隨著神經(jīng)網(wǎng)絡(luò)的發(fā)展,國內(nèi)外很多從事地下水研究的學(xué)者將神經(jīng)網(wǎng)絡(luò)引入水質(zhì)評價中,取得了較好的評價效果,表明研究神經(jīng)網(wǎng)絡(luò)處理水質(zhì)評價具有非?，F(xiàn)實的意義。

模糊理論和神經(jīng)網(wǎng)絡(luò)技術(shù)是近幾年來人工智能研究較為活躍的兩個領(lǐng)域［2］。模糊神經(jīng)網(wǎng)絡(luò)(Fuzzy Neural Network,FNN)是在神經(jīng)網(wǎng)絡(luò)(Neural Network,NN)和模糊系統(tǒng)(Fuzzy System,FS)的基礎(chǔ)上發(fā)展起來的,二者的融合彌補(bǔ)了神經(jīng)網(wǎng)絡(luò)在模糊數(shù)據(jù)處理方面的不足和模糊邏輯在學(xué)習(xí)方面的缺陷,是一個集語言計算、邏輯推理、分布式處理和非線性動力學(xué)過程為一身的系統(tǒng)［3,4］。本文使用這種方法來評價某企業(yè)水環(huán)境質(zhì)量,通過MATLAB R2011b 編程實現(xiàn),其工具箱函數(shù)提供了歸一化函數(shù)mapminmax等,該仿真結(jié)果表明,系統(tǒng)具有較好的客觀性和預(yù)測性。

2模糊神經(jīng)網(wǎng)絡(luò)原理

模糊神經(jīng)網(wǎng)絡(luò)是一種集模糊邏輯推理的強(qiáng)大結(jié)構(gòu)性知識表達(dá)能力與神經(jīng)網(wǎng)絡(luò)的強(qiáng)大自學(xué)習(xí)能力于一體的新技術(shù),它是模糊邏輯推理與神經(jīng)網(wǎng)絡(luò)有機(jī)結(jié)合的產(chǎn)物［6,7］。

2.1模糊數(shù)學(xué)方法

模糊集概念是模糊數(shù)學(xué)的特征函數(shù)處于中介狀態(tài),并用隸屬函數(shù)表示模糊集。模糊數(shù)學(xué)是用來描述、研究和處理事物所具有的模糊特征的數(shù)學(xué)?！澳：笔侵杆难芯繉ο?而“數(shù)學(xué)”是指它的研究方法。

模糊數(shù)學(xué)中最基本的概念是隸屬度和模糊隸屬度函數(shù)。其中,隸屬度是指元素u屬于模糊子集f的隸屬程度,用μf(u)表示,它是一個在［0,1］之間的數(shù),越接近于0,表示μf(u)屬于模糊子集u的程度越小;越靠近1,表示u屬于模糊子集f的程度越大。

在模糊數(shù)學(xué)中,運用隸屬度來描述客觀事物中很多模糊的界限,而隸屬度可用隸屬函數(shù)來表示。比如水質(zhì)評價中“污染程度”就是一個模糊概念,因此,作為評價污染程度的分類標(biāo)準(zhǔn)也應(yīng)具有模糊的特征,用一般的評價方法進(jìn)行分類別,不盡合理,而用模糊概念進(jìn)行推理就比較符合客觀實際［5］。

2.2TakagiSugeno(T-S)模糊模型

TS模糊模型一般用于多個輸入和單個輸出的情況。該模型是一種自適應(yīng)能力很強(qiáng)的模糊系統(tǒng),該系統(tǒng)不僅能自動更新,而且能不斷修正模糊子集的隸屬函數(shù)。TS模糊系統(tǒng)用如下的“if-then”規(guī)則形式來定義,在規(guī)則為 的情況下,模糊推理如下:

Ri:Ifx1isAi1,x2isAi2，…,xkisAik,then yi=pi1x1+…+pikxk

其中Aij為模糊系統(tǒng)的模糊集,pij(j=1,2,…,k)為模糊系統(tǒng)參數(shù);yi為根據(jù)模糊規(guī)則得到的輸出,輸入部分(即if部分)是模糊的,輸出部分(即then部分)是確定的,該模糊推理表示輸出為輸入的線性組合。假設(shè)對于輸入量x=［x1,x2,…,xk］,首先根據(jù)模糊規(guī)則計算各輸入變量xj的隸屬度。

μAij=exp(-(xj-cij)2/bij)j=1,2,…,k;i=1,2,…,n(1)

式中,cij,bij分別為隸屬度函數(shù)的中心和寬度;k為輸入?yún)?shù)數(shù);n為模糊子集數(shù)。

將各隸屬度進(jìn)行模糊計算,采用模糊算子為連乘算算子。

wi=μA1j(x1)×μA2j(x2)×…×μAkj(xk),i=1,2,…,n(2)

根據(jù)模糊計算結(jié)果計算模糊模型的輸出值yi。

yi=∑ni=1wi(pi0+pi1x1+…+pikxk)/∑ni=1wi。(3)

2.3TakagiSugeno模糊神經(jīng)網(wǎng)絡(luò)模型

TS模糊神經(jīng)網(wǎng)絡(luò)分為輸入層、模糊化層、模糊規(guī)則計算層和輸出層等4層。輸入層與輸入向量xi連接,節(jié)點數(shù)與輸入向量的維數(shù)相同。模糊化層采用隸屬函數(shù)(1)對輸入值進(jìn)行模糊化得到模糊隸屬度值μ。模糊規(guī)則計算層采用模糊連乘公式(2)計算得到w,輸出層采用公式(3)計算得到模糊神經(jīng)網(wǎng)絡(luò)的輸出。模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法如下。

2.3.1誤差計算

e=12(yd-yc)2,(4)

式中,yd是網(wǎng)絡(luò)期望輸出;yc是網(wǎng)絡(luò)實際輸出;e為期望輸出和實際輸出的誤差。

2.3.2系數(shù)修正

pij(k)=pij(k-1)-αepij,(5)

epij=(yd-yc)wi/∑mi=1wi×xj。(6)

式中,pij為神經(jīng)網(wǎng)絡(luò)系數(shù),α為網(wǎng)絡(luò)學(xué)習(xí)率;xj為網(wǎng)絡(luò)輸出參數(shù);wi為輸入?yún)?shù)隸屬度連乘積。

2.3.3參數(shù)修正

cij(k)=cij(k-1)-βecij,(7)

bij(k)-bij(k-1)-βecij。(8)

式中,cjj,bij分別為隸屬度函數(shù)的中心和寬度。

3企業(yè)水環(huán)境評價應(yīng)用

企業(yè)的水環(huán)境進(jìn)行評價時,要采用一定的流程和算法。具體見圖1,分為模糊神經(jīng)網(wǎng)絡(luò)的構(gòu)建、模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練和模糊神經(jīng)網(wǎng)絡(luò)預(yù)測。

圖1模糊神經(jīng)網(wǎng)絡(luò)企業(yè)水環(huán)境評價算法流程

3.1網(wǎng)絡(luò)初始化

根據(jù)訓(xùn)練輸入、輸出數(shù)據(jù)維數(shù)確定網(wǎng)絡(luò)結(jié)構(gòu),初始化神經(jīng)網(wǎng)絡(luò)隸屬度函數(shù)參數(shù)和系數(shù),歸一化訓(xùn)練數(shù)據(jù)。在訓(xùn)練數(shù)據(jù)歸一化時,使用mapminmax函數(shù)來實現(xiàn)。

3.2模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練

模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練用訓(xùn)練數(shù)據(jù)訓(xùn)練模糊神經(jīng)網(wǎng)絡(luò),由于水質(zhì)評價真實數(shù)據(jù)比較難確定,印象,采用了等隔均勻分布方式內(nèi)插水質(zhì)指標(biāo)標(biāo)準(zhǔn)數(shù)據(jù)生成樣本的方式來生成訓(xùn)練樣本,采用的水質(zhì)指標(biāo)標(biāo)準(zhǔn)數(shù)據(jù)來自表1,網(wǎng)絡(luò)反復(fù)訓(xùn)練100次。

根據(jù)GB3838-2002《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》,Ⅰ類主要適用于源頭水、國家自然保護(hù)區(qū);Ⅱ類主要適用于集中式生活引用水地表水源地一級保護(hù)區(qū)、珍稀水生生物棲息地、魚蝦類產(chǎn)卵場、仔稚幼魚的索餌場等;Ⅲ類主要適用于集中式生活引用水地表水源地二級保護(hù)區(qū)、魚蝦類越冬場、泅游通道、水產(chǎn)養(yǎng)殖區(qū)等漁業(yè)水域及游泳區(qū);Ⅳ類主要適用于一般工業(yè)用水區(qū)及人體非直接接觸的娛樂用水區(qū);Ⅴ類主要適用于農(nóng)業(yè)用水區(qū)及一般景觀要求水域。

表1地表水環(huán)境標(biāo)準(zhǔn)

序號項目Ⅰ類Ⅱ類Ⅲ類Ⅳ類Ⅴ類1化學(xué)需氧量(COD)≤15152030502懸浮物 ≤3氨氮 ≤0.50.51.01.52.04總磷 ≤0.020.10.20.30.55pH ≤6~9

因為在企業(yè)的水質(zhì)評價主要指標(biāo)中,pH值和懸浮物沒有具體的定量指標(biāo),無法做出正確的判斷。因此,確定了化學(xué)需氧量(COD)、氨氮和總磷3個評價指標(biāo)。

3.3模糊神經(jīng)網(wǎng)絡(luò)企業(yè)水環(huán)境評價

用訓(xùn)練好的模糊神經(jīng)網(wǎng)絡(luò)評價企業(yè)水環(huán)境,根據(jù)網(wǎng)絡(luò)預(yù)測值評價水質(zhì)等級。當(dāng)預(yù)測值小于1.5時,水質(zhì)等級為Ⅰ類;當(dāng)預(yù)測值在1.5~2.5時,水質(zhì)等級為Ⅱ類;當(dāng)預(yù)測值在2.5~3.5時,水質(zhì)等級為Ⅲ類;當(dāng)預(yù)測值在3.5~4.5時,水質(zhì)等級為Ⅳ類;預(yù)測值大于4.5時,水質(zhì)等級為Ⅴ類。

3.4結(jié)果分析

調(diào)用了企業(yè)2010~2011年每月的污水處理數(shù)據(jù),其各評價因子的數(shù)據(jù)折線圖見圖2。

圖2企業(yè)水環(huán)境數(shù)據(jù)

采用MATLAB R2011b進(jìn)行仿真,輸入節(jié)點數(shù)為3,隱含節(jié)點數(shù)為7,輸出節(jié)點數(shù)為1。仿真結(jié)果如圖3。圖3為模糊神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練數(shù)據(jù)預(yù)測仿真結(jié)果。該圖中顯示了實際輸出、預(yù)測輸出和誤差。結(jié)果顯示,該誤差范圍小于0.01。圖4為模糊神經(jīng)網(wǎng)絡(luò)模型測試數(shù)據(jù)預(yù)測仿真結(jié)果。該圖中顯示了實際輸出、預(yù)測輸出和誤差。結(jié)果顯示,該誤差范圍小于0.01。圖5為模糊神經(jīng)網(wǎng)絡(luò)企業(yè)水環(huán)境評價結(jié)果。

圖3模糊神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練數(shù)據(jù)預(yù)測仿真結(jié)果

圖4模糊神經(jīng)網(wǎng)絡(luò)測試數(shù)據(jù)預(yù)測仿真結(jié)果

從企業(yè)水環(huán)境評價結(jié)果可以看出,目前,企業(yè)的水環(huán)境有了一定的改善,基本上維持在2~3級左右,說明了模糊神經(jīng)網(wǎng)絡(luò)評價的有效性。并且,水質(zhì)等級的判定可以幫助企業(yè)在循環(huán)經(jīng)濟(jì)和景觀建設(shè)中打下良好的基礎(chǔ)。

圖5模糊神經(jīng)網(wǎng)絡(luò)企業(yè)水環(huán)境評價

2012年5月綠色科技第5期4結(jié)語

從實際的應(yīng)用結(jié)果可以看出,基于MATLAB編程實現(xiàn)的模糊神經(jīng)網(wǎng)絡(luò)方法應(yīng)用與水質(zhì)評價取得了良好的評價結(jié)果,積極探索了除地下水水質(zhì)評價外的其它的環(huán)境質(zhì)量評價中,為模糊神經(jīng)網(wǎng)絡(luò)提供了一個新的應(yīng)用空間。

參考文獻(xiàn)：

［1］ 謝宏斌.環(huán)境質(zhì)量評價與預(yù)測方法的現(xiàn)狀［J］.廣西水利水電,2001(4):30~33.

［2］ Leontalitis I J.Billings S A.Input-output parametric models for nonlinear systems,part l:deterministic nonlinear systems［J］.Int J Contr,2006,4l(2):303.

［3］ 謝維信,錢法濤.模糊神經(jīng)網(wǎng)絡(luò)研究［J］.深圳大學(xué)學(xué)報,1999,16(1):22~27.

［4］ 王立新.模糊系統(tǒng)與模糊控制教程［M］.北京:清華大學(xué)出版社,2003.

［5］ 王鴻杰,尤賓,山官宗光.模糊數(shù)學(xué)分析方法在水環(huán)境評價中的應(yīng)用［J］.水文,2005(25):30~32.

第7篇：神經(jīng)網(wǎng)絡(luò)教學(xué)范文

關(guān)鍵詞：建筑電氣設(shè)備故障；模糊理論與神經(jīng)網(wǎng)絡(luò)；設(shè)備故障診斷專家系統(tǒng)

中圖分類號：TP207 文獻(xiàn)標(biāo)識碼：A DOI：10.11974/nyyjs.20160132074

隨著當(dāng)今社會經(jīng)濟(jì)的不斷發(fā)展，人們對生活品質(zhì)的追求越來越高，電氣設(shè)備變得多樣化和先進(jìn)化，不同區(qū)域間聯(lián)系更加緊密，而在給人們的生活帶來便利的同時，簡單的人工故障診斷方法已經(jīng)無法滿足結(jié)構(gòu)日益復(fù)雜、功能日益完善的電氣系統(tǒng)，建立電氣設(shè)備控制系統(tǒng)智能故障診斷專家系統(tǒng)已經(jīng)成為目前能滿足社會需求的選擇。近年來，模糊理論被廣泛的應(yīng)用于建立故障診斷神經(jīng)網(wǎng)絡(luò)，將模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)技術(shù)結(jié)合而形成的故障診斷技術(shù)也正在發(fā)展和應(yīng)用。

1 建筑電氣設(shè)備常見故障類型及危害

1.1 電氣設(shè)備常見故障類型

1.1.1 電源故障

1.1.2 線路故障

1.1.3 元器件故障

1.1.4 防雷接地處理故障

1.2 電氣設(shè)備故障危害

電氣設(shè)備的運行需要很多電器元件的相互配合，產(chǎn)生故障通常是因為電能或控制信息在傳遞、分配、轉(zhuǎn)換過程中失去控制。斷路、短路、異常接地、漏電、電氣設(shè)備或電器元件損壞、電子設(shè)備受電磁干擾而發(fā)生錯誤動作、控制系統(tǒng)元件的偶然失效都屬于電氣設(shè)備故障[1]，而這些故障也很有可能造成大范圍的人員傷亡以及造成嚴(yán)重的財產(chǎn)損失，一旦發(fā)生，也會造成其他相關(guān)領(lǐng)域不同程度的癱瘓。由此可見，電氣設(shè)備出現(xiàn)故障的概率較高，危害范圍也比較大。

2 神經(jīng)網(wǎng)絡(luò)與模糊理論

神經(jīng)網(wǎng)絡(luò)是一種模仿動物神經(jīng)網(wǎng)絡(luò)行為的特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型[2]。這個模型可以根據(jù)不同系統(tǒng)自己的特征來選擇處理不同信息的方式，在很多不同領(lǐng)域都有比較廣泛的應(yīng)用，當(dāng)然，它本身也有一些缺陷，比如它不能求解不確定性問題、不能處理符號性信息等，因此，它需要結(jié)合其它相關(guān)理論和方法來彌補(bǔ)自身的不足，以便更好地解決特定領(lǐng)域中的問題。

模糊理論是指用到了模糊集合的基本概念或連續(xù)隸屬度函數(shù)的理論[3]。模糊控制是一種基于規(guī)則的控制，它可以直接采用語言型控制規(guī)則，在設(shè)計過程中不需要建立被控對象的精確數(shù)學(xué)模型，控制原理和策略通俗易懂，便于人們接受與理解，控制效果好，具有一定的智能水平，應(yīng)用起來很方便，適用于對那些數(shù)學(xué)模型難以獲取、動態(tài)特性不易掌握或變化非常顯著的對象。模糊控制器是一種比較容易控制、掌握起來比較理想的非線性控制器，具有一定的適應(yīng)能力和強(qiáng)健性。

將模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合而形成的模糊神經(jīng)網(wǎng)絡(luò)可以作為對電氣設(shè)備進(jìn)行故障診斷的模型，這一技術(shù)的提出為電氣設(shè)備故障的診斷帶來發(fā)展和進(jìn)步，模糊理論被廣泛的應(yīng)用于建立故障診斷神經(jīng)網(wǎng)絡(luò)，這2種理論的結(jié)合將會給故障診斷研究提供解決思路，值得推廣應(yīng)用[4]。

3 建立電氣設(shè)備故障診斷系統(tǒng)

由于電氣設(shè)備故障機(jī)理的復(fù)雜性，系統(tǒng)在實際運用過程中，可能會發(fā)生隨機(jī)故障模式，故障征兆信息的正確與否直接關(guān)系到故障診斷的正確性，因此利用現(xiàn)有的電氣設(shè)備系統(tǒng)控制平臺，對電氣設(shè)備控制系統(tǒng)的信號進(jìn)行實時采集和及時與PC 機(jī)進(jìn)行通信，建立電氣設(shè)備控制系統(tǒng)故障診斷系統(tǒng)便顯得特別重要。

3.1 BP神經(jīng)網(wǎng)絡(luò)模型

BP（Back Propagation）模型是一種最常用的人工神經(jīng)網(wǎng)絡(luò)模型，它的基本原理為利用誤差反向傳播算法，從而得到多層前向神經(jīng)網(wǎng)絡(luò)模型。在故障診斷方面使用BP模型在一定條件下能夠加強(qiáng)工作效率，使得故障診斷問題變得更加直觀。利用模糊理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合的模糊神經(jīng)網(wǎng)絡(luò)解決建筑電氣設(shè)備故障的診斷，是一種智能化控制的手段，也將逐漸發(fā)展成為未來的趨勢[5]。其模型原理圖如圖1。

要建立模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)，要根據(jù)相關(guān)理論或?qū)嶋H工作中的經(jīng)驗，將故障現(xiàn)象和故障原因相對應(yīng)，作為系統(tǒng)的學(xué)習(xí)樣本。按照輸入與輸出相對應(yīng)的關(guān)系輸入學(xué)習(xí)樣本，系統(tǒng)經(jīng)過內(nèi)部的算法不斷提高精度，當(dāng)精度達(dá)到設(shè)定的要求時，模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)的學(xué)習(xí)過程結(jié)束。此時，將測試樣本的輸入數(shù)據(jù)放入系統(tǒng)輸入端，如果輸出數(shù)據(jù)與測試樣本基本相同，那么模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)建立成功。

在模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)的實際使用時，必然會遇到輸入數(shù)據(jù)與樣本不同的狀況。根據(jù)內(nèi)部算法，系統(tǒng)將會找到與學(xué)習(xí)樣本最相似的一組數(shù)據(jù)作為參考，自主得到輸出數(shù)據(jù)。與此同時，如果系統(tǒng)自主算出的結(jié)果得到采納，那么這組數(shù)據(jù)將會做為新的樣本存入數(shù)據(jù)庫，成為參考數(shù)據(jù)。

3.2 BP學(xué)習(xí)算法

目前，BP算法是應(yīng)用很廣泛、完善性比較高的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法，方便、容易實現(xiàn)、計算量小、并行性強(qiáng)是這個方法領(lǐng)先其他算法的優(yōu)勢。BP算法的基本原理[6]為先求解誤差函數(shù)的最小值，根據(jù)梯度下降法，按誤差對權(quán)值做負(fù)反饋。

BP算法需要依次根據(jù)輸入對輸出進(jìn)行矯正，也就是對每組數(shù)據(jù)都要計算比對。然而，全局誤差的梯度下降算法，要求連接權(quán)和閾值的矯正是在批量進(jìn)行學(xué)習(xí)樣本的輸入之后再進(jìn)行的，所以要修改各個連接權(quán)值。利用梯度下降法來修改各個連接權(quán)值，以便達(dá)到近似全局誤差的算法效果。全局誤差梯度下降算法流程如圖2所示。

4 結(jié) 語

電氣設(shè)備的故障診斷已經(jīng)成為值得重視的問題，為保證運行系統(tǒng)能夠正常運行，因此需要建立起更加科學(xué)完善的電氣設(shè)備管理系統(tǒng)，逐漸減少電氣設(shè)備運行出現(xiàn)故障的可能性，保障電力系統(tǒng)的穩(wěn)定能力，本文簡單介紹將模糊理論與神經(jīng)網(wǎng)絡(luò)結(jié)合，更好的解決電氣設(shè)備故障問題，結(jié)合傳感器檢測技術(shù)、自動控制技術(shù)、通信與網(wǎng)絡(luò)技術(shù)等方法，建立電氣設(shè)備控制故障診斷系統(tǒng)，希望可以早日應(yīng)用到生活中的建筑電氣設(shè)備故障診斷中去。

參考文獻(xiàn)

[1]電氣設(shè)備及控制電路常見故障分析[EB]. 電工學(xué)習(xí)網(wǎng).

[2]田景文.人工神經(jīng)網(wǎng)絡(luò)算法研究與應(yīng)用[M]. 北京理工大學(xué)出版社，2006.

[3]諸靜.模糊控制原理與應(yīng)用[M].機(jī)械工業(yè)出版社，1995.

[4]龍祥，錢志博.模糊理論在設(shè)備故障診斷神經(jīng)網(wǎng)絡(luò)中的典型應(yīng)用[J].廣東工業(yè)大學(xué)學(xué)報，2006.

[5]陳流豪.神經(jīng)網(wǎng)絡(luò)BP算法研究綜述[J].電腦知識與技術(shù)，2010.

第8篇：神經(jīng)網(wǎng)絡(luò)教學(xué)范文

通信工程專業(yè)是一個重視實驗實踐環(huán)節(jié)的應(yīng)用型專業(yè)，需要大量的動手操作深化理論知識的理解與掌握。專業(yè)教師的科研成果與信息技術(shù)產(chǎn)業(yè)的發(fā)展方向有著密切的聯(lián)系，通過將教師的科研成果引入實驗教學(xué)，使學(xué)生深刻理解專業(yè)知識，明晰應(yīng)用領(lǐng)域，促進(jìn)了教學(xué)與科研的緊密結(jié)合。同時，學(xué)生參與科研項目，有利于激發(fā)學(xué)生的創(chuàng)新思維，培養(yǎng)創(chuàng)新能力。

關(guān)鍵詞:

科研成果;實驗教學(xué);創(chuàng)新思維;創(chuàng)新能力

伴隨工業(yè)4．0時代的到來，具有創(chuàng)新能力的應(yīng)用型人才是大勢所趨，也是高校人才培養(yǎng)的主要方向。我國《高等教育法》明確指出“培養(yǎng)具有創(chuàng)新精神和實踐能力的高級專門人才”是高等教育的主要任務(wù)［1］。通信工程專業(yè)是一個重視實驗、操作性極強(qiáng)的工科專業(yè)［2］，實驗教學(xué)目前多為課內(nèi)實驗［3］，每門專業(yè)課結(jié)合自身的核心內(nèi)容或重要知識點設(shè)立若干個實驗項目，這些實驗多是結(jié)合課內(nèi)章節(jié)進(jìn)行設(shè)計仿真或利用實驗箱動手操作觀察實驗結(jié)果。如“通信原理”課程中的“常規(guī)雙邊帶調(diào)幅與解調(diào)實驗”“模擬通信系統(tǒng)實驗”等，這樣的實驗可以使學(xué)生直觀感受學(xué)科基本理論所產(chǎn)生的現(xiàn)象，但是并不利于學(xué)生對所學(xué)理論的深入理解和知識的融會貫通。很多學(xué)生反映每門課程都很用心的學(xué)習(xí)，對所學(xué)每章知識點都很理解，通過實驗教學(xué)也能很好地驗證或觀察到結(jié)果或現(xiàn)象，學(xué)透了理論，聯(lián)系了實際，但離開書本仍然對所學(xué)專業(yè)研究的具體內(nèi)容和應(yīng)用方向沒有概念。究其原因是缺乏承載所學(xué)知識的載體，對理論的理解再透徹，也只能推導(dǎo)公式，對具體應(yīng)用理論解決實際問題仍就一片茫然。隨著大學(xué)本科教育的普及和研究生教育門檻的提高［4］，當(dāng)前的實驗教學(xué)模式已經(jīng)不能滿足學(xué)生及社會對實驗教學(xué)的要求［5］，急需對傳統(tǒng)的實驗教學(xué)方式進(jìn)行創(chuàng)新和突破，將教師的科研成果引進(jìn)傳統(tǒng)的實驗教學(xué)，改變傳統(tǒng)的照本宣科，將研究生階段的研究學(xué)習(xí)模式提前引入本科實驗教學(xué)，激發(fā)學(xué)生的創(chuàng)造熱情，發(fā)掘?qū)W生的潛力。

1目前通信工程專業(yè)的實驗教學(xué)模式

實驗步驟五分法包括:提出問題、設(shè)計方案、實施操作、處理數(shù)據(jù)、分析和解釋結(jié)果五個部分，根據(jù)學(xué)生在整個活動中的參與度，大致分為基礎(chǔ)驗證性實驗、應(yīng)用設(shè)計性實驗和科學(xué)研究性實驗三類［6，7］。

1．1基礎(chǔ)驗證性實驗最為普遍基礎(chǔ)驗證性實驗是目前高校實驗教學(xué)中占比最大的實驗課程設(shè)置方式，是學(xué)生理解消化理論知識的手段，通過動手，驗證理論知識的正確性，解決“為什么”和“怎么做”的問題。教學(xué)方式以提示為主，即教師通過講解、示范、指導(dǎo)等提示活動，學(xué)生被動接受、理解、做實驗、消化教師所提示的內(nèi)容。根據(jù)實驗步驟的五分法，“提出實驗問題”“設(shè)計實驗方案”兩步由教師完成，學(xué)生完成后三個步驟，學(xué)生參與度60%。如“ASK、FSK、PSK(DPSK)調(diào)制解調(diào)實驗”中，教師預(yù)設(shè)實驗?zāi)康臑椤袄斫釧SK、FSK調(diào)制的工作原理及電路組成”，設(shè)計了實驗方案為“觀察ASK等調(diào)制信號的波形”，學(xué)生真正操作的步驟只有將信號源模塊、數(shù)字調(diào)制模塊、數(shù)字解調(diào)模塊、同步提取模塊、頻譜分析模塊固定在指定實驗箱內(nèi)，接通電源并觀察各種解調(diào)模式下的圖像即可。簡而言之，學(xué)生在這個實驗中的主要參與行為就是觀察，解決的問題就是驗證理論，可發(fā)揮主觀能動性的空間極少，沒有創(chuàng)造性。

1．2應(yīng)用設(shè)計性實驗比例逐步提升應(yīng)用設(shè)計性實驗較基礎(chǔ)驗證性實驗對學(xué)生和教師的要求更高，學(xué)生的自主性更強(qiáng)，實驗結(jié)果的多樣性對教師評判實驗的成功性負(fù)擔(dān)更大，但因其能更好地激發(fā)學(xué)生的創(chuàng)造性，此種模式的課程設(shè)置比例正在逐步增長［8］。與基礎(chǔ)驗證性實驗相比，應(yīng)用設(shè)計性實驗要求學(xué)生自己設(shè)計實驗方案，“如何設(shè)計”是比“怎么做”更高的要求，教學(xué)方式除提示外，師生還需要通過教學(xué)對話、課堂討論等教學(xué)形式，共同思考、探求、解決學(xué)生設(shè)計實驗方案中的問題。根據(jù)實驗步驟的五分法，“提出實驗問題”由教師完成，學(xué)生完成包括“設(shè)計實驗方案”的后四個步驟，學(xué)生參與度80%。如“模擬信道傳輸實驗”，教師提供實驗設(shè)備，學(xué)生自行設(shè)計信道傳輸?shù)倪^程，包括信道中噪聲的疊加、信號的調(diào)制與解調(diào)、濾波器的設(shè)計等環(huán)節(jié)，最終完成信號在信道中的傳輸。由于方案及實踐過程均由學(xué)生自主完成，學(xué)生間也可作為小型競賽，以信噪比最小的方案為最佳方案，激發(fā)學(xué)生的學(xué)習(xí)熱情。

1．3本科階段科學(xué)研究性實驗較少科學(xué)研究性實驗是指在不預(yù)設(shè)結(jié)論的情況下，根據(jù)所學(xué)所知，主動提出問題，并在此基礎(chǔ)上設(shè)計實驗步驟驗證問題真?zhèn)蔚膶嶒灲虒W(xué)模式。此種模式的實驗課程設(shè)置在高校本科階段較少，更多的是在研究生階段才有所參與。與基礎(chǔ)驗證性實驗及應(yīng)用設(shè)計性實驗相比，科學(xué)研究性實驗的目標(biāo)是“做什么”比較明確，教學(xué)方式不再是教師的提示，而是在學(xué)生提出問題和解決問題的過程中，教師采用指導(dǎo)和研討的方式參與其中，從而在實驗過程中最大程度的發(fā)揮學(xué)生的主觀能動性和創(chuàng)造力。根據(jù)實驗步驟的五分法，從“提出實驗問題”到“分析和解釋實驗結(jié)果”幾乎全部由學(xué)生完成，學(xué)生參與度100%。

2科研成果引進(jìn)實驗教學(xué)的優(yōu)勢

2．1提升實驗教學(xué)教師整體層次科研成果是教師科研水平的集中體現(xiàn)，對科研成果轉(zhuǎn)化的期望是科研成果引入實驗課程的潛在動力，將科研成果引入實驗教學(xué)實踐，讓學(xué)生在實驗過程中對科研成果的含金量產(chǎn)生感性認(rèn)知，可以提升教師的成就感。與此同時，將科研成果引入實驗教學(xué)，也對從事實驗教學(xué)的教師形成倒逼機(jī)制，催生更多優(yōu)秀科研成果，達(dá)到科研和教學(xué)相互促進(jìn)的良性循環(huán)。

2．2優(yōu)化實驗課程設(shè)置將科研成果引入實驗教學(xué)，可以優(yōu)化實驗課程設(shè)置［9］，在基礎(chǔ)驗證性實驗課程居多的情況下，適度增加應(yīng)用設(shè)計性實驗和科學(xué)研究性實驗，讓各種模式的實驗課程達(dá)到均衡配置，獲得最佳的教學(xué)效果，培養(yǎng)學(xué)生的創(chuàng)造性思維，使學(xué)生在大學(xué)教育中完成學(xué)習(xí)———實踐———應(yīng)用的三步轉(zhuǎn)化，適應(yīng)當(dāng)前社會對人才的需求。

2．3豐富實驗教學(xué)內(nèi)容教學(xué)內(nèi)容必須與時俱進(jìn)，教學(xué)實驗課程的設(shè)置也應(yīng)及時更新，科學(xué)研究位于專業(yè)技術(shù)領(lǐng)域的前沿，更能反映出本專業(yè)的主要發(fā)展趨勢。將科研與教學(xué)實驗相結(jié)合，不斷充實實驗內(nèi)容，可使實驗教學(xué)更具新穎性和先進(jìn)性，解決學(xué)生所學(xué)課本知識與社會科技發(fā)展相脫節(jié)的問題［10］。

2．4激發(fā)學(xué)生創(chuàng)新意識和熱情在研究性實驗中，教師只給出若干思路，實驗前學(xué)生并不知道實驗結(jié)果，由學(xué)生根據(jù)實驗條件和研究目標(biāo)，自行查閱相關(guān)資料，設(shè)計實驗方案、步驟，處理數(shù)據(jù)和分析結(jié)果，可能實驗的結(jié)果不如人意，但通過綜合訓(xùn)練，使學(xué)生對科研的基本方法和過程有了初步的認(rèn)識和體驗，有效調(diào)動了學(xué)生參與實驗的積極性，既提高了學(xué)生的動手能力，又使學(xué)生養(yǎng)成了自主式、合作式、研究式、開放式學(xué)習(xí)方式。

2．5增強(qiáng)學(xué)生的專業(yè)認(rèn)知通過與學(xué)生接觸發(fā)現(xiàn)，很多學(xué)生在報考大學(xué)之初根本不知道專業(yè)研究什么，學(xué)習(xí)四年之后對于要報考的研究生專業(yè)同樣也是一片茫然，因為不了解專業(yè)發(fā)展方向及研究內(nèi)容，很大程度上導(dǎo)致了學(xué)習(xí)的盲目性和個人發(fā)展方向的錯位。通過將科研成果引入實驗教學(xué)，使學(xué)生在實驗教學(xué)過程中深入了解本專業(yè)最前沿的知識，明確本專業(yè)的發(fā)展方向，對準(zhǔn)確自我定位起到了很好的促進(jìn)作用。

3改進(jìn)后實驗教學(xué)效果顯著

天津商業(yè)大學(xué)通信工程專業(yè)將部分科研成果與“通信原理”課程實驗相結(jié)合，設(shè)計了基于Matlab軟件的研究性虛擬實驗，旨在使學(xué)生了解前沿的信號處理、消除干擾等技術(shù)。以蟻群算法［11～13］為例，利用其較強(qiáng)的適應(yīng)性、正反饋性和魯棒性優(yōu)化神經(jīng)網(wǎng)絡(luò)［14～16］的初始權(quán)值，能夠有效提高神經(jīng)網(wǎng)絡(luò)的收斂速度，避免陷入局部最優(yōu)，將其用于盲均衡算法［17］進(jìn)行信號處理，通過Matlab仿真取得了良好的效果。通過實踐發(fā)現(xiàn)，學(xué)生完成實驗后，不僅對先進(jìn)的算法和應(yīng)用理論有所了解，還通過動手操作及程序的編寫增強(qiáng)了實踐動手能力，使學(xué)生真正體會到學(xué)以致用的成就感。

3．1實驗問題的提出實驗課前，教師將蟻群算法、神經(jīng)網(wǎng)絡(luò)、盲均衡算法的基本思想、公式推導(dǎo)、程序分析等提前教授于學(xué)生，使其理解消化。對信道傳輸過程中，信號所受影響及可能存在的畸變加以詮釋，使學(xué)生對實驗背景及應(yīng)用意義得以了解，也為后續(xù)實驗提出問題奠定基礎(chǔ)。針對神經(jīng)網(wǎng)絡(luò)存在收斂速度慢、易陷入局部最優(yōu)的缺點，引導(dǎo)學(xué)生利用具有較強(qiáng)適應(yīng)性、魯棒性的蟻群算法對其進(jìn)行改進(jìn)，使學(xué)生自己找到合適的切入點，將兩種算法結(jié)合，并應(yīng)用在信道的盲均衡中，體現(xiàn)其實用價值。

3．2實驗內(nèi)容的設(shè)置采用Matlab軟件對算法進(jìn)行編程，給學(xué)生提供開放的源代碼進(jìn)行學(xué)習(xí)，并要求在實驗中修改相應(yīng)的參數(shù)評測可靠性。輸入信號設(shè)為2PAM信號，神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為7－9－1，仿真信道選取普通信道H1(z)和典型電話信道H2(z)，其傳輸函數(shù)分別為H1(z)=1+0．5z－1+0．25z－2+0．125z－3(1)H2(z)=0．005+0．009z－1－0．024z－2+0．854z－3－0．218z－4+0．049z－5－0．016z－6(2)實驗中給出各參數(shù)的參考值，系統(tǒng)權(quán)值個數(shù)Dim=72，螞蟻數(shù)為權(quán)值數(shù)的2倍，即M=144，最大迭代次數(shù)為NC=40，信噪比為20dB，信息素蒸發(fā)率ρ=0．02，迭代步長μ1=μ2=0．02。這些參考值都是可變的，但其變化會對實驗的結(jié)果產(chǎn)生影響。

3．3實驗結(jié)果的解析根據(jù)文獻(xiàn)［18］中的結(jié)果，蟻群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的盲均衡算法和遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)盲均衡算法在普通信道與典型電話信道中的收斂曲線進(jìn)行了比較，如圖1和圖2所示。該曲線是經(jīng)過了10次仿真實驗后的平均結(jié)果。從圖中可以看出，在普通信道中蟻群算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)盲均衡算法和遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)盲均衡都能達(dá)到快速收斂的效果，收斂后的均方誤差沒有遺傳算法的穩(wěn)定，收斂速度明顯高于普通神經(jīng)網(wǎng)絡(luò)盲均衡算法。在典型電話信道中蟻群算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)盲均衡收斂速度高于遺傳算法優(yōu)化后的結(jié)果，體現(xiàn)了蟻群算法的優(yōu)勢。圖3和圖4分別給出了在普通信道與典型電話信道中各算法的誤碼率比較曲線?？梢钥闯觯伻核惴▋?yōu)化神經(jīng)網(wǎng)絡(luò)盲均衡算法具有較低的誤碼率。由于學(xué)生對程序的改進(jìn)方式略有不同或參數(shù)設(shè)置不同，以及迭代和實驗次數(shù)的不同，實驗結(jié)果會有所差異，如在正常收斂范圍內(nèi)均可認(rèn)定實驗的正確性。本實驗設(shè)計內(nèi)容意為學(xué)生對算法的理解和分析，并與遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)盲均衡算法相比較，使學(xué)生更能理解優(yōu)化算法的優(yōu)勢所在。

4結(jié)語

將科研成果引入實驗教學(xué)不僅可以提高實驗教學(xué)的層次，豐富實驗內(nèi)容，優(yōu)化課程設(shè)置，還可以促進(jìn)成果的轉(zhuǎn)化，激發(fā)學(xué)生的創(chuàng)新意識，使學(xué)生將所學(xué)用到實處，深切感受所學(xué)如何所用，同時在大量的實驗過程中推動科研的進(jìn)程，兩者相輔相成，相互促進(jìn)，對師生都有極強(qiáng)的推動作用。而且消除了學(xué)生的迷茫，對今后的學(xué)習(xí)深造或參加工作都起到了很好的啟迪作用，對培養(yǎng)創(chuàng)新性應(yīng)用人才起到了積極的促進(jìn)作用。

參考文獻(xiàn):

［1］戴克林．高校實驗室建設(shè)與創(chuàng)新人才培養(yǎng)研究［J］．實驗室技術(shù)與管理，2014，31(7):32－35．

［2］哈聰穎，王俊，張有光．通信專業(yè)類綜合性實驗研究與探索［J］．實驗室研究與探索，2013，32(8):170－173．

［3］李新春，南敬昌，黃淑芬．通信專業(yè)基礎(chǔ)課實驗教學(xué)改革初探［J］．遼寧工程技術(shù)大學(xué)學(xué)報(社會科學(xué)版)，2003，6(5):113－114．

［4］董麗敏，陳后金，周俞波．通信工程專業(yè)本碩連讀人才培養(yǎng)的實踐研究［J］．教育探索，2011(1):90－93．

［5］董介春，張體強(qiáng)，于瑞濤．基于大工程觀的通信專業(yè)實驗教學(xué)改革［J］．實驗室技術(shù)與管理，2010，27(1):113－116．

［6］田紅．高校實驗教學(xué)存在的問題與對策［J］．實驗室科學(xué)與技術(shù)，2014，12(1):91－93．

［7］梁紅，宋國利．改革實驗教學(xué)模式注重大學(xué)生創(chuàng)新能力的培養(yǎng)［J］．黑龍江高教研究，2010(10):177－178．

［8］董萍，胡清華，曹卓良．應(yīng)用型本科院校綜合性、設(shè)計性實驗項目設(shè)置的基本原則探討［J］．合肥師范學(xué)院學(xué)報，2014，32(6):43－45．

［9］張弘鈞，宗士增，莊眾．高水平科研試驗平臺反哺教學(xué)的探索與實踐［J］．現(xiàn)代教育科學(xué):高教研究，2015，1(1):106－109．

［10］汪金剛，侯世英，余傳祥．結(jié)合實踐教學(xué)和科研訓(xùn)練的電氣工程創(chuàng)新型人才培養(yǎng)［J］．實驗室研究與探索，2011，30(7):252－255．

［11］耿艷香，孫云山，謝靖鵬，等．混沌蟻群算法在圖像邊緣檢測中的應(yīng)用［J］．計算機(jī)工程與應(yīng)用，2015，51(2):194－197．

［12］費騰，張立毅，孫云山．基于DNA－蟻群算法的車輛路徑優(yōu)化問題求解［J］．計算機(jī)工程，2014，40(12):205－213．

［13］孫云山，李艷琴，張立毅，等．蟻群算法在盲均衡問題中的應(yīng)用研究［J］．系統(tǒng)仿真學(xué)報，2010，22(2):395～398．

［14］羅亞松，林景元，胡玉銑，等．高階QAM信號的前饋神經(jīng)網(wǎng)絡(luò)相位修正水聲信道盲均衡算法［J］．武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版)，2012，36(6):1221－1224．

［15］郭業(yè)才，高敏，張艷萍．基于正交小波包變換的前饋神經(jīng)網(wǎng)絡(luò)盲均衡算法［J］．電子測量與儀器學(xué)報，2009，23(11):59－64．

［16］劉洪波，鄭博一，蔣博齡．基于人工魚群神經(jīng)網(wǎng)絡(luò)的城市時用水量預(yù)測方法［J］．天津大學(xué)學(xué)報，2015，48(4):373－378．

［17］張立毅．神經(jīng)網(wǎng)絡(luò)盲均衡理論算法與應(yīng)用［M］．北京:清華大學(xué)出版社，2013．

第9篇：神經(jīng)網(wǎng)絡(luò)教學(xué)范文

Abstract： This paper presented a professional title forecast model implemented by gray relational analysis combined with BP neural network， using gray relational analysis to find out potential relationship between impact factor and professional title promotion，to provide screening function of the input factors for the BP neural network， and finally through the training of BP neural network to achieve the forecast. Taking 46 teachers’promotion to associate professor in the Institution in 2012 as assessment sample，6-8-2 network model was simplified to5-8-2 network model.The result showed that the results obtained by the established assessment model were completely consistent with the results obtained by the established assessment model were completely consistent with the simulation results based on artificial neural net-work，the training efficiency of the model is raised greatly，so the model has a value to be applied in certain extent.

關(guān)鍵詞： 職稱評審；灰關(guān)聯(lián)分析；BP網(wǎng)絡(luò)

Key words： professonal titles evaluation；GRAY；BP network

中圖分類號：TP183 文獻(xiàn)標(biāo)識碼：A 文章編號：1006-4311（2013）06-0170-02

0 引言

職稱評審涉及到教師的切身利益，客觀、公正、透明的職稱評審工作對教師做好教學(xué)、科研和管理工作具有權(quán)威的導(dǎo)向性和指導(dǎo)性。職稱系統(tǒng)是具有評審因素多，因素間相關(guān)性模糊、不確定，非線性、時變性等特點的復(fù)雜系統(tǒng)，其評審屬于多因素綜合評審范疇。

神經(jīng)網(wǎng)絡(luò)可以很好地解決職稱系統(tǒng)評審的非線性問題，然而評審因素間相關(guān)性，會使得網(wǎng)絡(luò)陷入局部最小點，導(dǎo)致評審結(jié)果存在很大的偏差。灰關(guān)聯(lián)分析方法可在不完全的信息中，通過一定的數(shù)據(jù)處理，找出評審因素的關(guān)聯(lián)性，發(fā)現(xiàn)主要矛盾，找到主要特性和主要影響因素[1-2]。因此將灰關(guān)聯(lián)分析與神經(jīng)網(wǎng)絡(luò)相結(jié)合建立評審模型，神經(jīng)網(wǎng)絡(luò)解決職稱系統(tǒng)評審對于非線性系統(tǒng)的支持，灰關(guān)聯(lián)分析幫助神經(jīng)網(wǎng)絡(luò)找出主要的影響因子。

1 高校教師職稱影響因子的灰色關(guān)聯(lián)分析

1.1 高校教師職稱評審影響因子的確定 依據(jù)某高校歷年教師職稱的評定標(biāo)準(zhǔn)，主要是從論文的級別數(shù)量、科教成果獲獎（市級以上），是否承擔(dān)科研科教項目等方面來綜合評定教師職稱的獲得。針對該高校2012年數(shù)據(jù)中46名教師在承擔(dān)科研科教項目都滿足，而在有科教成果獲獎（市級以上）上只有個別的教師有，所以本文考慮，以論文級別數(shù)量構(gòu)建6個評定指標(biāo)：SCI/EI篇數(shù)x1，一級核心論文篇數(shù)x2，二級核心論文篇數(shù)x3，三級核心論文篇數(shù)x4，一般期刊論文篇數(shù)x5，論文總篇數(shù)x6。

1.2 灰關(guān)聯(lián)系數(shù)和關(guān)聯(lián)度的計算 灰色關(guān)聯(lián)分析是一種重要的灰色系統(tǒng)理論分析方法，其基本原理是通過序列的曲線幾何形狀的相似程度來判斷序列的聯(lián)系是否緊密，其緊密程度用關(guān)聯(lián)度量化，曲線越緊密，其關(guān)聯(lián)度越大，反之就越小[3-4]。

灰色關(guān)聯(lián)分析的計算分析步驟：

（1）將該高校職稱專家評審結(jié)果作為參考序列x0（k），k=1，…，46，晉級職稱的x0=1，被淘汰的x0=0，6個影響因子作為比較因素序列xi（k），i=1，…，6；k=1，…，46。

（2）根據(jù)表1求出Δ■（k）=y■（k）-y■（k），并找出Δ■=0，Δ■=27，由灰關(guān)聯(lián)系數(shù)公式ξy■（k），y■（k）=■其中分辨系數(shù)ρ取值0.5，計算出6個影響因子與高校教師職稱評審在46個樣本點上的灰關(guān)聯(lián)系數(shù)，如表2。

（3）計算關(guān)聯(lián)度

由公式ry■，y■=■ω■ξy■（k），y■（k），取ω■=ω■…=ω■=■，及根據(jù)表2求得比較因素xi和參考因素x0的關(guān)聯(lián)度，依次為r1=0.9345，r2=0.9625，r3=0.8360，r4=0.9108，r5=0.6545，r6=0.4984。

關(guān)聯(lián)度排序：r2>r1>r4>r3>r5>r6

這一關(guān)聯(lián)序直接反映了比較因素xi對參考因素x0的相關(guān)性強(qiáng)弱的順序，即各影響因子與高校教師職稱評審的接近程度，同時也說明了這6個影響因子對高校教師職稱評審影響程度由大到小的順序—關(guān)聯(lián)序。

由以上關(guān)聯(lián)排序我們可知：一級核心論文篇數(shù)x2，SCI/EI篇數(shù)x1，三級核心論文篇數(shù)x4對高校教師職稱評審影響程度最大，關(guān)聯(lián)度值都在0.9108以上，如果我們能在這三類級別的期刊上多，就可以大大提高通過職稱評審幾率。我們?nèi)缭谝患壓诵模琒CI/EI上感覺發(fā)表困難的話，可把重點放在較容易發(fā)表的三級核心上，同樣有效。二級核心論文篇數(shù)x3對高校教師職稱評審影響程度也很大，關(guān)聯(lián)度值為0.8360，論文總篇數(shù)x6對高校教師職稱評審影響程度最小，關(guān)聯(lián)度值只有0.4984。

2 基于灰色BP神經(jīng)網(wǎng)絡(luò)的高校教師職稱評審預(yù)測

BP神經(jīng)網(wǎng)絡(luò)模型的建立：表1歸一化的46組數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的樣本，任取前37個樣本用于網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練，另外的9個作為網(wǎng)絡(luò)訓(xùn)練完畢后的預(yù)測樣本。

為了驗證本文灰色BP預(yù)測模型的有效性，實驗中與單一采用BP的模型，在網(wǎng)絡(luò)訓(xùn)練效率方面、網(wǎng)絡(luò)預(yù)測的準(zhǔn)確上分別進(jìn)行比較。

灰色BP預(yù)測模型：根據(jù)上文對高校教師職稱評審影響因子的分析，選用上述的關(guān)聯(lián)度值在0.4984以上的5個影響因子作為輸入變量，高校教師職稱專家評審作為輸出數(shù)據(jù)，將職稱晉級（1）、淘汰（0），分別用“1 0；0 1”表示。隱含層經(jīng)訓(xùn)練，結(jié)果表明：當(dāng)隱含層單元的個數(shù)為8時，網(wǎng)絡(luò)模型穩(wěn)定且獲得較理想結(jié)果，這樣網(wǎng)絡(luò)結(jié)構(gòu)即可確定為5-8-2。訓(xùn)練函數(shù)采用trainlm，輸入層與隱層、隱含層與輸出層之間的傳遞函數(shù)選為tansig，logsig函數(shù)。訓(xùn)練次數(shù)最大設(shè)置為100次，網(wǎng)絡(luò)收斂誤差為0.001。

BP預(yù)測模型：表1歸一化的數(shù)據(jù)作為BP網(wǎng)絡(luò)的輸入。BP輸入節(jié)點為6個指標(biāo)數(shù)值，BP網(wǎng)絡(luò)輸出節(jié)點為2，中間層的節(jié)點數(shù)選8，網(wǎng)絡(luò)結(jié)構(gòu)即可確定為6-8-2，其它參數(shù)設(shè)置同上。

從圖1、2可以看出，灰色BP網(wǎng)絡(luò)的訓(xùn)練只經(jīng)過13步就達(dá)到了最小誤差，這說明，選擇與高校教師職稱評審有較大關(guān)聯(lián)度的5個影響因子作為網(wǎng)絡(luò)輸入，提高了網(wǎng)絡(luò)訓(xùn)練的效率。

從表3中可以看出，在建立預(yù)測模型前未經(jīng)過任何數(shù)據(jù)預(yù)處理的BP模型，預(yù)測準(zhǔn)確率低，判錯了2個，準(zhǔn)確率77.77%，本文的基于灰色BP預(yù)測模型，判錯1個，準(zhǔn)確率提高到88.9%，預(yù)測結(jié)果與專家評審基本吻合。

3 結(jié)論

本文針對某高校2012年教師職稱評審實際數(shù)據(jù)，利用灰色關(guān)聯(lián)分析方法探討了各個影響因子對教師職稱評審的影響程度；采用基于BP神經(jīng)網(wǎng)絡(luò)模型對教師職稱評審進(jìn)行預(yù)測，得出結(jié)論：

（1）利用灰色關(guān)聯(lián)分析方法能夠考慮影響教師職稱評審的主要因素，灰色關(guān)聯(lián)分析表達(dá)出各個影響因子的影響程度，為高校教師職稱的晉級提供指導(dǎo)參考。

（2）與目前我國高校教師職稱采取的定性分析評審相比，基于灰色神經(jīng)網(wǎng)絡(luò)評審模型實際操作簡單、客觀，這些使得評審結(jié)果更加趨于合理。

（3）利用灰色關(guān)聯(lián)分析帥選了其中5個指標(biāo)的本文BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，與未經(jīng)過任何數(shù)據(jù)預(yù)處理的BP預(yù)測模型相比，提高了網(wǎng)絡(luò)的訓(xùn)練速率和網(wǎng)絡(luò)預(yù)測精度。

參考文獻(xiàn)：

[1]張吉剛，梁娜.消費者網(wǎng)上購物意向的灰色神經(jīng)網(wǎng)絡(luò)預(yù)測模型[J].統(tǒng)計與決策，2007（22）：133-135.

[2]孫莉.基于灰色BP神經(jīng)網(wǎng)絡(luò)的服裝面料規(guī)格參數(shù)預(yù)測[J].計算機(jī)應(yīng)用與軟件，2012（7）：154-157.

[3]劉思峰，黨耀國，方志耕，等.灰色系統(tǒng)理論及其應(yīng)用[M].5版.科學(xué)出版社，2010：62-90，211-213.

[4]肖新平，宋中民等.灰技術(shù)基礎(chǔ)及其應(yīng)用[M].北京：科學(xué)出版社，2005.8.

[5]劉軍奎.高校職稱評審制度的社會學(xué)思考[J].前沿，2011（05）.

[6]朱霽.我國高校教師職稱評審程序的弊端及完善[J].中南林業(yè)科技大學(xué)學(xué)報（社會科學(xué)版），2011（02）.

[7]王勇強(qiáng).關(guān)于高校教師職稱制度改革的思考[J].中國高校師資研究，2011（02）.