神经网络模型.docx

《神经网络模型.docx》由会员分享，可在线阅读，更多相关《神经网络模型.docx（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 神经网络模型高校教化信息资源管理评估的神经网络模型探讨蒋呜摘要文章利用神经网络方法建立了教化信息资源管理评估系统的数学模型。为了确保教化信息资源管理评估的科学性和合理性，该探讨将评价指标作为神经网络的输入，将教化信息资源的管理效益作为输出，基于最小二乘法原理，运用梯度搜寻技术，力图使网络的实际输出值与期望输出值的误差均方值达到最小。经仿真分析，所建立的数学模型较好地拟合了高校教化信息资源管理的实践状况，具有较好的辨识精度。关键词神经网络教化信息资源管理评价模型仿真作者简介蒋呜（1957-），男，上海其次工业高校人文学院副院长，副探讨员，主要探讨方向为高等教化、接着教化和职业教化。（上海200

2、060）中图分类号G647文献标识码A 文章编号1004-3985(2010).36-0056-02一、引言随着信息技术的发展，高校教化信息资源在高校的教学过程中发挥着越来越重要的作用。但是，由于教化信息资源建设资金投入的不断加大，信息资源的种类不断增多、数量渐渐增加、技术含量空前提高。如何提高教化信息资源管理效益，最大限度地利用教化信息资源，提高信息保障实力，已经成为摆在高校信息管理者面前的现实课题。教化信息资源管理评估是提高高校教化信息资源管理水平的关键环节。由于高校教化信息资源管理系统含有很多不确定性因素，这些因素一般比较难以量化，评价误差往往较大。目前，评价教化信息资源管理质量的方法有

3、许多，但大都基于传统的定性方法或者模糊数学的方法，这些方法基本都局限于线性的运算方式，而由于评价体系的输入（各评价指标）和输出（管理质量）之间的关系并不肯定是简洁的线性关系，所以找寻评价体系的输入和输出的精确数学关系，建立一个合理的、科学的数学模型，将对教化信息资源管理质量的评估有着重要的意义。本文利用神经网络理论建立了教化信息资源管理质量评价系统的神经网络数学模型，以期为教化信息资源管理质量评估体系的探讨供应有益的借鉴。二、教化信息资源管理评估指标体系的建立（一）教化信息资源管理的内涵狭义的教化信息资源管理是指对教化信息本身即教化信息内容实施管理的过程；广义的教化信息资源管理是指对教化信息内

4、容及与信息内容相关的资源，包括对信息设备设施、信息技术、信息资源费效、人员等进行管理的过程。高校教化信息资源管理过程始于信息人员对用户的信息需求的分析，经过信源分析、信息采集与转换、信息组织、信息存储、信息检索、信息再生和信息传递等环节，最终满意用户的信息需求。（二）教化信息资源管理评估指标体系为了评价教化信息资源管理质量，通常对其信息设备设施管理质量、信息技术管理质量、教化信息资源管理费效、管理人员素养等内容进行评价。教化信息资源管理评估指标共有7个，分别为X、X2、X3、X4、X5、X6、X7。X表示教化信息设备设施的运用状况；X2表示信息设备设施的维护状况；X3表示技术手段运用状况；X4

5、表示教化信息资源管理的投入经费；X5表示教化信息资源管理经费的运用状况；X6表示人员的履行管理职能的状况；X7表示人员的管理创新实力状况等。在实践中，为了便于操作，我们给出了详细的下一级指标，限于篇幅，在此省略。假设评价指标的论域为0，10。评价矩阵要素运用德尔斐法确定，即分别由专家填写相应的分值，汇总后的教化信息资源管理质量状况如表l所示。三、教化信息资源管理评估的神经网络评估模型神经网络理论是近几年来国内外的一个前沿探讨领域，它可用于预料、分类、模式识别和过程限制等各种数据处理场合。相对于传统的数据处理方法，它更适合处理像教化信息资源管理这样的模糊、非线性和模式特征不明确的问题。（一）建模

6、引理BP模型是一种用于前向多层神经网络的反向传播算法，由鲁梅尔哈特(DRuvmelhar)和麦克莱伦德（McClelland）于1985年提出。1神经网络模型的结构。BP算法可用于多层网络，网络中不仅有输入层节点及输出层节点，而且还有一层至多层隐层节点。采纳BP神经网络可以实现对高校教化信息资源管理质量评估系统的辨识。假设将7个评估指标作为神经阿络系统的输入，把信息管理质量作为系统的输出，详细如图1所示。当有信息向网络输入时，信息首先由输入层传至隐层节点，经特性函数作用后，再传至下一隐层，直到最终传到输出层输出，其间每经过一层都要由相应的特性函数进行变换。2BP算法。反向传播算法旨在对评估体系

7、进行辨识，以使网络的实际输出值与期望输出值的误差均方值最小为目标，运用最小二乘和梯度搜寻技术进行辨识。由于网络的修正过程是误差一边向后传播一边修正加权系数的过程，因此，可用其对高校教化信息资源管理质量评估体系进行辨识。BP的修正目的是对网络的连接权值进行调整，以使任何一个输入都能得到所期望的输出。修正的方法是用一组训练样例对网络进行训练，每一个样例都包括输入和期望输出两部分。训练时，首先把样例的输入信息输入到网络中，由网络自第一个隐层起先逐层地进行计算，并向下一层传递，直至传至输出层，其间每一层神经元只影响到下一层神经元的状态。然后，将其输出与样例的期望输出进行比较，假如它们的误差不能满意要求

8、，则沿着原来的连接通路逐层返回，并依据二者的误差根据肯定的原则对各层节点的连接权值进行调整，使误差逐步减小，直到达到要求为止。（二）模型的建立利用BP算法可使性能指标最小化，为了保证系统的稳定性，把被辨识对象信息资源管理质量评估系统的实际输出y作为反馈信号，将其与神经网络辨识器的输出；比较，使E其中L´为一个很小的数，假如不满意要求，则不断调整权系数，以达到期望要求。依据反向传播计算公式，可得如下权系数修正规律。四、仿真分析采纳三层BP神经网络对上述教化信息资源管理质量评估系统进行辨识，输入层、隐含层和输出层的结点数分别为714 xl，激活函数采纳sigmoid型，修正率´r7=0.9，学习训练算法采纳反向传播算法，将表l中的数据作为神经网络辨识模型的训练样本，目标误差为0.001，仿真12下一页