1全方位教學(xué)質(zhì)量評價體系構(gòu)建全方位

評價體系是指由領(lǐng)導(dǎo)部門、督導(dǎo)團(tuán)、同事同仁、教師自身和學(xué)生等全方位各角度地來了解教師的工作績效。通過這種績效評價，被評教師可以從上級領(lǐng)導(dǎo)、督導(dǎo)團(tuán)、自身和學(xué)生處獲取多角度的反饋，從而更清楚地知道自己的不足、長處，從而為后期的發(fā)展及職業(yè)規(guī)劃提供依據(jù)。事實(shí)證明，這種全方位的評價體系是全面而有效的。全方位高校教學(xué)質(zhì)量綜合評價體系包括授課評價體系和學(xué)習(xí)評價體系。授課評價體系中的評價對象是高校教師，評價主體有督導(dǎo)、同行、學(xué)生和教師本人。學(xué)習(xí)評價體系中，評價的對象是學(xué)生，評價主體有督導(dǎo)、教師、其他同學(xué)和學(xué)生本人。對于授課評價體系的指標(biāo)有教師互評、教師自評、督導(dǎo)評教和學(xué)生評教等;對于學(xué)習(xí)評價體系的指標(biāo)有同學(xué)互評、學(xué)生自評、督導(dǎo)評學(xué)和教師評學(xué)等。各指標(biāo)相互聯(lián)系、相互影響構(gòu)成了全方位高校教學(xué)質(zhì)量評價體系。

2神經(jīng)網(wǎng)絡(luò)用于教學(xué)質(zhì)量評價體系的可行性

作為研究非線性擬合與分類的有力工具，神經(jīng)網(wǎng)絡(luò)在模式識別、自動控制、預(yù)測等方面已凸顯了其優(yōu)越性。神經(jīng)網(wǎng)絡(luò)針對已有的訓(xùn)練數(shù)據(jù)，通過不斷的學(xué)習(xí)和訓(xùn)練，能從已有的大量復(fù)雜數(shù)據(jù)中挖掘出規(guī)律性的東西，從而達(dá)到探求未知的目的。它尤其能處理任意類型的數(shù)據(jù)，這是許多傳統(tǒng)方法無法達(dá)到的，因而其準(zhǔn)確度較高。同時，它還能處理多元輸入，并兼顧各個輸入對輸出的影響。因此，將神經(jīng)網(wǎng)絡(luò)用于高校教學(xué)質(zhì)量評價體系，不僅可以解決綜合評價指標(biāo)體系中的定性指標(biāo)與定量指標(biāo)的問題，也可解決傳統(tǒng)評價體系的復(fù)雜建模問題，避免了人為的主顧隨意度，保證了有效的評估結(jié)果。BP神經(jīng)網(wǎng)絡(luò)是通過反向傳播誤差來修正模型權(quán)值和閾值的一種應(yīng)用較廣泛的神經(jīng)網(wǎng)絡(luò)。將BP神經(jīng)網(wǎng)絡(luò)用于高校教學(xué)質(zhì)量評估時，將全方位高校教學(xué)質(zhì)量綜合評價體系中的各個指標(biāo)作為神經(jīng)元輸入，將評價的最終結(jié)果作為輸出，從而建立評估模型。訓(xùn)練過程中，若輸出的量值和預(yù)期的量值之間存在誤差，且超出了規(guī)定的范圍，則按照誤差反向傳遞的方法調(diào)整各層之間的連接權(quán)值及隱層和輸出層節(jié)點(diǎn)的閾值，直到系統(tǒng)誤差控制在可接受的范圍內(nèi)，則訓(xùn)練停止。此時的權(quán)值和閾值將不再改變，所得的網(wǎng)絡(luò)是經(jīng)過自適應(yīng)學(xué)習(xí)的正確表示，訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)便可以作為一種定性與定量相結(jié)合的有效工具為訓(xùn)練數(shù)據(jù)以外的對象做出正確評價。

3教學(xué)質(zhì)量評價指標(biāo)體系的建立

本文根據(jù)全方位高校教學(xué)質(zhì)量評價體系所包含的2個體系下的7個二級指標(biāo)，將這7個指標(biāo)分別當(dāng)作7個二級系統(tǒng)，即教師互評系統(tǒng)、教師自評系統(tǒng)、督導(dǎo)評教系統(tǒng)、學(xué)生評教系統(tǒng)、教師評學(xué)系統(tǒng)、督導(dǎo)評學(xué)系統(tǒng)、學(xué)生自評系統(tǒng)。每個二級系統(tǒng)下又存在不同的評價指標(biāo)。將這些評價指標(biāo)作為二級系統(tǒng)的輸入，二級系統(tǒng)的輸出作為教學(xué)質(zhì)量評價體系神經(jīng)網(wǎng)絡(luò)的輸入，教學(xué)質(zhì)量綜合評價體系神經(jīng)網(wǎng)絡(luò)的輸出則是高校教師教學(xué)質(zhì)量評價的最終結(jié)果。

摘要：根據(jù)現(xiàn)代控制技術(shù)的人工神經(jīng)網(wǎng)絡(luò)理論提出了一種保護(hù)原理構(gòu)成方案，并分析了原理實(shí)現(xiàn)的可行性和技術(shù)難點(diǎn)。

人工神經(jīng)網(wǎng)絡(luò)（AartificialNeuralNetwork，下簡稱ANN）是模擬生物神經(jīng)元的結(jié)構(gòu)而提出的一種信息處理方法。早在1943年，已由心理學(xué)家WarrenS.Mcculloch和數(shù)學(xué)家WalthH.Pitts提出神經(jīng)元數(shù)學(xué)模型，后被冷落了一段時間，80年代又迅猛興起［1］。ANN之所以受到人們的普遍關(guān)注，是由于它具有本質(zhì)的非線形特征、并行處理能力、強(qiáng)魯棒性以及自組織自學(xué)習(xí)的能力。其中研究得最為成熟的是誤差的反傳模型算法（BP算法，BackPropagation），它的網(wǎng)絡(luò)結(jié)構(gòu)及算法直觀、簡單，在工業(yè)領(lǐng)域中應(yīng)用較多。

經(jīng)訓(xùn)練的ANN適用于利用分析振動數(shù)據(jù)對機(jī)器進(jìn)行監(jiān)控和故障檢測，預(yù)測某些部件的疲勞壽命［2］。非線形神經(jīng)網(wǎng)絡(luò)補(bǔ)償和魯棒控制綜合方法的應(yīng)用（其魯棒控制利用了變結(jié)構(gòu)控制或滑動?？刂疲趯?shí)時工業(yè)控制執(zhí)行程序中較為有效［3］。人工神經(jīng)網(wǎng)絡(luò)（ANN）和模糊邏輯（FuzzyLogic）的綜合，實(shí)現(xiàn)了電動機(jī)故障檢測的啟發(fā)式推理。對非線形問題，可通過ANN的BP算法學(xué)習(xí)正常運(yùn)行例子調(diào)整內(nèi)部權(quán)值來準(zhǔn)確求解［4］。

因此，對于電力系統(tǒng)這個存在著大量非線性的復(fù)雜大系統(tǒng)來講，ANN理論在電力系統(tǒng)中的應(yīng)用具有很大的潛力，目前已涉及到如暫態(tài)，動穩(wěn)分析，負(fù)荷預(yù)報，機(jī)組最優(yōu)組合，警報處理與故障診斷，配電網(wǎng)線損計算，發(fā)電規(guī)劃，經(jīng)濟(jì)運(yùn)行及電力系統(tǒng)控制等方面［5］。

本文介紹了一種基于人工神經(jīng)網(wǎng)絡(luò)（ANN）理論的保護(hù)原理。

1、人工神經(jīng)網(wǎng)絡(luò)理論概述

摘要]本篇論文我們介紹了基于粗集的BP神經(jīng)網(wǎng)絡(luò)識別項(xiàng)目的風(fēng)險并評估項(xiàng)目風(fēng)險。粗集(RS)與神經(jīng)網(wǎng)絡(luò)的集成反映了人類正常的思維機(jī)制。它融合了定性和定量的，精確和非確定的，連續(xù)和平行的方法。我們建立了粗集的神經(jīng)網(wǎng)絡(luò)并進(jìn)行屬性約簡的混合模型，給出了軟件項(xiàng)目風(fēng)險在實(shí)際中的早期預(yù)警模型即評估模型，提出了有效的方法。

[關(guān)鍵詞]軟件項(xiàng)目風(fēng)險管理神經(jīng)網(wǎng)絡(luò)粗集

本篇論文的中心是基于粗集的人工神經(jīng)網(wǎng)絡(luò)(ANN)技術(shù)的高風(fēng)險識別，這樣在制定開發(fā)計劃中，最大的減少風(fēng)險發(fā)生的概率，形成對高風(fēng)險的管理。

一、模型結(jié)構(gòu)的建立

本文基于粗集的BP神經(jīng)網(wǎng)絡(luò)的風(fēng)險分析模型,對項(xiàng)目的風(fēng)險進(jìn)行評估,為項(xiàng)目進(jìn)行中的風(fēng)險管理提供決策支持。在這個模型中主要是粗糙集預(yù)處理神經(jīng)網(wǎng)絡(luò)系統(tǒng)，即用RS理論對ANN輸入端的樣本約簡，尋找屬性間關(guān)系，約簡掉與決策無關(guān)的屬性。簡化輸入信息的表達(dá)空間維數(shù)，簡化ANN結(jié)構(gòu)。本論文在此理論基礎(chǔ)上，建立一種風(fēng)險評估的模型結(jié)構(gòu)。這個模型由三部分組成即：風(fēng)險辨識單元庫、神經(jīng)網(wǎng)絡(luò)單元、風(fēng)險預(yù)警單元。

1.風(fēng)險辨識單元庫。由三個部分功能組成：歷史數(shù)據(jù)的輸入，屬性約簡和初始化數(shù)據(jù).這里用戶需提供歷史的項(xiàng)目風(fēng)險系數(shù)。所謂項(xiàng)目風(fēng)險系數(shù),是在項(xiàng)目評價中根據(jù)各種客觀定量指標(biāo)加權(quán)推算出的一種評價項(xiàng)目風(fēng)險程度的客觀指標(biāo)。計算的方法:根據(jù)項(xiàng)目完成時間、項(xiàng)目費(fèi)用和效益投入比三個客觀指標(biāo),結(jié)合項(xiàng)目對各種資源的要求,確定三個指標(biāo)的權(quán)值。項(xiàng)目風(fēng)險系數(shù)可以表述成:r=f(w1,w2,w3,T,T/T0,S/S0,U/U0),R<1；式中:r為風(fēng)險系數(shù);T、T0分別為實(shí)際時間和計劃時間;S、S0分別為實(shí)際費(fèi)用和計劃費(fèi)用;U、U0分別為實(shí)際效能和預(yù)計效能;w1、w2、w3分別是時間、費(fèi)用和效能的加權(quán)系數(shù),而且應(yīng)滿足w1+w2+w3=1的條件。

摘要：電話營銷在各行業(yè)中的應(yīng)用越來越普遍，在諸如保險公司、銀行等系統(tǒng)內(nèi)電話營銷是聯(lián)系客戶的重要手段之一。影響電話營銷成功率的原因有很多，銷售員的態(tài)度和能力是重要的方面，但這些影響因素的評價相對而言較為主觀。文章從以往銀行電話營銷成功率及其影響因素的數(shù)據(jù)出發(fā)，通過決策樹、邏輯回歸、神經(jīng)網(wǎng)絡(luò)三個模型方法，探究銀行電話營銷成功率的影響因素。

關(guān)鍵詞：數(shù)據(jù)；營銷

一、文獻(xiàn)綜述

當(dāng)今，網(wǎng)絡(luò)經(jīng)濟(jì)飛速發(fā)展，內(nèi)地銀行業(yè)逐漸從依靠柜臺營銷模式轉(zhuǎn)變，電話營銷以及網(wǎng)上營銷等新穎的營銷方式剛剛起步，商業(yè)銀行的營銷模式未來將會發(fā)生劇烈轉(zhuǎn)變，銀行電話營銷也許會成為主流，研究銀行電話營銷影響因素的重要性顯而易見。近年來，許多國內(nèi)外學(xué)者展開了對銀行電話營銷的研究。李明月（2016）認(rèn)為針對銀行定期存款數(shù)據(jù)集，傳統(tǒng)決策樹算法的分類效率和分類準(zhǔn)確度較低，進(jìn)一步提出了集成分類樹算法。王艷雯（2019）提出如何利用數(shù)據(jù)挖掘技術(shù)在銀行電話營銷目前所處的境地獲得較為深遠(yuǎn)的業(yè)務(wù)突破，是任何一家銀行提高自身的核心競爭力過程中，都不能回避的十分重要的問題，應(yīng)探究Stacking集成模型在銀行電話營銷中的應(yīng)用。王琴（2019）發(fā)現(xiàn)在數(shù)據(jù)時代背景下，綜合應(yīng)用神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)和決策樹等數(shù)據(jù)挖掘方法建立銀行電話營銷分類模型，運(yùn)用案例分析法和比較分析法，通過ROC曲線、響應(yīng)率曲線和捕獲率曲線發(fā)現(xiàn)，最好的結(jié)果是BP神經(jīng)網(wǎng)絡(luò)，其AUC值是0.97。但以往學(xué)者針對銀行電話營銷成功率的影響因素從不同角度展開了眾多研究，但研究還存在不足之處：第一，少有學(xué)者通過決策樹、邏輯回歸、神經(jīng)網(wǎng)絡(luò)等多個模型對銀行電話營銷成功率數(shù)據(jù)進(jìn)行操作，缺少橫向?qū)Ρ?；第二，少有學(xué)者利用低門檻軟件，例本文所用clementine建立模型；第三，內(nèi)地銀行電話營銷業(yè)務(wù)剛剛起步，有眾多問題需要發(fā)現(xiàn)并研究，但數(shù)據(jù)較少，關(guān)注度較低，針對內(nèi)地銀行電話營銷成功率影響因素的研究較少、不深入。但以上不足也為本論文研究提供了一定的空間。本論文將做出的邊際貢獻(xiàn)：以銀行電話營銷成功率及其影響因素的相關(guān)數(shù)據(jù)為基礎(chǔ)，建立決策樹、邏輯回歸、神經(jīng)網(wǎng)絡(luò)三個模型，獲取變量重要性以及模型正確率，通過橫向?qū)Ρ?，確定最優(yōu)模型以及影響銀行電話營銷成功率的重要因素。

二、研究意義及目的

（一）理論意義

一、論文名稱、課題來源、選題依據(jù)

論文名稱：基于BP神經(jīng)網(wǎng)絡(luò)的技術(shù)創(chuàng)新預(yù)測與評估模型及其應(yīng)用研究

課題來源：單位自擬課題或省政府下達(dá)的研究課題

選題依據(jù)：

技術(shù)創(chuàng)新預(yù)測和評估是企業(yè)技術(shù)創(chuàng)新決策的前提和依據(jù)。通過技術(shù)創(chuàng)新預(yù)測和評估,可以使企業(yè)對未來的技術(shù)發(fā)展水平及其變化趨勢有正確的把握,從而為企業(yè)的技術(shù)創(chuàng)新決策提供科學(xué)的依據(jù),以減少技術(shù)創(chuàng)新決策過程中的主觀性和盲目性。只有在正確把握技術(shù)創(chuàng)新發(fā)展方向的前提下,企業(yè)的技術(shù)創(chuàng)新工作才能沿著正確方向開展,企業(yè)產(chǎn)品的市場競爭力才能得到不斷加強(qiáng)。在市場競爭日趨激烈的現(xiàn)代商業(yè)中,企業(yè)的技術(shù)創(chuàng)新決定著企業(yè)生存和發(fā)展、前途與命運(yùn),為了確保技術(shù)創(chuàng)新工作的正確性,企業(yè)對技術(shù)創(chuàng)新的預(yù)測和評估提出了更高的要求。

二、本課題國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢