BP神经网络在大学生社团评价中的应用.docxVIP

BP神经网络在大学生社团评价中的应用 　　摘要：在分析了高校社团评价的特点上，结合bp神经网络的特点，探讨了基于bp神经网络来评价社团质量的方法。利用神经网络建立起高校评价社团的系统模型，将评价各项指标作为输入，最终评价结果作为输出，运用tensorflow深度学习框架运行得到符合条件的模型。为高校开展学生社团工作提供一些借鉴和帮助。 　　关键词：高校社团评价;bp神经网络 　　中图分类号：tp399文献标识码：a 　　文章编号：1009-3044（2020）08-0206-02 　　近年来我国高等教育发展迅速，高校中的社团数量也随之增多。面对新时期的挑战，如何进一步整合资源，加强和改进高校学生社团管理，提高社团质量，进一步丰富学生社团生活的形式，更加科学有效地管理和引导学生社团的良性发展，不仅是适应高等教育改革发展和大力推进素质教育的迫切需要，也是新时期高校人才培养和校园文化建设所面临的重要课题[1]。社团评价的目的是为了更好地发挥学生在社团活动中的积极作用，提高学生参与社团活动的积极性，促进社团管理的规范化，使社团真正为学生的兴趣课堂服务。目前，大多数高校评价社团是否优秀主要还是通过人为的进行加权打分，这些方法为评估社团质量提供了参考，但也存在一些不足，如主观性较强，导致最终结果误差偏大，科学性不高等。而神经网络这一工具具有很强的自学能力以及鲁棒性和容错性。为使评价结果更接近实际情况，本文提出应用bp神经网络对大学生社团进行评价的方法，可以避免传统评价方法的主观性。对社团活动评价的处理具有很好的效果。 　　1bp神经网络原理 　　人工神经网络理论（artificialneuralnetwork，即ann）理论是20世纪80年代中后期世界范围内迅速发展起的一个机器学习。它可以模仿人脑进行学习、训练，一直找到一个适合其训练内容的一个结果。 　　bp（back-propagation）神经网络是最传统的神经网络，也是目前研究最多最广的ann模型。可以实现任何复杂的、多因素、不确定和非线性的映射关系，是目前应用最广泛的人工神经网络模型一[2]。bp网络能学习和存贮大量的输入一输出模式映射关系，而无须事前揭示描述这种映射关系的数学方程。bp神经网络模型拓扑结构包括输入层（input）、隐层（hiddenlay-er）和输出层（outputlayer）;在训练过程中由正向传播和反向传播组成。它是一种按误差逆传播算法训练的多层前馈网络，其主要特点是：信号是前向传播的，而误差是反向传播的，每一神经元只会影响下一层神经元[3]。神经网络利用现有的数据找出输入与输出之间的权值关系（近似），然后利用这样的权值关系进行仿真。该算法实际上是求误差函数的极小值，并采用最快的梯度下降法使得权值沿着误差函数负方向改变，最终收敛于最小点。bp网络三层节点分别表示为：输入节点xj，隐含层节点yi，输出节点ol。典型的bp神经网络模型如图l所示[4]。 　　2基于bp神经网络的社团活动评估模型 　　我校对于社团有年检考核细则，主要从社团管理，社团活动，社团财务和社团会员几大块，细分到几十项来打分。在传统方法中，通常只是将各项分数相加得到总分，根据总分来评判活动开展的优良，或人为地给出各指标的权值来加权求和，其评价结果带有非常大的主观性。 　　本文将选用三层网络结构来构建评价模型，即只设置一个隐含层。采用3层前向bp网络结构，即输入层、隐含层、输出层。通过输入样本数据，采用梯度下降法对bp网络进行训练，使网络的误差平方和最小，直到误差符合指定要求后，所得到的网络模型便是所需要的社团评价模型。通过训练神经网絡自动得到各项的权值，能更科学的得出社团活动评价结果[5]。 　　2.1样本的获取与输入 　　首先，根据我校社团考核细则，设计了一份调查问卷。该问卷共有16个选项，每个选项满分为100分，请同学们根据社团活动的开展情况做出打分，最后一项是总评分。我们通过问卷星形式发放电子调查问卷，分发给不同专业不同社团的同学，以期尽量使样本数据更有客观性和代表性。共收集了50份问卷，将这些数据进行清洗，去除掉了一些无用数据（如全是满分的），将它存放到txt文档中。选取了其中12条数据，如表1所示。 　　2.2模型的建立 　　tensorflow是谷歌开发的深度学习系统，它可以做分类，也可以做拟合问题，是目前非常流行的深度学习框架之一。本实验在tensorflow2.0环境下搭建神经网络模型，设定训练次数为1000次，误差为0.01，算法流程如图2所示。 　　实验取样本中前10条数据作为训练数据，其中每条数据前16项作为输入数据，用bp神经网络训练后作为