《表8 用于BP神经网络的训练、测试样本》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种用于高校教师创新能力评价的智能模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

粒子群-人工蜂群算法初始化参数选取为：粒子群数量N=50，惯性权重初始值ω1=1.4、终值ω2=0.5；R1=R2=2；粒子群和人工蜂群算法的最大迭代次数分别为200，110.粒子群划分的组数G=5，每组粒子个数B=10.BP神经网络训练的目标误差精度设定为0.000 1.BP神经网络的最多迭代次数为350.利用表8中的前60组评价数据借助MATLAB对BP神经网络进行学习训练，直至BP网络满足规定目标误差精度或者达到最多迭代次数.从图4所示的网络训练曲线分析得出：当网络训练步数达到136步时，能满足目标误差要求，BP神经网络的训练时间短，训练精度高.BP网络训练完毕后，利用表8中的第61～68这8组数据作为BP网络的测试样本，得出如表9所示的检验结果，分析显示：用于高校教师创新能力评价的BP神经网络输出值s与期望输出值Q（即专家评价结果）之间的最大相对误差为1.42%，网络评价与专家评价的结论完全一致，所以所建立的BP神经网络模型能取代专家评价，可以对高校教师创新能力作出比较客观公正、准确有效的评价结论.