人工神经网络技术在专业识别模型中的应用与研究

论文摘要

人工神经网络（Artificial Neural Network,缩写ANN）是一种由许多简单的并行工作的处理单元组成的系统,其功能取决于网络的结构、连接强度以及各单元的处理方式,它是一种由大量神经元通过极其丰富和完善的联接而构成的自适应非线性动态系统,旨在模仿人脑结构及其功能的信息处理系统,是现今国际上非常活跃的前沿领域之一,以其独特的信息处理方式被广泛应用于工业生产监控、分类、预测预报、分析处理、军事目标跟踪、飞行控制、财政风险分析、价格预报、疾病的辅助诊断、化合物成分分析、环境污染及净化预测等领域。由于人工神经网络在网络中不同的联接方式形成了不同的人工神经网络模式,其中误差反向传播网络（Back-Propagation Network,简称BP网络）是目前人工神经网络模式中最具代表性、应用最为广泛的一种网络模型。中国海洋大学自2003年起在广大本科生中实行以“有限条件下的自主选课制”和“学业与毕业的专业识别确认制”为核心的本科教学运行新体系。学生通过网上选课获得课程的修读资格和考试资格,全校所有本科课程面向所有在校本科生开放,学生在专业指导教师的指导下以专业教学计划为蓝本制定合理的学习方案,通过选课合理安排自己的学习进度、自主选择学习专业。本文旨在探讨的是运用人工神经网络技术针对各专业教学计划和学生成绩总表等数据为基础的学生学业与毕业的专业识别确认方法。本文首先综述了中国海洋大学实行自主选课和专业识别确认的教育环境和基本指导思想,通过分析每个专业的教学计划和学生课程考试成绩,综合运用人工神经网络中BP神经网络的基本知识建立相应的网络模型,旨在正确判断学生毕业的专业方向并确定学生毕业资格。在探讨建立专业识别模型的过程中,采用分数据包方法把BP神经网络的理论应用到专业识别模型中,计算每个识别模块的专业匹配度,求其最大值所属的专业确定为学生修读的专业方向。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题研究的背景及意义
• 1.2 论文的选题依据
• 1.3 人工神经网络的历史沿革及基本特点
• 1.4 本文内容组织结构
• 2 专业识别模型建立的数据环境
• 2.1 中国海洋大学现行本科教学运行新体系的基本设计思想
• 2.2 专业教学计划
• 2.3 学生成绩总表
• 2.4 专业匹配度
• 2.4.1 笛卡尔积识别法分析
• 2.4.2 专业匹配度的设计
• 2.5 毕业资格的确认依据
• 3 人工神经网络及BP算法
• 3.1 人工神经网络概述
• 3.1.1 人工神经网络的生物学基础
• 3.1.2 神经网络的学习方式
• 3.1.3 神经网络的特点及其基本功能
• 3.1.4 神经网络的两种基本结构
• 3.1.5 人工神经网络的学习规则
• 3.2 反向传播算法（BP算法）
• 3.2.1 BP神经网络的基本模型和基本特征
• 3.2.2 BP学习算法
• 3.2.3 BP学习算法的改进
• 4 基于人工神经网络的专业识别模型的架构与实现
• 4.1 按课程性质分类进行专业识别的设计思想
• 4.2 网络输入层、输出层设计
• 4.3 隐层及其节点数的确定
• 4.4 网络初始值的选取
• 4.5 训练样本集的设计及样本数据的预处理
• 4.5.1 训练样本集的设计
• 4.5.2 样本数据的预处理
• 4.6 BP网络的训练与测试
• 5 学业资格确认方法及专业匹配度查询系统设计
• 5.1 学业资格确认的算法
• 5.2 基于校园网的专业匹配度查询系统设计
• 5.2.1 查询系统设计要求
• 5.2.2 数据库服务器的架构
• 5.2.3 实际执行教学计划查询
• 5.2.4 专业匹配度结果查询
• 6 总结与展望
• 参考文献
• 致谢
• 攻读工程硕士期间发表论文情况