基于改进PSO-BP神经网络的教学质量评价模型

作者：郭欣; 殷子龙; 陈瑛; 吴玉佳^*

来源：现代电子技术, 2023, 46(12): 146-152.

DOI：10.16652/j.issn.1004-373x.2023.12.025

• 粒子群优化算法
• BP神经网络
• 教学质量评价
• 自适应变异策略
• 连接权重
• 性能对比

教学质量评价是教学研究中的重点之一，但已有的数学评价模型不适合解决非线性问题，神经网络模型收敛速度慢、准确率不高。针对以上问题，文中提出一种基于改进PSO(Particle Swarm Optimization)-BP(Back Propagation)神经网络的教学质量评价模型。通过引入动量和自适应学习率优化BP神经网络，采用惯性权重线性递减、学习因子异步变化，并引入速度收缩因子和自适应变异策略来优化PSO算法；再使用PSO粒子群优化算法计算BP神经网络的初始连接权重和阈值，从而提升模型的全局寻优能力和收敛速度、精度。为验证模型效果，使用评价体系指标层的10个指标数据作为模型的输入，评价结果作为输出，进行模型对比实验。实验结果表明，所提模型的准确率达到96.33%，比一般BP神经网络模型提高4.68%，比自适应BP神经网络模型提高4.07%，比PSO-BP神经网络模型提高1.2%，且收敛曲线平稳，整体性能优于其他模型，说明运用该模型能够有效地对教学质量进行评价。

• 单位
  上海杉达学院; 上海工程技术大学