BP神经网络算法在教务管理系统中对学业方向识别的研究与应用

摘要

BP(Back Propagation)神经网络，即误差反传误差反向传播算法的学习过程，由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或者多隐层结构；最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果。当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐层、输入层逐层反传。周而复始的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过程，此过程一直进行到网络输出的误差减少到可以接受的程度，或者预先设定的学习次数为止。 本文探讨了是通过运用BP神经网络算法，以专业教学计划和学生成绩总表等数据为基础形成简化数据，采用分数据包方法把BP神经网络的理论应用到学业方向识别模型中，通过计算每个识别模块的专业匹配度，从而确定学生的学业方向。

目录

文摘

英文文摘

声明

1绪论

1.1引言

1.2神经网络的历史及BP算法的基本原理

1.3论文的选题依据

1.4本文内容组织结构

2 BP神经网络算法

2.1神经网络概述

2.1.1神经网络的生物学基础

2.1.2神经网络的发展现状

2.1.3神经网络学习方式及规则

2.1.4神经网络的基本功能

2.1.5神经网络的两种基本结构

2.2反向传播算法(BP算法)

2.2.1 BP神经网络的基本模型和基本特征

2.2.2 BP学习算法

2.2.3确定BP网络的结构

2.2.4误差的选取

2.2.5 BP学习算法的改进

3 现行教务管理系统简介

3.1 VB语言环境下的教务管理系统

3.2教务管理系统的结构设计及功能模块

3.3 VB开发环境下的系统特点

4 学业方向识别模型的数据环境

4.1教学计划的数据结构

4.2学生成绩入学年表的数据结构

4.3学业方向识别模型中的数据匹配过程

4.4毕业资格的确认原理

5 学业方向识别模型的架构与专业匹配度查询系统的设计

5.1网络初始值的选取

5.2隐层及其节点数的确定

5.3网络输入层、输出层的设计

5.4训练样本集的设计与测试

5.5学业方向识别的确认算法

6总结

参考文献

致谢

攻读工程硕士期间发表论文情况