羅菊川， 卿艷梅

（華南農(nóng)業(yè)大學(xué)工程學(xué)院，廣東 廣州 510642）

基于BP神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)繪圖課程教學(xué)質(zhì)量評價(jià)的研究及應(yīng)用

羅菊川， 卿艷梅

（華南農(nóng)業(yè)大學(xué)工程學(xué)院，廣東 廣州 510642）

計(jì)算機(jī)繪圖是一門專業(yè)基礎(chǔ)課，具有很強(qiáng)的實(shí)踐性，要求授課老師理論與實(shí)際操作相結(jié)合進(jìn)行授課。如何提高教學(xué)質(zhì)量是當(dāng)今高校教育的重點(diǎn)，而客觀、準(zhǔn)確地評價(jià)教學(xué)質(zhì)量對于提高教學(xué)質(zhì)量有著積極而重要的意義。在制定評價(jià)指標(biāo)體系的基礎(chǔ)上，利用BP神經(jīng)網(wǎng)絡(luò)理論構(gòu)建合理、有效的計(jì)算機(jī)繪圖教學(xué)質(zhì)量評價(jià)模型，并對學(xué)校的計(jì)算機(jī)繪圖課程的教學(xué)質(zhì)量進(jìn)行了評價(jià)，找出存在的問題，為今后的教學(xué)改革提供方向。

BP神經(jīng)網(wǎng)絡(luò)；計(jì)算機(jī)繪圖；教學(xué)質(zhì)量；評價(jià)

計(jì)算機(jī)繪圖是理論與實(shí)踐相結(jié)合的課程，實(shí)踐性很強(qiáng)；課程教學(xué)質(zhì)量對人才培養(yǎng)目標(biāo)的實(shí)現(xiàn)起著非常重要的作用，而客觀、準(zhǔn)確地評價(jià)教學(xué)質(zhì)量對于提高教學(xué)質(zhì)量有著積極而重要的意義。

對計(jì)算機(jī)繪圖課程教學(xué)質(zhì)量產(chǎn)生影響的因素很多，而且難以量化，評價(jià)指標(biāo)與評價(jià)結(jié)果之間的關(guān)系是復(fù)雜的非線性關(guān)系，要準(zhǔn)確、客觀地對計(jì)算機(jī)繪圖課程教學(xué)質(zhì)量進(jìn)行評價(jià)存在一定的困難。張麗等人曾對工程圖學(xué)教學(xué)質(zhì)量進(jìn)行了模糊綜合評價(jià)[1]，在評價(jià)過程中需要建立復(fù)雜的數(shù)學(xué)模型，指標(biāo)權(quán)重的獲得也具有一定的主觀性，而人工神經(jīng)網(wǎng)絡(luò)不需要了解和建立描述這種映射關(guān)系的復(fù)雜的數(shù)學(xué)模型，它能夠通過輸入足夠樣本的學(xué)習(xí)和訓(xùn)練，從未知模式的大量繁雜的數(shù)據(jù)中發(fā)現(xiàn)其規(guī)律，克服了人為主觀因素的影響，建立輸入到輸出的正確映射關(guān)系，使評價(jià)的結(jié)果更加客觀、有效。

本文利用BP神經(jīng)網(wǎng)絡(luò)較為準(zhǔn)確、客觀地評價(jià)了本校計(jì)算機(jī)繪圖課程的教學(xué)質(zhì)量，找出存在的問題，為今后的教學(xué)改革提供方向。

1 BP神經(jīng)網(wǎng)絡(luò)基本原理

BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層構(gòu)成，它是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，也就是網(wǎng)絡(luò)信號正向逐層傳遞，輸出誤差則是通過隱含層向輸入層逐層反向傳遞。當(dāng)輸入數(shù)據(jù)經(jīng)過輸入層、隱含層、輸出層得到的實(shí)際輸出數(shù)據(jù)與期望輸出數(shù)據(jù)不符時(shí)，則轉(zhuǎn)入誤差反向轉(zhuǎn)播，網(wǎng)絡(luò)通過調(diào)整各層之間的權(quán)值和閾值，使誤差沿梯度方向下降，達(dá)到最小。

假設(shè)有k個(gè)訓(xùn)練樣本，即有k個(gè)輸入輸出對（Xk，Tk），k=1，…，k

其中輸入向量：

經(jīng)網(wǎng)絡(luò)傳播實(shí)際輸出向量：

期望輸出向量：

輸入與輸出之間的關(guān)系為：

其中θ為閾值，f(x)是激活函數(shù)；它可以是線性函數(shù)，也可以是非線性函數(shù)。一般網(wǎng)絡(luò)實(shí)際輸出值與期望輸出值之間存在誤差，網(wǎng)絡(luò)學(xué)習(xí)的過程實(shí)際上就是不斷將這二者進(jìn)行比較，并根據(jù)極小原則修改參數(shù)wij，使誤差平方和達(dá)到最小。wij為從輸入向量的第j(j=1,…,m) 個(gè)分量到輸出向量的第i(i=1,…,n)個(gè)分量的權(quán)重。

第k個(gè)樣本的誤差Ek：

k個(gè)樣本集的總誤差E：

根據(jù)誤差，修改調(diào)整權(quán)值和閾值，wij的修改量ijwΔ：

其中：η — 學(xué)習(xí)的速率。

當(dāng)網(wǎng)絡(luò)的全局誤差E小于預(yù)先設(shè)定的值時(shí)或?qū)W習(xí)次數(shù)達(dá)到預(yù)先設(shè)定，網(wǎng)絡(luò)停止訓(xùn)練。這樣就通過網(wǎng)絡(luò)的自適應(yīng)學(xué)習(xí)得到了能夠反映輸入與輸出之間正確映射的權(quán)值和閾值。這樣將新的樣本輸入到已經(jīng)建立的神經(jīng)網(wǎng)絡(luò)模型中就可以得到合理的輸出。所以BP神經(jīng)網(wǎng)絡(luò)用于計(jì)算機(jī)繪圖教學(xué)質(zhì)量評價(jià)的基本原理是：把用來描述計(jì)算機(jī)繪圖教學(xué)質(zhì)量評價(jià)對象特征的信息作為神經(jīng)網(wǎng)絡(luò)的輸入向量，將代表相應(yīng)綜合評價(jià)的量值作為神經(jīng)網(wǎng)絡(luò)的輸出；然后用足夠的樣本訓(xùn)練這個(gè)神經(jīng)網(wǎng)絡(luò)。訓(xùn)練好的連接權(quán)值，便是網(wǎng)絡(luò)經(jīng)過自適應(yīng)學(xué)習(xí)所得到的正確內(nèi)部表示；可以作為一種定性與定量相結(jié)合的有效工具，對樣本模式以外的對象系統(tǒng)做出綜合評價(jià)[2]。

由以上論述可知，BP神經(jīng)網(wǎng)絡(luò)具有以下幾個(gè)優(yōu)點(diǎn)：

1） 不需對輸入與輸出之間復(fù)雜的非線性關(guān)系建立數(shù)學(xué)模型，網(wǎng)絡(luò)通過一定的訓(xùn)練樣本對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，自動(dòng)完成輸入到輸出的非線性映射，具有自學(xué)習(xí)能力。

2） 網(wǎng)絡(luò)訓(xùn)練完成之后，輸入非訓(xùn)練樣本時(shí)也能夠得到正確輸出，具有泛化能力。

3） 輸入樣本中存在的誤差或者個(gè)別錯(cuò)誤不影響輸入與輸出之間正確的映射關(guān)系，具有容錯(cuò)能力。

2 基于 BP神經(jīng)網(wǎng)絡(luò)的評價(jià)模型的構(gòu)建

2.1 評價(jià)指標(biāo)的建立

教學(xué)質(zhì)量評價(jià)指標(biāo)體系直接體現(xiàn)著評價(jià)結(jié)果的客觀，合理，公正性，所以建立科學(xué)，系統(tǒng)，有效的教學(xué)評價(jià)標(biāo)準(zhǔn)和指標(biāo)體系，是進(jìn)行教學(xué)評價(jià)的關(guān)鍵[3]。評價(jià)指標(biāo)體系應(yīng)該在高等學(xué)校教學(xué)質(zhì)量評價(jià)指標(biāo)體系的基礎(chǔ)上結(jié)合本校計(jì)算機(jī)繪圖課程的自身特點(diǎn)設(shè)立。

本校將工程圖學(xué)分成畫法幾何與機(jī)械制圖、二維繪圖和三維建模3個(gè)模塊進(jìn)行教學(xué)。計(jì)算機(jī)繪圖課程的重點(diǎn)在于繪圖軟件 AutoCAD的使用，是以二維繪圖為主，三維建模為輔進(jìn)行教學(xué)的一門課程。課程以緊密結(jié)合機(jī)械制圖基礎(chǔ)理論知識，進(jìn)一步培養(yǎng)學(xué)生的創(chuàng)新意識和創(chuàng)新思維能力為主要目標(biāo)[4-5]。同時(shí)計(jì)算機(jī)繪圖又是一門實(shí)踐性很強(qiáng)的課程，授課的方式是課堂授課結(jié)合實(shí)際上機(jī)操作，對于硬件設(shè)施的配備、多媒體的運(yùn)用以及教師的實(shí)際操作能力等方面都具有較高的要求。

評價(jià)指標(biāo)應(yīng)該根據(jù)評價(jià)的主體，一般是專家和學(xué)生的不同角度進(jìn)行設(shè)計(jì)，評價(jià)指標(biāo)應(yīng)具有時(shí)效性、導(dǎo)向性和直觀性，不能過于籠統(tǒng)、模糊[6]。根據(jù)本校計(jì)算機(jī)繪圖課程的實(shí)際，專家的評價(jià)側(cè)重于課程軟硬件的配備、教學(xué)準(zhǔn)備和資料完備、組織課堂秩序的能力、授課時(shí)的表達(dá)方式、與教學(xué)目標(biāo)和課程定位符合程度、專業(yè)理論知識和實(shí)踐的水平，知識的更新和拓展、考核的方式和結(jié)果等方面；學(xué)生的評價(jià)則側(cè)重于教師對課堂的熱愛程度，對學(xué)生的責(zé)任心，是否注重啟發(fā)學(xué)生和培養(yǎng)創(chuàng)新能力，學(xué)生經(jīng)過授課學(xué)習(xí)知識和能力水平是否得到提高，教師課外的投入，課上和課外對學(xué)生的指導(dǎo)和交流等方面。

教師是組織教學(xué)的主體，教師的教學(xué)方式，教學(xué)態(tài)度，知識能力直接影響了教學(xué)的質(zhì)量。因此，本文按照教師組織課堂教學(xué)的過程，將以上根據(jù)不同角度設(shè)計(jì)的指標(biāo)進(jìn)行歸類形成3個(gè)一級指標(biāo)，根據(jù)指標(biāo)建立應(yīng)具有時(shí)效性、導(dǎo)向性和直觀性的原則，圍繞培養(yǎng)學(xué)生創(chuàng)新意識和創(chuàng)新思維能力這一主要目標(biāo)，根據(jù)張?jiān)屏岬热说难芯縖7-8]制定和優(yōu)化了 20個(gè)二級指標(biāo)。具體指標(biāo)體系如表1所示。

表1 教學(xué)質(zhì)量評價(jià)指標(biāo)

2.2 評價(jià)模型的建立

2.2.1 網(wǎng)絡(luò)結(jié)構(gòu)的確定

本文采用的是三層拓?fù)浣Y(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)，只設(shè)置一個(gè)隱含層，因?yàn)椴捎枚鄬拥碾[含層雖然可以使神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)次數(shù)減少，但是會(huì)使學(xué)習(xí)的時(shí)間大幅度增加，而Shih-Chi Huang和Yih-Fang Huang 已經(jīng)指出，用有限個(gè)隱層單元的三層神經(jīng)網(wǎng)絡(luò)可以以任意精度逼近一個(gè)連續(xù)函數(shù)[9]。

計(jì)算機(jī)繪圖課程教學(xué)質(zhì)量評價(jià)BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)圖，如圖1所示。

圖1 拓?fù)浣Y(jié)構(gòu)圖

本文輸入層的節(jié)點(diǎn)數(shù)目由指標(biāo)體系中的 20個(gè)二級指標(biāo)數(shù)據(jù)決定；輸出節(jié)點(diǎn)的數(shù)目只有綜合評價(jià)的最終結(jié)果一個(gè)，評價(jià)集=｛優(yōu)秀，良好，中等，合格，不合格｝，分成 5個(gè)等級，對應(yīng)輸出值區(qū)間集合=｛（0.8-1]，（0.7-0.8]，（0.6-0.7]，（0.5-0.6]，（0-0.5]｝。隱層單元數(shù)的選取是一個(gè)十分復(fù)雜的問題，單元數(shù)選得少，可能不能訓(xùn)練好網(wǎng)絡(luò)，單元數(shù)過多又會(huì)使網(wǎng)絡(luò)的學(xué)習(xí)時(shí)間多，效率低。一般情況下采用下面的經(jīng)驗(yàn)公式來估計(jì)隱層單元數(shù)目[10]：

式中：n、m分別為輸入、輸出層節(jié)點(diǎn)數(shù)。本文隱層的節(jié)點(diǎn)數(shù)選擇8個(gè)。

神經(jīng)元的激活函數(shù)選擇Sigmoid函數(shù)：

2.2.2 數(shù)據(jù)的獲得

本文根據(jù)表1所列的最底層的指標(biāo)制定問卷調(diào)查表，調(diào)查表以選擇題的方式出現(xiàn)，選項(xiàng)則根據(jù)指標(biāo)本身的輕重程度進(jìn)行設(shè)置，例如針對重點(diǎn)明晰這個(gè)指標(biāo)，設(shè)置教師上課是否清楚講述重點(diǎn)的選擇題，選項(xiàng)分別為A、重點(diǎn)都仔細(xì)講解；B、個(gè)別重點(diǎn)有強(qiáng)調(diào)；C、基本沒重點(diǎn)，等學(xué)生提問；D、完全沒重點(diǎn)，學(xué)生提問也講解不清。基本上每個(gè)指標(biāo)設(shè)置2道選擇題，為了能夠?qū)⒄{(diào)查問卷的最終結(jié)果數(shù)量化，統(tǒng)計(jì)結(jié)果時(shí)規(guī)定A選項(xiàng)對應(yīng)4分，B選項(xiàng)對應(yīng)3分，C選項(xiàng)對應(yīng)1分，D選項(xiàng)對應(yīng)0分。針對一個(gè)指標(biāo)有多道選擇題時(shí)，將相應(yīng)所選項(xiàng)相加即可。這樣做的目的是減小因?yàn)樽杂纱蚍侄鴰淼闹饔^隨意性。

調(diào)查問卷由本校的專家教師和學(xué)生分別填寫，最終專家的調(diào)查問卷采集了 10份，將專家教師填寫的調(diào)查問卷數(shù)量化之后作為訓(xùn)練樣本。采用專家教師的樣本數(shù)據(jù)來訓(xùn)練網(wǎng)絡(luò)，是因?yàn)閷＜医處熃?jīng)驗(yàn)豐富，思想方面比較成熟和客觀，對于計(jì)算機(jī)繪圖課程的目標(biāo)以及狀況了解深刻，所以專家教師的評價(jià)比較能反映最終的結(jié)果。

學(xué)生填寫的調(diào)查問卷采集了171份，通過篩選，發(fā)現(xiàn)有43份的問卷答案有全選A的和作答潦草的，所以這 43份不作為樣本數(shù)據(jù)采用，剩下的128份，在調(diào)查問卷的結(jié)果中選取典型的5份作為測試樣本，其余的123份作為評價(jià)樣本。

—處理后的輸入數(shù)據(jù)；x—處理前的輸入i數(shù)據(jù)；minx—輸入數(shù)據(jù)中的最小值；maxx—輸入數(shù)據(jù)中的最大值。

2.2.3 神經(jīng)網(wǎng)絡(luò)評價(jià)模型的建立

本文用MATLAB軟件建立基于BP神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)繪圖評價(jià)模型。MATLAB軟件具有相對應(yīng)的神經(jīng)網(wǎng)絡(luò)工具箱，該工具箱提供了大量可供直接調(diào)用的函數(shù)，圖形用戶界面和Simulink仿真工具，是進(jìn)行神經(jīng)網(wǎng)絡(luò)系統(tǒng)分析與設(shè)計(jì)的優(yōu)秀軟件之一[11]。

網(wǎng)絡(luò)的建立和初始化可以通過MATLAB中的newff函數(shù)完成。網(wǎng)絡(luò)建立和初始化完成后，就通過輸入數(shù)據(jù)和期望輸出數(shù)據(jù)對所建立的網(wǎng)絡(luò)進(jìn)行訓(xùn)練，網(wǎng)絡(luò)的期望輸出數(shù)據(jù)采用專家的綜合評價(jià)值。

當(dāng)訓(xùn)練達(dá)到預(yù)定的精度要求或訓(xùn)練次數(shù)后，表示訓(xùn)練完成，即可通過 save(‘***’, ‘net’)保存該網(wǎng)絡(luò)，“***”為保存文件的命名，該BP網(wǎng)絡(luò)即可讀入測試數(shù)據(jù)進(jìn)行分析，從而得出最終結(jié)果。如表2所示,歸一化處理后的訓(xùn)練樣本（1-10組）和測試樣本（11-15組）數(shù)據(jù)、專家評價(jià)值以及經(jīng)過網(wǎng)絡(luò)訓(xùn)練得到的網(wǎng)絡(luò)實(shí)際評價(jià)值。

訓(xùn)練好的 BP神經(jīng)網(wǎng)絡(luò)，可以通過load(‘-mat’,’***’)調(diào)用該網(wǎng)絡(luò)，再用 A=sim(net,P)函數(shù)輸入采集的學(xué)生樣本P進(jìn)行評價(jià)，樣本P即學(xué)生調(diào)查問卷得到的輸入值。部分代碼如下：P=load(‘***.txt’); （讀取輸入數(shù)據(jù)文件）T=load(‘***.txt’); （讀取期望輸出數(shù)據(jù)文件）net=newff(minmax(P),[8,1],{‘tansig’,’purelin’},’tra inlm’);（生成一個(gè)BP神經(jīng)網(wǎng)絡(luò)）

net.trainParam.epoehs=2000; （設(shè)定最大訓(xùn)練次數(shù)為2000次）

net.trainparam.goal=0.0001（設(shè)定學(xué)習(xí)速率為0.0001）

依照上述步驟輸入表2中前10組訓(xùn)練樣本數(shù)據(jù)，所得結(jié)果列于表2中，誤差曲線如圖2(a)所示，結(jié)果表明網(wǎng)絡(luò)輸出值與期望輸出值（專家評價(jià)值）基本一致；輸入后5組測試樣本數(shù)據(jù)驗(yàn)證所建立模型的評價(jià)效果，結(jié)果如表3所示，誤差曲線如圖2(b)所示，結(jié)果表明測試樣本和訓(xùn)練樣本的誤差非常接近，網(wǎng)絡(luò)評價(jià)結(jié)果與專家評價(jià)結(jié)果一致，誤差小，精度高，因此所建立的評價(jià)模型是合理的，可以比較準(zhǔn)確地反映本校計(jì)算機(jī)繪圖課程的教學(xué)質(zhì)量情況。

表2 教學(xué)質(zhì)量評價(jià)結(jié)果表

表3 測試結(jié)果與專家評價(jià)結(jié)果對照表

圖2 誤差曲線圖

表4 評價(jià)結(jié)果統(tǒng)計(jì)表

3 教學(xué)質(zhì)量的評價(jià)

將123份學(xué)生填寫的調(diào)查問卷結(jié)果作為評價(jià)樣本輸入到所建立的模型中，進(jìn)行教學(xué)質(zhì)量評價(jià)， 123份調(diào)查問卷評價(jià)的最終評價(jià)結(jié)果見表4。

由表4可見，采集來的123份調(diào)查問卷反映出本校的計(jì)算機(jī)繪圖教學(xué)質(zhì)量總體來說情況比較好，學(xué)生評價(jià)普遍較好，良好以上的約占總樣本數(shù)的78%，占了絕大多數(shù)，但優(yōu)秀率不高。從調(diào)查問卷得分統(tǒng)計(jì)中平均值較低的選擇題中反映出4個(gè)方面的問題需要加強(qiáng)：

1） 加強(qiáng)以學(xué)生為本的教育理念。在當(dāng)前教學(xué)模式下，學(xué)生基本處于被動(dòng)的地位，教師注重更多的是知識的灌輸， 部分學(xué)生也認(rèn)為計(jì)算機(jī)繪圖課程只是軟件的學(xué)習(xí)，完全可以自學(xué)，不用聽課，然而正因?yàn)檫@樣的少部分同學(xué)的不認(rèn)真最終影響了教學(xué)質(zhì)量。所以一方面學(xué)校應(yīng)該從管理制度上加強(qiáng)對學(xué)生的管理，另一方面更應(yīng)該注重的是如何吸引學(xué)生，增強(qiáng)上課的興趣。可以參考胡青泥等人所述的方法[12-13]，教師在最初開始講授這門課的時(shí)候，選擇難易適中的項(xiàng)目布置給學(xué)生，或者讓學(xué)生參與開發(fā)多媒體課件、網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)、虛擬實(shí)驗(yàn)室等，學(xué)生為了完成這個(gè)項(xiàng)目，學(xué)會(huì)查找資料，自主學(xué)習(xí)新知識，與他人交流合作，這樣學(xué)生的積極性能夠充分調(diào)動(dòng)起來，同時(shí)各方面綜合能力也會(huì)顯著提高。另外還可以組織學(xué)生參加各種競賽，激發(fā)學(xué)生學(xué)習(xí)的欲望，增強(qiáng)學(xué)習(xí)的主動(dòng)性。

2） 更加注重創(chuàng)新意識和創(chuàng)新能力的培養(yǎng)。計(jì)算機(jī)繪圖這門課不只是軟件操作的學(xué)習(xí)，繪圖軟件只是一個(gè)輔助繪圖的工具，這門課應(yīng)該是工程制圖的拓展。在教學(xué)過程中，多采用啟發(fā)式、討論式教學(xué)方式；鼓勵(lì)學(xué)生利用軟件完成習(xí)題中的大作業(yè)，組合體中的用一個(gè)視圖構(gòu)想多個(gè)形體或用二個(gè)視圖構(gòu)想多個(gè)形體的習(xí)題以及用多種方案表達(dá)零件和機(jī)器等方面的習(xí)題[13]，使學(xué)生通過這門課的學(xué)習(xí)，構(gòu)型的能力和創(chuàng)新思維能力得到進(jìn)一步的提高。

3） 進(jìn)一步強(qiáng)調(diào)重點(diǎn)。計(jì)算機(jī)繪圖這門課在本校的教學(xué)中注重的是二維繪圖能力的培養(yǎng)，二維繪圖命令知識點(diǎn)繁多，而且還有不少繪圖技巧問題，教師在上課的過程中如果沒有反復(fù)強(qiáng)調(diào)重點(diǎn)，很難讓學(xué)生清楚地認(rèn)識到重點(diǎn)。

4） 增強(qiáng)與學(xué)生之間的溝通。溝通包括上課過程中以及課后的溝通，通過溝通可以及時(shí)發(fā)現(xiàn)學(xué)生學(xué)習(xí)過程中的問題，及時(shí)調(diào)整教學(xué)方式、教學(xué)的進(jìn)度以及教學(xué)的重點(diǎn)。充分利用網(wǎng)絡(luò)技術(shù)、多媒體技術(shù)拓寬學(xué)生獲取知識的途徑，增強(qiáng)學(xué)生自主學(xué)習(xí)的時(shí)間。通過交流進(jìn)一步加強(qiáng)師生之間的感情，創(chuàng)建一個(gè)和諧的教學(xué)與學(xué)習(xí)環(huán)境。

4 結(jié) 論

1） 本文針對計(jì)算機(jī)繪圖課程的特點(diǎn)制定了該課程教學(xué)質(zhì)量的評價(jià)指標(biāo)體系，該評價(jià)指標(biāo)比較全面地反映了影響該課程教學(xué)質(zhì)量的各個(gè)方面，為該課程的教學(xué)質(zhì)量的正確評價(jià)提供基礎(chǔ)。

2） 本文利用MATLAB軟件建立了一個(gè)能夠比較準(zhǔn)確地反映本校計(jì)算機(jī)繪圖課程教學(xué)質(zhì)量情況的基于BP神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)繪圖教學(xué)評價(jià)模型。

3） 本校的計(jì)算機(jī)繪圖課程的教學(xué)應(yīng)更加注重以學(xué)生為本，培養(yǎng)學(xué)生創(chuàng)新思維和創(chuàng)新能力等方面來進(jìn)一步提高該課程的教學(xué)質(zhì)量。

[1] 張 麗, 梁穎亮, 趙敏榮, 等. 工程圖學(xué)多媒體教學(xué)質(zhì)量的模糊綜合評價(jià)[J]. 工程圖學(xué)學(xué)報(bào), 2009,30(2)：139-143.

[2] 蔡錦錦. 基于 BP神經(jīng)網(wǎng)絡(luò)的高校課堂教學(xué)質(zhì)量評價(jià)系統(tǒng)的研究與實(shí)現(xiàn)[D]. 浙江工業(yè)大學(xué), 2009.

[3] 杜秀華, 陳學(xué)美, 周瑞芬. 工程制圖課程多媒體教學(xué)質(zhì)量評價(jià)方法及應(yīng)用研究[J]. 成人教育, 2008,252(1)：45-46.

[4] 熊志勇, 羅志成, 陳錦昌, 等. 基于新型設(shè)計(jì)的工程圖學(xué)教學(xué)體系研究[J]. 圖學(xué)學(xué)報(bào) 2012, 33(2)：108-112.

[5] 童秉樞, 高樹峰. 談工程圖學(xué)教學(xué)中學(xué)生創(chuàng)新能力的培養(yǎng)[J]. 工程圖學(xué)學(xué)報(bào), 2008, 29(6)：1-6.

[6] 徐薇薇, 吳建成, 蔣必彪, 等. 高校教師教學(xué)質(zhì)量評價(jià)體系的研究與實(shí)踐[J]. 高等教育研究, 2010,32(1)：100-103.

[7] 張?jiān)屏? 機(jī)械制圖與計(jì)算機(jī)繪圖課教學(xué)質(zhì)量評價(jià)的研究[J]. 教育改革, 2008, 10(7)：33-36.

[8]張?jiān)屏? 方 曄, 賀 煒. 機(jī)械制圖及計(jì)算機(jī)繪圖課程質(zhì)量標(biāo)準(zhǔn)的研究[J]. 南京工業(yè)職業(yè)技術(shù)學(xué)院學(xué)報(bào), 2008, 8(4)：48-50.

[9] Huang S C, Huang Y F. Bounds on the number of hidden neurons in multilayer perceptrons [J] In IEEE Transaction on Neural Network, 1991, 2(1)：272-279.

[10]王建成, 等. 改進(jìn)的遺傳和 BP雜交算法神經(jīng)網(wǎng)絡(luò)經(jīng)濟(jì)預(yù)警系統(tǒng)設(shè)計(jì)[J]. 系統(tǒng)工程理論與實(shí)踐, 1998,18(4)：126-140.

[11]葛哲學(xué), 孫志強(qiáng). 神經(jīng)網(wǎng)絡(luò)理論與MATLAB. 2007實(shí)現(xiàn)[M]. 北京：電子工業(yè)出版社, 2007.

[12]楊 安, 陳 絢, 陳錦昌. 工程制圖課程中的互動(dòng)教學(xué)模式探討[J]. 工程圖學(xué)學(xué)報(bào), 2007, 28(5)：123-125.

[13]胡青泥, 高 菲, 王雪飛, 等. 以學(xué)生全面發(fā)展為本的工程圖學(xué)教育改革[J]. 工程圖學(xué)學(xué)報(bào), 2006,27(4)：134-137.

Research and Application of the Teaching Quality Evaluation of Computer Graphics Course Based on BPNN

Luo Juchuan, Qing Yanmei
( College of Engineering, South China Agricultural University, Guangzhou Guangdong 510642 China )

The computer graphics course, which is very practical, is a requirement for teachers of the theory and practice of combining teaching of professional basic courses, How to improve teaching quality is the current focus of higher education, and how to objectively and exactly evaluate the teaching quality have positive and important meanings for improving the teaching quality, Taking advantage of BP neural network theories, This paper establishes a reasonable and effective model for evaluating the teaching quality of computer graphics course which is based on working the index system out. After that, in order to find the existed problems in our teaching process, which provide a direction of teaching innovation, the teaching quality of computer graphics course in our university was evaluated by using this model.

BP neural network; computer graphics; teaching quality; evaluate

TH 12

A

2095-302X (2013)04-0140-06

2012-07-02 ；定稿日期：2012-11-29

廣東省教育科學(xué)“十一五”規(guī)劃課題資助項(xiàng)目（2010tjk009）

羅菊川（1975-），女，廣東省梅州人，講師，碩士，博士研究生，主要研究方向?yàn)闄C(jī)械設(shè)計(jì)與研究。E-mail：juchuanluo@163.com