论文部分内容阅读
摘 要：该文就现行工科院校本科毕业设计（论文）现状，选用10个评价指标，由学生综合成绩等级与对应的评价指标关系提炼出5个等级理想评价指标，结合离散Hopfield神经网络的联想记忆能力，建立基于离散Hopfield神经网络的本科毕业设计（论文）综合成绩评定模型；将待评定的学生等级评价指标编码作为模型的输入，利用外积法对网络连接权值进行迭代学习，仿真结果显示，该模型能够快速、准确、直观地评定学生毕业设计（论文）环节的综合成绩。
关键词：毕业设计（论文） 成绩评定 离散Hopfield网络评定模型
中图分类号：G64 文献标识码：A 文章编号：1674-098X（2014）10（a）-0228-03
Evaluation method of comprehensive performance for undergraduate in the graduation design （thesis）
HE Min ZHU YaLin
（School of Civil and Hydraulic Engineering， Hefei University of Technology， Hefei，Anhui，230009，China）
Abstract：In this paper， according to the more important ten evaluation indicators， the five grades ideal evaluation is established corresponding to the level of comprehensive performance of twenty undergraduates. Combined with associative memory capacity of discrete Hopfield neural networks， a new evaluation method of comprehensive performance for undergraduate in the graduation design （thesis） is presented. In order to evaluate the effectiveness of the assessment model， five undergraduates are assessed by the model， the network connection weights is obtained by iterative learning using the outer product method. The simulation results show that the comprehensive performance assessment model of undergraduates based on discrete Hopfield neural networks can assess the comprehensive performance of undergraduates fast， accurately and intuitively.
Key words：graduation design（thesis） performance evaluation DHNN evaluation model
毕业设计（论文）是高校教学实践中实现培养目标的最后一个综合性环节。学生在各自老师指导下，按照教学计划要求，独立撰写完成毕业设计（论文）。毕业设计（论文）是大学生在校期间所学知识、理论等各种能力的综合应用、升华，创新潜能得到了充分激发，并且对专业教学目标、教学过程、教学管理以及教学效果进行全面检验。
毕业设计（论文）成绩不仅影响到学生评优和学士学位的获取，也使得他们在做毕业设计（论文）过程中，清楚认识到自身在哪些方面存在不足。因此对于本科毕业设计（论文）综合成绩的评定，一定要公正、合理。目前我校毕业设计综合成绩评定分成三部分：首先是指导教师评阅，给出建议成绩；其次在答辩前，专业教研室组织本学科教师进行交叉评阅，给出建议成绩；最后由答辩委员根据学生答辩情况，并参考指导教师、评阅人所建议的成绩给出最终的毕业设计（论文）成绩。这种评定方法存在评价指标缺乏定量的评定标准、工作繁琐、时间滞后，人为主观因素对评价结果影响很大。因此如何快速、准确地对众多学生的毕业设计（论文）进行客观、公正评价，是一项很有意义的工作。
目前应用于毕业设计（论文）综合成绩评定的方法有模糊评价法[2]、层次分析法等，该文尝试选用我校毕业设计毕业过程中较为重要的10个评价指标的数据，结合离散Hopfield神经网络（DHNN）的联想记忆能力，建立离散Hopfield评定模型；将待评定的学生等级评价指标编码作为该模型的输入，利用外积法对网络连接权值进行迭代学习，数值仿真结果表明，此种方法能够快速、准确、直观地得到众多学生综合成绩的评定结果。
1 外积法设计DHNN网络
离散Hopfield神经网络这种全连接型网络可以模拟生物神经网络的记忆功能，由美国物理学家J.J Hopfield在1982年首先提出。Hopfield网络目前主要应用于联想记忆和优化计算等问题。其中的联想记忆原理是：当某个矢量输入网络后，经过反馈计算，最后达到稳定状态，在Hopfield网络输出端得到另一矢量，此输出量是网络从初始输入量联想得到的稳定记忆，即Hopfield网络的一个平衡点。
离散Hopfield神经网络（DHNN）是二值型网络，神经元输出取值1或者-1，1表示神经元被激活的状态，而-1表示神经元被抑制的状态。一个三神经元组成的离散Hopfield神经网络，其网络结构如图1所示。 图1中，第0层是网络输入，第1层的神经元执行对输入信息与权系数的乘积，并且求累加和，经过非线性函数处理后，产生神经元的输出信息。是一个简单阈值函数，如果神经元的输出信息大于阈值，则神经元输出取值1；而神经元的输出信息小于阈值，则神经元输出取值-1。二值神经元的计算如公式（1）所示
（1）
式中，为外部输入，并且有公式（2）：
（2）
离散DHNN网络是输出神经元信息的一个集合，DHNN网络（输出层是个神经元）在 时刻的状态为公式（3）所示的维向量：
（3）
采用外积法设计离散Hopfield网络的权系数矩阵。给定需记忆的样本向量，如果的状态是1或者-1，则连接权值的学习利用外积规则，即：
（4）
利用外积法设计离散Hopfield神经网络步骤如下：
第一步，根据需要记忆的样本，按公式（4）计算权系数矩阵；
第二步，令测试样本为网络输出初始值，设定迭代次数；
第三步，进行迭代计算，
；
第四步，当达到最大迭代次数，或者神经元输出状态保持不变时，迭代终止；否则返回第三步继续迭代，直至满足条件为止。
2 大学生毕业设计综合成绩评定模型
影响本科生毕业设计综合成绩的因素有很多，本文仅以较为重要的10个影响因素作为评价指标：科技论文翻译（X1）、查阅资料及学习能力（X2）、出勤率（X3）、毕业设计过程中小组检查情况（X4）、毕业设计过程中院校督导组检查情况（X5）、电算模型/程序（X6）、计算书整理（X7）、施工图绘制（X8）、评阅人评阅（X9）、答辩过程表现（X10）。
参照合肥工业大学毕业设计（论文）工作实施细则，学生综合成绩可分为四五个等级：优秀（I）、良好（II）、中等（III）、及格（IV）和不及格（V）。换算成百分制，优秀在85～100分之间，良好在75～84分之间，中等在66～74分之间，及格在60～65分之间，不及格在0～59分之间。毕业设计（论文）综合成绩评定模型建立流程如图2所示的五个步骤。
该文列举出20个学生的毕业设计（论文）综合成绩评定等级与10个评价指标之间的关系，各评价指标采用百分制，如表1所示。将各个等级的样本对应的个评价指标平均值作为各个等级理想评价指标，即作为Hopfield神经网络的平衡点，如表2所示。
离散型Hopfield神经网络神经元的状态只有1和-1两种情况，当评价指标映射为神经元状态时，需要将其进行编码。编码规则为：当大于或者等于某个等级的指标时，对应的神经元状态设为1，否则设为-1。理想的5个等级评价指标编码如图3所示，其中表示神经元状态为1，即大于或等于对应的理想评价指标值；如果小于理想评价指标值，则用表示。
5个待评定的学生等级评价指标如表3所示，由前面所述的编码原则得到这5个毕业设计（论文）综合成绩待评定学生的评价指标编码，如图4所示。在Matlab软件中利用自带的人工神经网络工具箱，创建基于离散型Hopfield的综合成绩评定模型，再确定待评定的5个学生等级评价指标的编码，并且将其作为评定模型的输入，经过一定次数的学习，最终得到学生综合成绩评价的输出结果。
为了直观显示结果，以图形的形式显示仿真结果，如图5所示，其中第1个学生评定等级为第II级，第2个学生评定等级为第III级，第3个学生评定等级为第I级，第4个学生评定等级为第IV级，第5个学生评定等级为第V级。
3 结语
基于Hopfield人工神经网络，建立工科本科生毕业设计（论文）综合成绩评定模型，并对5个学生的成绩进行评定，得到如下结论。
（1）设计的Hopfield神经网络综合成绩评定模型可以快速、直观地对工科本科生的毕业设计（状况）进行进行评定，方法简单易行，并能有效保证评定结果的准确性，避免打分过程中的各种人为主观因素，体现成绩评定过程中的规范性和科学性。
（2）在我校现有的毕业设计（论文）评定方法基础上，尝试对每个学生的毕业设计（论文） 按照上述方法再进行一次评定，比较两次结果是否一致。对两次的成绩评定结果，再按照加权算术平均法确定最终的毕业设计（论文）成绩。
参考文献
[1] 张志英.模糊评价法在本科毕业设计成绩评定中的应用[J].浙江理工大学学报， 2011，28（3）：467-470.
[2] 李瑞兰.层次分析法在毕业设计（论文） 成绩评定中的应用[J].长春工程学院学报（社会科学版），2011，12（4）：156-158.
[3] Hopfield， J. J. Neural Networks and Physical Systems with Emergent Collective Computational Abilities. Proceedings of the National Academy of Sciences of the United States of America， 1982， 79： 2554-2558.
[4] 史峰，王小川，郁磊，等.Matlab神经网络30个案例分析[M].北京航空航天大学出版社，2011.
[5] 合肥工业大学本科毕业设计（论文）工作实施细则.合肥工业大学教务部，2014.
关键词：毕业设计（论文） 成绩评定 离散Hopfield网络评定模型
中图分类号：G64 文献标识码：A 文章编号：1674-098X（2014）10（a）-0228-03
Evaluation method of comprehensive performance for undergraduate in the graduation design （thesis）
HE Min ZHU YaLin
（School of Civil and Hydraulic Engineering， Hefei University of Technology， Hefei，Anhui，230009，China）
Abstract：In this paper， according to the more important ten evaluation indicators， the five grades ideal evaluation is established corresponding to the level of comprehensive performance of twenty undergraduates. Combined with associative memory capacity of discrete Hopfield neural networks， a new evaluation method of comprehensive performance for undergraduate in the graduation design （thesis） is presented. In order to evaluate the effectiveness of the assessment model， five undergraduates are assessed by the model， the network connection weights is obtained by iterative learning using the outer product method. The simulation results show that the comprehensive performance assessment model of undergraduates based on discrete Hopfield neural networks can assess the comprehensive performance of undergraduates fast， accurately and intuitively.
Key words：graduation design（thesis） performance evaluation DHNN evaluation model
毕业设计（论文）是高校教学实践中实现培养目标的最后一个综合性环节。学生在各自老师指导下，按照教学计划要求，独立撰写完成毕业设计（论文）。毕业设计（论文）是大学生在校期间所学知识、理论等各种能力的综合应用、升华，创新潜能得到了充分激发，并且对专业教学目标、教学过程、教学管理以及教学效果进行全面检验。
毕业设计（论文）成绩不仅影响到学生评优和学士学位的获取，也使得他们在做毕业设计（论文）过程中，清楚认识到自身在哪些方面存在不足。因此对于本科毕业设计（论文）综合成绩的评定，一定要公正、合理。目前我校毕业设计综合成绩评定分成三部分：首先是指导教师评阅，给出建议成绩；其次在答辩前，专业教研室组织本学科教师进行交叉评阅，给出建议成绩；最后由答辩委员根据学生答辩情况，并参考指导教师、评阅人所建议的成绩给出最终的毕业设计（论文）成绩。这种评定方法存在评价指标缺乏定量的评定标准、工作繁琐、时间滞后，人为主观因素对评价结果影响很大。因此如何快速、准确地对众多学生的毕业设计（论文）进行客观、公正评价，是一项很有意义的工作。
目前应用于毕业设计（论文）综合成绩评定的方法有模糊评价法[2]、层次分析法等，该文尝试选用我校毕业设计毕业过程中较为重要的10个评价指标的数据，结合离散Hopfield神经网络（DHNN）的联想记忆能力，建立离散Hopfield评定模型；将待评定的学生等级评价指标编码作为该模型的输入，利用外积法对网络连接权值进行迭代学习，数值仿真结果表明，此种方法能够快速、准确、直观地得到众多学生综合成绩的评定结果。
1 外积法设计DHNN网络
离散Hopfield神经网络这种全连接型网络可以模拟生物神经网络的记忆功能，由美国物理学家J.J Hopfield在1982年首先提出。Hopfield网络目前主要应用于联想记忆和优化计算等问题。其中的联想记忆原理是：当某个矢量输入网络后，经过反馈计算，最后达到稳定状态，在Hopfield网络输出端得到另一矢量，此输出量是网络从初始输入量联想得到的稳定记忆，即Hopfield网络的一个平衡点。
离散Hopfield神经网络（DHNN）是二值型网络，神经元输出取值1或者-1，1表示神经元被激活的状态，而-1表示神经元被抑制的状态。一个三神经元组成的离散Hopfield神经网络，其网络结构如图1所示。 图1中，第0层是网络输入，第1层的神经元执行对输入信息与权系数的乘积，并且求累加和，经过非线性函数处理后，产生神经元的输出信息。是一个简单阈值函数，如果神经元的输出信息大于阈值，则神经元输出取值1；而神经元的输出信息小于阈值，则神经元输出取值-1。二值神经元的计算如公式（1）所示
（1）
式中，为外部输入，并且有公式（2）：
（2）
离散DHNN网络是输出神经元信息的一个集合，DHNN网络（输出层是个神经元）在 时刻的状态为公式（3）所示的维向量：
（3）
采用外积法设计离散Hopfield网络的权系数矩阵。给定需记忆的样本向量，如果的状态是1或者-1，则连接权值的学习利用外积规则，即：
（4）
利用外积法设计离散Hopfield神经网络步骤如下：
第一步，根据需要记忆的样本，按公式（4）计算权系数矩阵；
第二步，令测试样本为网络输出初始值，设定迭代次数；
第三步，进行迭代计算，
；
第四步，当达到最大迭代次数，或者神经元输出状态保持不变时，迭代终止；否则返回第三步继续迭代，直至满足条件为止。
2 大学生毕业设计综合成绩评定模型
影响本科生毕业设计综合成绩的因素有很多，本文仅以较为重要的10个影响因素作为评价指标：科技论文翻译（X1）、查阅资料及学习能力（X2）、出勤率（X3）、毕业设计过程中小组检查情况（X4）、毕业设计过程中院校督导组检查情况（X5）、电算模型/程序（X6）、计算书整理（X7）、施工图绘制（X8）、评阅人评阅（X9）、答辩过程表现（X10）。
参照合肥工业大学毕业设计（论文）工作实施细则，学生综合成绩可分为四五个等级：优秀（I）、良好（II）、中等（III）、及格（IV）和不及格（V）。换算成百分制，优秀在85～100分之间，良好在75～84分之间，中等在66～74分之间，及格在60～65分之间，不及格在0～59分之间。毕业设计（论文）综合成绩评定模型建立流程如图2所示的五个步骤。
该文列举出20个学生的毕业设计（论文）综合成绩评定等级与10个评价指标之间的关系，各评价指标采用百分制，如表1所示。将各个等级的样本对应的个评价指标平均值作为各个等级理想评价指标，即作为Hopfield神经网络的平衡点，如表2所示。
离散型Hopfield神经网络神经元的状态只有1和-1两种情况，当评价指标映射为神经元状态时，需要将其进行编码。编码规则为：当大于或者等于某个等级的指标时，对应的神经元状态设为1，否则设为-1。理想的5个等级评价指标编码如图3所示，其中表示神经元状态为1，即大于或等于对应的理想评价指标值；如果小于理想评价指标值，则用表示。
5个待评定的学生等级评价指标如表3所示，由前面所述的编码原则得到这5个毕业设计（论文）综合成绩待评定学生的评价指标编码，如图4所示。在Matlab软件中利用自带的人工神经网络工具箱，创建基于离散型Hopfield的综合成绩评定模型，再确定待评定的5个学生等级评价指标的编码，并且将其作为评定模型的输入，经过一定次数的学习，最终得到学生综合成绩评价的输出结果。
为了直观显示结果，以图形的形式显示仿真结果，如图5所示，其中第1个学生评定等级为第II级，第2个学生评定等级为第III级，第3个学生评定等级为第I级，第4个学生评定等级为第IV级，第5个学生评定等级为第V级。
3 结语
基于Hopfield人工神经网络，建立工科本科生毕业设计（论文）综合成绩评定模型，并对5个学生的成绩进行评定，得到如下结论。
（1）设计的Hopfield神经网络综合成绩评定模型可以快速、直观地对工科本科生的毕业设计（状况）进行进行评定，方法简单易行，并能有效保证评定结果的准确性，避免打分过程中的各种人为主观因素，体现成绩评定过程中的规范性和科学性。
（2）在我校现有的毕业设计（论文）评定方法基础上，尝试对每个学生的毕业设计（论文） 按照上述方法再进行一次评定，比较两次结果是否一致。对两次的成绩评定结果，再按照加权算术平均法确定最终的毕业设计（论文）成绩。
参考文献
[1] 张志英.模糊评价法在本科毕业设计成绩评定中的应用[J].浙江理工大学学报， 2011，28（3）：467-470.
[2] 李瑞兰.层次分析法在毕业设计（论文） 成绩评定中的应用[J].长春工程学院学报（社会科学版），2011，12（4）：156-158.
[3] Hopfield， J. J. Neural Networks and Physical Systems with Emergent Collective Computational Abilities. Proceedings of the National Academy of Sciences of the United States of America， 1982， 79： 2554-2558.
[4] 史峰，王小川，郁磊，等.Matlab神经网络30个案例分析[M].北京航空航天大学出版社，2011.
[5] 合肥工业大学本科毕业设计（论文）工作实施细则.合肥工业大学教务部，2014.