| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-14页 |
| 1.2 教育信息化绩效评价的国内外研究现状及发展趋势 | 第14-16页 |
| 1.2.1 国外相关研究 | 第14-15页 |
| 1.2.2 国内相关研究 | 第15-16页 |
| 1.3 课题研究概述 | 第16-17页 |
| 1.3.1 课题研究的目标内容与方法 | 第16-17页 |
| 1.3.2 课题研究的难点 | 第17页 |
| 1.4 本文的组织结构 | 第17-19页 |
| 第2章 多目标综合评价及绩效评价指标体系的构建 | 第19-34页 |
| 2.1 多目标综合评价的概述 | 第19-20页 |
| 2.1.1 多目标综合评价的概念 | 第19页 |
| 2.1.2 多目标综合评价的五个阶段 | 第19-20页 |
| 2.1.3 多目标综合评价指标体系的建立原则 | 第20页 |
| 2.2 多目标综合评价方法 | 第20-23页 |
| 2.2.1 层次分析法（AHP） | 第20-22页 |
| 2.2.2 模糊综合评价法 | 第22-23页 |
| 2.3 基础教育信息化绩效评价指标体系的构建 | 第23-26页 |
| 2.3.1 绩效评价指标体系建立的基本原则 | 第23-24页 |
| 2.3.2 绩效评价指标体系的建立 | 第24-26页 |
| 2.4 确定绩效评价各指标的评分细则 | 第26-29页 |
| 2.5 确定各评价指标的权重 | 第29-33页 |
| 2.5.1 权重及其确定方法 | 第29-30页 |
| 2.5.2 权重咨询表的设计 | 第30-32页 |
| 2.5.3 评价指标权重的数据计算 | 第32-33页 |
| 2.6 小结 | 第33-34页 |
| 第3章 BP 神经网络及算法改进 | 第34-43页 |
| 3.1 神经网络概述 | 第34-35页 |
| 3.1.1 人工神经网络模型的分类 | 第34-35页 |
| 3.1.2 人工神经网络的学习规则 | 第35页 |
| 3.2 BP 神经网络 | 第35-41页 |
| 3.2.1 BP 神经网络的拓扑结构 | 第36页 |
| 3.2.2 BP 算法的数学描述 | 第36-38页 |
| 3.2.3 BP 神经网络学习算法及流程 | 第38页 |
| 3.2.4 BP 算法的主要缺陷 | 第38-39页 |
| 3.2.5 目前 BP 算法的改进措施综述 | 第39-41页 |
| 3.3 基于自适应误差信号的改进 BP 算法 | 第41-42页 |
| 3.3.1 定义自适应误差信号 | 第41页 |
| 3.3.2 改进算法的仿真 | 第41-42页 |
| 3.4 小结 | 第42-43页 |
| 第4章 基于 MATLAB 的教育信息化绩效评价建模及实现 | 第43-54页 |
| 4.1 基于 MATLAB 的 BP 神经网络工具箱简介 | 第43-45页 |
| 4.2 基础教育信息化绩效评价的 BP 网络模型 | 第45-47页 |
| 4.2.1 基于 BP 神经网络综合评价的优势 | 第45-46页 |
| 4.2.2 面向绩效评价的 BP 网络模型 | 第46页 |
| 4.2.3 面向绩效评价的 BP 网络算法流程 | 第46-47页 |
| 4.3 基于改进 BP 算法的基础教育信息化绩效评价的仿真实现 | 第47-50页 |
| 4.3.1 评价指标值的归一化处理 | 第47-48页 |
| 4.3.2 初始值选取 | 第48页 |
| 4.3.3 BP 网络的训练样本输入矩阵设计 | 第48-49页 |
| 4.3.4 基于 MATLAB 神经网络工具箱的 BP 网络实现 | 第49-50页 |
| 4.4 基础教育信息化绩效评价的应用实例 | 第50-53页 |
| 4.4.1 BP 神经网络的输入变量、输出变量 | 第50-51页 |
| 4.4.2 收集原始数据并归一化处理 | 第51-53页 |
| 4.4.3 评价结果分析 | 第53页 |
| 4.5 小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59页 |
