| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外现状 | 第10-12页 |
| 1.2.1 国外职业教育课业考评现状 | 第10-11页 |
| 1.2.2 国内职业教育课业考评现状 | 第11页 |
| 1.2.3 人工神经网络发展概况 | 第11-12页 |
| 1.3 论文研究方法与内容 | 第12-14页 |
| 1.3.1 研究方法 | 第12-13页 |
| 1.3.2 研究内容 | 第13-14页 |
| 第2章 BP神经网络相关理论基础 | 第14-26页 |
| 2.1 人工神经网络简介 | 第14-16页 |
| 2.1.1 生物神经元与人工神经元 | 第14-15页 |
| 2.1.2 人工神经网络分类 | 第15-16页 |
| 2.2 BP神经网络 | 第16-21页 |
| 2.2.1 BP神经网络的结构及特点 | 第16-18页 |
| 2.2.2 BP神经网络的训练过程 | 第18-19页 |
| 2.2.3 BP神经网络学习算法的改进 | 第19-20页 |
| 2.2.4 BP神经网络的局限性 | 第20-21页 |
| 2.3 遗传算法 | 第21-25页 |
| 2.3.1 遗传算法的原理 | 第21-22页 |
| 2.3.2 遗传算法的基本操作 | 第22-23页 |
| 2.3.3 常用遗传算子 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 课业考评系统及存在问题 | 第26-31页 |
| 3.1 引言 | 第26页 |
| 3.2 课业考评的主要功能 | 第26-27页 |
| 3.2.1 导向功能 | 第26页 |
| 3.2.2 诊断调节功能 | 第26页 |
| 3.2.3 鉴定功能 | 第26-27页 |
| 3.3 课业考评的类型 | 第27-28页 |
| 3.3.1 形成性评价 | 第27页 |
| 3.3.2 终结性评价 | 第27-28页 |
| 3.4 课业考评存在的主要问题 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 基于BP神经网络的课业考评模型 | 第31-37页 |
| 4.1 评价指标设计原则 | 第31-32页 |
| 4.1.1 系统性原则 | 第31页 |
| 4.1.2 针对性原则 | 第31页 |
| 4.1.3 实用性原则 | 第31-32页 |
| 4.1.4 独立性原则 | 第32页 |
| 4.2 职业教育课业考评体系的构建 | 第32页 |
| 4.3 基于GA优化的BP神经网络课业考评模型构建 | 第32-36页 |
| 4.3.1 遗传算法参数设置 | 第33-34页 |
| 4.3.2 神经网络模型的建立 | 第34-35页 |
| 4.3.3 遗传算法优化的BP神经网络模型结构 | 第35-36页 |
| 4.4 本章小结 | 第36-37页 |
| 第5章 系统实例与结果分析 | 第37-49页 |
| 5.1 课业考评设计 | 第37页 |
| 5.2 样本数据的获取 | 第37-39页 |
| 5.2.1 样本收集要求 | 第37-38页 |
| 5.2.2 样本数据的采集 | 第38-39页 |
| 5.3 基于BP神经网络课业考评的实现 | 第39-44页 |
| 5.3.1 样本数据的处理 | 第39-40页 |
| 5.3.2 样本数据的训练 | 第40-41页 |
| 5.3.3 训练结果与分析 | 第41-44页 |
| 5.4 遗传算法优化的BP神经网络课业考评的实现 | 第44-48页 |
| 5.4.1 样本数据的优化 | 第44-45页 |
| 5.4.2 训练结果与分析 | 第45-48页 |
| 5.5 本章小结 | 第48-49页 |
| 第6章 结论 | 第49-51页 |
| 6.1 总结 | 第49-50页 |
| 6.2 展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 申请学位期间的研究成果及发表的学术论文 | 第55页 |