| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2.1 研究背景 | 第8页 |
| 1.2.2 研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 神经网络的发展概况 | 第9-10页 |
| 1.2.2 教学质量评价发展概况 | 第10-11页 |
| 1.3 主要研究内容 | 第11-12页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 研究方法 | 第12页 |
| 1.4 本章小结 | 第12-14页 |
| 第二章 教学评价概述 | 第14-22页 |
| 2.1 引言 | 第14-17页 |
| 2.1.1 教学评价的意义 | 第14-15页 |
| 2.1.2 评价的作用 | 第15-16页 |
| 2.1.3 评价的方式与内容 | 第16-17页 |
| 2.2 教学评价的分类 | 第17-18页 |
| 2.3 高校教学中的几种评价 | 第18-21页 |
| 2.3.1 师生因素评价 | 第19-20页 |
| 2.3.2 教学过程评价 | 第20-21页 |
| 2.3.3 课堂效果评价 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 一种改进的RBF神经网络 | 第22-28页 |
| 3.1 引言 | 第22-23页 |
| 3.1.1 径向基函数 | 第22页 |
| 3.1.2 径向基插值 | 第22-23页 |
| 3.2 RBF神经网络 | 第23-25页 |
| 3.2.1 RBF神经网络结构 | 第23-24页 |
| 3.2.2 RBF神经网络模型 | 第24页 |
| 3.2.3 RBF神经网络算法 | 第24-25页 |
| 3.3 改进的RBF神经网络算法 | 第25-27页 |
| 3.3.1 L-M算法概述 | 第25-26页 |
| 3.3.2 改进的L-M算法 | 第26-27页 |
| 3.3.3 算例仿真 | 第27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 课程教学效果评价模型的建立 | 第28-34页 |
| 4.1 引言 | 第28页 |
| 4.2 指标体系的设置原则 | 第28-29页 |
| 4.3 指标体系的初选 | 第29页 |
| 4.4 指标体系的校验 | 第29-31页 |
| 4.4.1 指标体系的测验 | 第30页 |
| 4.4.2 指标体系的优化 | 第30-31页 |
| 4.5 评价指标体系的建立 | 第31页 |
| 4.6 评价模型的建立 | 第31-33页 |
| 4.7 本章小结 | 第33-34页 |
| 第五章 改进的RBF网络在课程教学效果评价中的应用 | 第34-42页 |
| 5.1 引言 | 第34页 |
| 5.2 评价模型构建 | 第34-35页 |
| 5.2.1 课程改革概况 | 第34页 |
| 5.2.2 评价指标体系 | 第34-35页 |
| 5.2.3 评价等级划分 | 第35页 |
| 5.2.4 评价模型构建 | 第35页 |
| 5.3 实际应用分析 | 第35-41页 |
| 5.3.1 样本数据的采集 | 第35-38页 |
| 5.3.2 样本数据的处理 | 第38页 |
| 5.3.3 RBF网络的构造 | 第38-39页 |
| 5.3.4 评价效果及分析 | 第39-41页 |
| 5.4 本章小结 | 第41-42页 |
| 结论 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 致谢 | 第46-47页 |