当前位置:大学毕业论文> 本科论文>材料浏览

神经网络相关在职开题报告范文 和基于BP神经网络的高职院校图书馆读者满意度测评类专科毕业论文范文

主题:神经网络论文写作 时间:2024-01-17

基于BP神经网络的高职院校图书馆读者满意度测评,该文是神经网络有关本科论文怎么写跟高职院校和神经网络和BP神经网络类研究生毕业论文范文.

神经网络论文参考文献:

神经网络论文参考文献 计算机网络毕业设计图书馆建设杂志网络营销相关论文网络论文

摘 要:在ACSI的基础上建立了读者满意度指标体系,通过调查问卷的方式对某高职院校图书馆的读者满意度进行了调研,在对问卷的分析处理的基础上建立了基于BP神经网络的高职院校图书馆读者满意度评价模型,并用R语言对样本数据进行学习和训练,为高职院校读者满意度测评提供了一种较为有效和实用的方法.

关键词:读者满意度BP神经网络R语言

中图分类号:G258 文献标识码:A

文章编号:10039082 (2017) 04000001

高职院校图书馆要承担高职院校教学、科研和向广大师生提供信息服务的重任.图书馆提供服务的质量的优劣程度会直接影响到职业教育的效果.评价服务质量的方法之一就是建立一套完善的图书馆读者满意度测评体系.所谓的读者满意度就是读者通过使用图书馆得意实现阅读和获取知识信息的完善程度.客户的满意度来源于客户的评价,但这一的评价无法直接进行观测或计量.文献[1]指出,美国学者D anutaNitecki最先将SERVQUAL应用到图书馆的服务质量评价研究.文献[2-4]将结构方程模型的方法应用到图书馆读者满意度是测评当中,并在客户满意度指数模型的基础上提出了图书馆读者满意度指数.文献[5]在建立BP神经网络的基础上分析了超市顾客满意度和各个结构变量之间的关系,得出了影响满意度的各指标因素的排序.本文参考ACSI的评价指标体系并结合高职院校的特点,提出了基于BP神经网络的高职院校图书馆读者满意度测评模型.通过某高职院校图书馆的调研数据验证了模型的有效性和实用性.

一、原理与方法

BP神经网络是一种按误差逆传播算法训练的多层前馈网络,其学习算法是学习规则(误差校正学习算法),算法的特征是利用输出后的误差来估计输出层的直接前导层的误差,再用这个误差估计更前一层的误差,如此一层一层的反向传播下去,就获得了所有其他各层的误差估计[6].这里我们以典型的三层BP网络为例,如图1所示的是一个有三个输入点,4个隐层节点和一个输出节点的一个三层BP神经网络.

正向传播时,输入信号经过隐层的处理后,传向输出层.若输出层节点未能得到期望的输出,则转入误差的逆向传播阶段,将输出误差按某种子形式通过隐层向输入层返回,并分给隐层的4个节点和输入层的三个输入节点,从而获得各层单元的参考误差,作为修改各单元权值的依据.当然,最开始的权值是随机给予的.1到1的随机数.通过权值的不断修改,误差逐渐减少到可以接受的范围或者达到了设定的训练(运行)次数为止. 二、实证分析 1评价指标 要科学地对读者满意度进行测评,必须有一套适合高职院校图书馆的评价指标体系.本文根据文献[3]的模型,共设置满意度评价指标11个:A馆藏资源(图书种类A1、图书总量A2、期刊种类A3);B图书馆服务(流通服务B1、资料查找B2、阅览座位B3);C图书馆环境(资源部局CI、环境舒适性C2、开放时间C3);DI作人员(服务态度D1、服务效率D2).因变量指标为:E总体满意度(总体满意度E1,与期望相比E2,图书馆对个人发展的影响E3) 2建立模型 设置满意度评价指标是11个,即输入节点数为11个.输出层的输出结果为读者满意度所处的等级,分为非常满意、满意、一般满意、不满意、非常不满意五个等级,结果比为其中之一,所以输出层节点数为1个.对于隐层节点数的选择,目前没有一个标准的确定方法,通常按照如下经验公式来确定

其中,,2为输入层节点数,,为输出层节点数,a为1到10之间的常数.通过多次的比较,我们选取的隐层节点数为12个.

3数据采集与分析

本次研究通过发放纸质问卷的形式对在校学生进行调查.共发放100份问卷,有效回收100份,有效率lOO%.得出数据样本后,我们将原始数据样本(专家样本)随机选取80%作为训练样本,剩下的20%.作为测试样本.分析语言为R语言3 3 2版本,分析工具为开源免费的RStudi01.0.44.在R语言中,BP神经网络作为一种常用的分类预测算法之一是通过nnet程序包中的nnet()函数来实现的. 3 1数据划分 对专家样本随机选取20%作为测试样本,剩下的80%作为训练样本. 3 2神经网络 训练样本建模的混淆矩阵如表1所示,分类准确率为96.2%,将一次真实值为“一般满意”判断为“满意”;两次“不满意”判断为“一般满意”.构建神经网络模型的代码见附录代码清单2.测试样本建模的混淆矩阵如表2所示,分类准确率为75%.出现五次误判:将两次真实值为“满意”判断为“非常满意”;将一次真实值为“一般满意”预测为“满意”;一次将真实值为“满意”预测为“一般满意”;一次将真实值为“一般满意”预测为“不满意”.

三、结论

以上数据,均通过R3.3.2计算得到.对于训练样本,如上的模型分类准确率达到90%以上,对于测试样本的分类准确率达到了80%.用BP神经网络算法进行分类评标决策能够很好地处理问题,较为准确的得出预测结果,不但能充分发挥专家的作用,也能够尽量地避免个人主观猜测所带来的错误结果.

该文结束语,上述文章是大学硕士与神经网络本科神经网络毕业论文开题报告范文和相关优秀学术职称论文参考文献资料,关于免费教你怎么写高职院校和神经网络和BP神经网络方面论文范文.

高职院校图书馆阅读活动推广
杨超瑜(广东南华工商职业学院 广东 广州 510507)摘 要伴随着信息技术的高速发展,传统的阅读方式受到很大冲击,导致学生阅读水平下降 为了解决这一问题,高职院校的管理人员加大推广图书馆阅读活动的力.

高职院校图书馆信息管理系统的设计和实现
随着计算机技术的发展及其在各个领域中的广泛应用,相应的一些计算机软件也不断出现 在高职院校的图书馆管理工作中,也逐渐采用计算机技术,这样能够促进图书信息管理的效率 本文从实际出发,关注于未来的发展,建.

如何提高高职院校图书馆管理水平
随着我国素质教育的不断推进,教育部门为高职院校对学生的培养提出了新的要求,即不仅要培养知识性人才,更要培养知识与技能结合的全面复合型人才 图书馆作为高职院校教育学生的有利工具,做好图书馆的管理工作无疑.

高职院校图书馆管理与服务探析
中图分类号G712 文献标识码A DOI10 16871j cnki kjwha 2018 06 049摘要在高职院校实际发展的过程中,应当重视图书馆管理工作,创新服务方式,建立专门的管理系统,协调各.

论文大全