人工智能視域下BP灰色神經網絡助推智能教育

劉效含 李華

摘 要：隨著科學技術的迅速發展，在人工智能浪潮的沖擊和影響下，教育必將面臨一場深層次的變革。教育的發展離不開師資和學資，優化教育資源是完善提高教育質量的重中之重，智能教育必將是時代背景下教育發展所追逐的目標。本文利用BP神經網絡和灰色系統，建立了一個應用于智能教育的BP-GM（1，1）預測模型，避免“一鍋端”式的教學，精準預測學生的發展傾向，對學生進行分層次的個性化培養。

關鍵詞：人工智能 灰色系統 BP神經網絡 智能教育

中圖分類號：TP319 文獻標識碼：A 文章編號：1672-3791（2018）08（b）-0005-02

隨著灰色神經網絡為代表的機器學習算法在各個領域取得的成功，以及云計算、大數據等提供豐富而源源不斷的數據資源，人工智能正步入一個飛速發展的時期，且改變著各行各業，人工智能與教育的融合創新必將成為未來教育變革與發展的重要趨勢。在此形勢下，教育如何適應智能時代的需求，乘智能時代之風，利用智能技術推進教學模式變革，成為世界各國政府面臨的重要挑戰。

1 精準預測，避免“一鍋端”式的教學

在人工智能大數據的背景下創建智能教育，實施學生培養的個性化。例如，人工智能技術可根據學生的出勤率、考試成績以及金工實習成績等數據，如同量身定做一樣，為每一個學生預測其發展傾向，實現個性化、分層次培養。當學生的特征不明確或效果不明顯時，人工智能還可通過改進智能算法或優化數據分析，基于各類知識庫進行推理，實時反饋，從而不斷完善預測算法的相關系數，優化預測模型，提高個性化預測的準確性。

通過該預測系統可以及時掌握學生的狀態，提高教學質量，在出現問題之前提前做好防范措施，避免由于“一鍋端”式的教學而導致人才損失或是問題學生的產生。

2 人工智能與智能教育技術框架

人工智能的實現主要依賴于3個核心要素：數據、算法、服務，其中數據是基礎，算法是核心，服務是目的。通過構建“數據層”“算法層”“服務層”來完成整個通用技術框架。

（1）數據層。數據層也可稱之為數據庫，主要負責采集、整理、存儲有關學生各類教育方面的數據，它是作為整個系統的輸入端口，也是整個系統得以實現的基礎與根源。

（2）算法層。算法層是整個技術形態實現的核心。運用各種算法對數據層的數據進行運算、分析，實現數據的智能化處理。

（3）服務層。服務層是是整個技術系統實現的最終功能的體現。它接受來自算法層的處理結果，并作為整個系統的輸出端口服務于教育的各個領域。

本文提出了一個基于BP灰色神經網絡預測模型的技術框架，如圖1所示。

3 基于BP神經網絡的灰色系統的教學評價預測模型

3.1 灰色GM（1，1）預測模型

3.2 BP神經網絡

人工神經網絡處理信息是從已有的數據中自行歸納規則，獲得數據的某種內在聯系，通過樣本信息對神經網絡達到一個訓練的作用，它具有良好的自學習、自適應、聯想記憶、并行處理和非線性形轉換能力，特別適合于因果關系復雜的非確定性推理、判斷、識別和分類等問題[3]。

BP神經網絡是基于誤差反向傳播（back propagation）算法的多層前饋網絡。它的學習過程由信號的正向傳播與誤差的逆向傳播兩個過程組成[4]。

3.3 BP-GM（1，1）預測模型的建立

（1）輸入原始數據資料。

（2）應用灰色系統模型進行預測，得到預測序列；

（3）將預測值作為輸入量，原始數據作為期望值，對BP神經網絡進行訓練，得到相應的權值和閥值；

（4）輸入需要預測的時間點，就可以獲得相當精度的預測量。

4 結語

教育是一個非常復雜的體系，對學生的學習行為和狀況進行科學合理的評價和精準的預測，也是一項艱難的任務。但隨著人工智能帶來的信息化和智能化的理念和實現手段，為教育的快速發展提供了前所未有的便利。

本文在人工智能大時代背景下，應用BP神將網絡與灰色系統構建智能教育BP-GM（1，1）預測模型，通過該模型即可準確的預測學生的發展方向，教師就可以根據學生特性進行有目的培養，不至于造成師資、學資的浪費，達到精準預測，精準培養的智能教育體系。

參考文獻

[1] 劉思峰，謝乃明.灰色系統理論及其應用[M].北京：科學出版社，2013：1-2.

[2] Xiao Han Liu.A Novel Grey Forecasting Model with Rolling Mechanism using Taguchi-Based Differential Evolution Algorithm to Optimize the Bicycle Industry in China[J].Industrial Engineering & Management Syetems， 2018，17（1）：72-81.

[3] 劉中俠，蔣詩泉.基于灰色GM（1，1）和BP神經網絡組合預測模型及應用[J].銅陵學院學報，2016，15（3）：102-104.

[4] 蔡自興，徐光祐.人工智能及其應用[M].北京：清華大學出版社，2010：243.