文摘

针对传统教学模式中存在的问题,本文利用智能优化英语教学课程多向变异遗传算法及其优化神经网络的方法。首先,本文给出了智能英语课程优化系统框架基于多向突变遗传BP神经网络,分析了局部优化传统BP算法存在的问题。BP神经网络优化算法基于多方向的变异遗传算法(MMGA-BP)。然后,多向突变遗传摘要算法应用于智能优化英语教学课程。仿真表明,多方向的变异遗传BP神经网络算法可以解决当地传统BP神经网络的优化问题。最后,对照组和实验组建立验证多向变异遗传算法的作用及其优化神经网络智能优化系统的英语教学课程通过总结性的组合和形成性教学评价。数据显示,MMGA-BP算法可以显著提高学术英语课程的学生的成绩和有更好的教学表现。词汇教学的影响的指导下MMGA-BP优化理论是非常重要的,它在智能课程中扮演一定的角色优化实验类的。

1。介绍

传统的英语教学是一个教师对学生单向的“培训”活动。老师是知识的占有者和占领英语课堂中的主导地位。教师和学生转教师中心1]。传统的英语课堂教学认为,学生是知识的接受者和缩小教学知识教学的功能,但不注意学生的教学经验生活。在给予和接受知识的过程,学生是剥夺了他们独特的经验和对知识的理解。缺乏情感体验的学习,为学生知识只是一堆死知识,错误的知识(2]。在中国传统的英语课堂教学,它主要强调学生学习主要是基于间接经验。学生是有限的和绑定在书中世界。英语课堂已成为一个“神圣的教堂”传授纯粹的书本知识。学生,如圣人的“教堂”,刚性和机械的生活远离现实生活中获取科学知识。Rational开发已经成为学生人生发展的全部内容。新课程提出了许多新思想,这使得教学世界盛开。然而,一些问题也被暴露在英语课程改革的过程中。英语课程改革要想取得成功至关重要,教学和研究专家和一线教师仍有很长的路要走。针对这些问题,教师仍然需要不断地变化和适应满足培养21世纪人才的需要(3]。

传统的优化方法中,传统的教学过程优化方法通常是用来提高优化效率。然而,在优化算法,我们必须用历史经验,教学经验,反复的实验来选择课程,所以没有大局,而且,与个性化教学需求的增加,近似分析的准确性大幅减少(4]。最近,人们做了大量的探索和研究工作发展的新的优化方法。课程领域的优化,引入神经网络方法是探索的方向之一。文献[5)提出了一系列优化措施对英语教学课程根据教学过程的优化理论,结合分级教学的研究现状,学生的心理和情绪问题,在分级教学的实施教学管理问题。文献[6)指出,结合需求分析理论和分级教学是外语教学改革的客观要求。需求分析理论的亲切关怀下,分级教学显示了巨大的优势在促进学生的学习热情,促进课堂教学效果,促进英语教学的发展从标准化的统一教学个性化的教学。文献[7]讨论了Babanski的教学过程最优化理论,认为这一理论遵循的方法论原则科学指导教学和合理地组织教学过程。教学系统的特点是基于综合考虑教学规律、教学原则、教学任务,和现代教学的形式和方法,以及内部和外部条件。这个理论也是分级教学的理论依据之一,可以广泛应用于英语教育。在文学的研究8),旨在探讨教育公平和正义分级教学造成的情况下,建议我们应该首先认识到分级教学的基本概念,提出公平和卓越的价值观密不可分。我们不能忽视人才培养因为我们提倡教育的均衡发展;否则,我们的教育将平庸的教育而不是高质量的教育;这不是一个强大的国家的教育,进一步澄清了分级教学的基本概念。文献[9讨论的背景和定义”我+ 1”的理论,然后试图结合”我+ 1”理论与大学英语分级教学。它指出,“我+ 1”的理论是最重要的一个对大学英语分级教学的理论基础,起着积极的指导作用;它还专注于启蒙运动的“我+ 1”理论对大学英语分级教学和外语学习10]。

许多国内学者深入研究的结合GA和摘要,成果显著。文献[11)结合改进的遗传算法和BP神经网络来解决短期地震预测的问题。文献[12)提出了一个基于摘要利用遗传算法和应用在酒精气体传感器阵列的筛选识别实验。文献[13)利用遗传算法优化控制器参数基于神经网络结构并进行了相关实验。文献[14)结合了遗传算法和人工神经网络模型来确定维修策略的一部分。文献[15]提出GA-BPNN解决复杂工程优化问题。文献[16)提出了一种基于人工神经网络的高速通道建模方法准确预测信道参数矩阵。文献[17训练和测试的单隐层前馈神经网络,限制学习机器。通过学习样本数据,人工神经网络可以模拟任何非线性系统在复杂的环境中,所以它可以实现精确建模。

然而,并没有相关文献将BP神经网络和遗传算法应用到英语教学课程优化(18]。的贡献总结如下:(1)智能英语课程的框架基于多向突变遗传BP神经网络的优化系统。(2)一个BP神经网络优化算法基于多方向的变异遗传算法(MMGA-BP)提出了解决当地传统BP网络的优化问题。(3)通过比较对照组和实验组通过总结性的组合和形成性教学评价,多向变异遗传算法的优点及其优化的神经网络智能优化系统的英语教学课程进行了验证。因此,本文提出了一个基于多方向的变异遗传算法和智能优化算法优化的神经网络在英语教学课程。提出了一种多方向的变异遗传算法,混合各种编码方法;克服了缺点的“十”字分布传统遗传算法人口和增强遗传算法的局部搜索能力,通过引入一个新的大型突变和小规模的搜索。本文的一系列函数优化对比实验是进行多方向的变异遗传算法,一般遗传算法,一般two-population遗传算法和PSO算法,与实验结果进行了分析:耦合函数,我们的方法有很大的优势效率高和良好的局部性。本文上述算法应用于英语教学课程优化,取得了较好的结果。

节2本文设计的智能优化结构对英语教学课程介绍。部分3介绍了BP神经网络算法研究基于多方向的变异遗传算法优化(MMGA-BP)。部分4测试实验和结果分析。部分5是结论。

2。为英语教学课程设计的智能优化结构

2.1。对英语教学智能优化系统的结构

整个系统由管理系统、平台系统,监控系统,和英语教学系统,如图1。管理系统、平台系统、学生管理和储备的课程管理系统。基于网络,教的预订信息管理系统保存到数据库,和他们的课程信息可以在任何联网的计算机,也就是说,系统设计和实现。英语教学系统是安装在入口的教学。学生进入教室需要刷信用卡来验证他们的身份和课程预订信息在进入教学的地方。学习后,学生需要刷信用卡离开,保持学生的上课时间,记录学生的课堂情况。监控系统由独立的教室,每个教室里外籍教师和学生。下课后,学生需要完成的反馈对他们的满意度,和外籍教师需要完成的类评价学生在课堂上学习。评为“不合格”的学生不能获得课程的学时。

教师的教学管理、教师应该建立有效的课堂环境,保持课堂互动,和促进课堂生长的过程。达到一个好的教学管理效果,教师必须使用合理的教学方法和教学组织形式来表达教学内容对学生在课堂教学的过程中,充分调动学生课堂参与的积极性。在分级教学的实施计划、大学做出以下要求教师教学管理:课堂教学采用任务型,经验,和基于项目的教学模式。同时,提出了传统课堂教学相结合的教学模式与“第二课堂”,强调学生的课外自主学习。在标准化教学管理应发挥作用,促进教学质量的提高。学生的课外学习是指导和管理在几个方面:英语学习策略指导项目,导航计划由少数民族学生英语学习困难的学生,英语竞赛活动,大学英语四级,,研究生入学考试英语系列指导,和为学生提供一系列的指导对找工作来说,海外交流,和进一步研究。

2.2。英语教学管理平台的设计基于B / S模式

浏览器服务器结构的英语实践管理系统结构,并通过浏览器用户界面提出了。结合内置的服务器配置,程序编写的数据库语言。系统包括客户端浏览器,浏览器,数据库服务器。

在动态模式下,用户提出了系统通过客户端浏览器请求到服务器,服务器解释执行文件通过一定的规则。它需要访问数据库时,提交标准数据库访问声明数据库服务器通过数据库访问接口。数据库服务器将数据处理的结果返回给服务器,服务器返回到浏览器在形式上并显示执行结果。系统中的逻辑实现主要是在服务器端实现,简化了客户端程序建设的工作负载。后续系统升级和扩张只需要修改服务器端代码,因此,该系统具有良好的可伸缩性。结构原理图所示2。系统采用模块化设计在整个设计。该系统包括普通客户端用户模块和客户端管理员模块。普通用户模块包括学生和外籍教师模块。这样用户只完成自己的学习或使用过程相关教学任务在这个系统里,没有内部权限管理功能。管理员模块需要区分不同的权限和执行相应的操作。同时,采用框架结构在学生课程预订模块,避免了扭转的缺点在不同课程页面浏览的过程中。

3所示。研究基于多方向的变异遗传算法的BP神经网络算法优化(MMGA-BP)

3.1。MMGA-BP算法框架的设计

各种英语课程教学的理论,一个是探索各种智能的组合在多元智能理论及其教学的发展战略,以公正和协调多元智能的发展。例如,语言智能和数理逻辑智能的有机结合可以提高学生语言表达的有效性。数学逻辑智能和视觉空间智能的结合可以构造模式协会充满理性和抽象思维变成图形图像记忆。人际交往智能和身体动觉智能的组合可以进行游戏教学。任意组合的智能和认知情报可以加强反思的学习。二是探索多元智能理论之间的巧合和其他语言教学理论,以设计一个词汇教学策略整合多个理论。这一原则的本质是坚持集成和优化的有机统一,发挥教学效果这一理论没有在教学实践。因此,算法结构图多向变异遗传算法及其优化神经网络构造如下。

如图3,首先,英语教学和词汇课程数据通过系统收集并存储在数据中心(它包含英语单词、句子、语法、逻辑结构,和英语逻辑)。通过特征提取,信息的教学经验,教学过程,教学过程,教学态度,学生分数是提取并送到摘要。摘要是多向变异遗传算法进行优化(MMGA-BP),可以改善摘要的准确性。

3.2。研究多向变异遗传算法

在遗传算法,虽然二进制单点交叉或两点交叉似乎会增加种群的多样性,扩大搜索空间,就像生物生殖隔离,“随机交配会破坏父母的遗传信息,不利于人口进化。此外,在大量的简单遗传算法的函数优化实验,作者发现简单遗传算法的运营商,尤其是浮点编码方案的遗传算子,将导致人口的分布形式的一种“+。“在现实编码的遗传算子,无论是交叉或变异,基因片段的染色体改变的概率非常低,通常是一个或几个基因发生了什么变化,而其他基因保持不变,形成一个“十字”分布。在这篇文章中,混合与浮点编码遗传算法交叉和二进制变异。算法具有多向突变的能力,打破了“十”字的分布规律,并使它相对简单的人口跳出陷阱,朝着最优搜索超平面。在此基础上,本文还提出了一种动态编码方案。动态编码方案的功能是确保个人不会偏离最远的从中央最优值时为小种群进行遗传操作。动态编码方案主要是针对GA和MMGA算法。多向变异遗传算法设计的总体结构如图4。

在整个算法的操作之前,需要确定人口规模popsize,最大循环代数maxgen,交叉率 ,突变率两个种群的浮点编码染色体长度据nvar,二进制编码染色体长度chromlen和动态编码突变范围区间和设置当前进化代数生成0。(1)初始化:算法读取算法上层决策变量定义字段(据nvar)和低(据nvar)和随机初始化种群根据变量定义字段。虽然算法采用混合编码方法,为了方便实现,浮点数是主要用于编码方法。当需要其他编码操作,浮点数可以转化成相应的编码。在整个解空间,popsize个体是随机生成的,人口,然后一个个体是随机生成的。所有个人的人口B复制这个个体;即人口B需要1点搜索起点。(2)精英保留策略:本文提出的改进算法也将使用这种精英保留策略,但两个种群的最优个体保存在自己的内部。最优个体的信息将被保存在相应的内存空间人口(popsize)和构造函数(popsize)。(3)本文的最大进化代数作为停止条件。 In practical application, conditions can be added appropriately according to specific conditions, which does not affect the performance of the algorithm. (4) This paper adopts roulette selection method, also known as fitness proportion method. Each individual in the population calculates the selection probability in proportion according to its fitness value. (5) Crossover operator and mutation operator: the crossover operator of this algorithm adopts the single-point crossover method, where, for the two parent individuals that meet the crossover conditions, a point is randomly selected and the gene segments are exchanged before and after the point, so as to produce two new individuals, namely, the chromosome of the offspring. As mentioned in the previous chapter, the crossover operator of the two populations in this paper adopts floating-point coding to ensure that the genetic information of the parent generation can be completely retained to the offspring. Population A adopts binary coding, which can effectively avoid the population distribution in the form of “cross” and increase the global search ability. Population B uses dynamic coding to mutate in a fixed small range to enhance local search ability. It is worth mentioning that because the search range of population B is very small, the variation rate PCB of the population can be appropriately improved. Large variation rate combined with small variation range is more conducive to local optimization. (6) Migration operator: it is larger than the population [popsize] of population A and the constructor [popsize] of population B. If the population [popsize] is larger, it means that population A finds a better individual. At this time, all individuals of population B are copied as population [popsize], and this individual is used as the new search starting point.

3.3。MMGA-BP研究解决方案

摘要MMGA-BP串行的方式进行;即利用遗传算法找到最优权重和阈值的摘要提供初始化输入接近最优方法;梯度下降法是用于训练摘要,和BP算法的局部搜索能力,进一步找到最优参数。MMGA-BP框架设计如图5。

神经网络训练测试样本可以输入一个接一个地或作为一个整体的一批样品。整批样本输入方法有助于减少示例输入序列的影响在培训过程。为了更好的测试影响神经网络的拟合函数问题,这里只使用第一种方法;即连续取样输入方法用于训练摘要。这是减少神经网络的有利因素,突出了多向搜索MMGA当分析实验结果的能力。MMGA-BP方法的流程图如图6。

摘要完成培训,我们需要完成下面的四个步骤:步骤1:初始化的重量由MMGA BP神经网络。步骤2:随机选择样本数据: 和 。步骤3:根据神经元结构设计,重量参数随机产生: 在哪里和分别隐藏神经元的输入和输出;和分别为输出层的输入和输出。步骤4:反向传播机制是利用BP网络的调整参数。当误差值小于设定的阈值,训练结束。

4所示。测试实验和结果分析

4.1。教学实验设置和参数设置

本文的教学实验时间是从3月1日,2020年,2020年6月31日。不包括学生的假期时间和考试时间,累计有效实验周期是15周。首先,教学实验的评价对象是普通类科学高中二年级。选择两个高级的主要原因如下:它需要一些时间来熟悉高中英语教学的特点,发现他们的问题和困难在学习英语的过程中;高级三个学生面对高考的压力,老师也不是容易放弃传统的教学模式进行教学实验;经过一年的高中生活,高级两个学生也强调了各种英语学习中存在的问题。英语教师迫切需要改变词汇教学的现状。

其次,教学实验的效果评价是基于月度试卷由学校组织。以首次出现月度考试的英语成绩为预备调查数据的意义t以及小样本均值之间的差异和总体的意思是进行科学的普通类(类1 - 8和11到18门)。英语的统计指标性能表明,第4类和类5很近的意思是,标准误差和标准差,这两个类的值大于0.05,说明英语类4类5的性能和年级的英语平均水平的性能是相似的。为了进一步验证类4和5类教学并行类,结果表明,概率意义方差同质性测试为0.759,大于0.05,所以我们接受假设同质性得分的平方差异。平等的意思是测试的双尾概率sig,意义是0.9618。

以下4.4.1。MMGA-BP参数设置

经过多次实验,在遗传算法的参数包括变异概率米、人口规模和交换概率C。遗传算法的三个参数的最优值米= 0.096,n= 60岁,C= 0.91。确定隐层节点的数量根据摘要隐藏层,训练精度和隐层节点的数量P不断调整,直到达到精度值。摘要利用模型分析和调试后,是6-17-3。

实验主要从两个角度进行了部分:(1)验证MMGA-BP算法在GA-BP算法的优越性;实验主要比较了收敛速度和准确性;(2)基于MMGA-BP英语课程优化的优点,我们计算传统教学计划的学生。

4.2。优势MMGA-BP算法的验证

为了进一步验证的优点MMGA-BP算法在优化网络权值,通过仿真实验结果比较的例子。表1显示了MMGA-BP的结果,H隐层节点的数量;年代是学习速率;米是动力因素;ES是误差的平方和。这意味着当隐层节点的数量是17日MMGA-BP网络具有最好的性能。因此,隐藏节点的数量是17。

搜索遗传算法的初始重量的过程如图7(一)。MMGA效率高在搜索神经网络的权重。400代,可以减少误差小于0.5。多向突变能力使算法能快速找到一个新的搜索超平面和提高算法的性能。1000代之后,错误稳步下降,表明本地搜索的搜索程序可以扮演一个角色。上述过程表明,MMGA可以发挥好的初步搜索的作用,减少神经网络的训练时间神经网络拟合高维的问题和非线性耦合函数。

MMGA-BP算法的收敛图如图7 (b)。遗传算法搜索后,神经网络的重量应该在最优解附近。在这个时候,采用梯度下降法。在图中,0代后,迅速上升至0.6,误差在一定比例减少,使得误差迅速接近0。这种情况的可能原因是,虽然遗传算法进化重量附近的神经网络解决方案的最佳优势,它不给神经网络的下行方向。因此,当神经网络训练开始时,由于无知的信息有过度拟合。这需要进一步的研究和探讨,留给将来得到解决。之后,神经网络可以继续下降,误差小于原始,这表明,遗传算法的初始化解决方案需要摘要的再培训。

4.3。验证教学效果和优越性

解释英语教学课程的优点和优势优化算法MMGA-BP算法的基础上,本文以实验教学后续每月测试结果由学校组织的后续测试数据,提取的英语成绩从每月测试总分数据库,选择50人在每个类作为参考,并使用SPSS 19.0统计软件对相关数据的统计分析指标。

首先,一个小样本检测的意义不同。从图可以看出8英语的分数首次出现月度值测试显示,对照组和实验组有相同的英语水平。在第二个月测试中,实验班的平均得分(93.7)0.9分高于控制类的(92.8),实验班的标准差(8.261)略低于控制类的(8.813),和英语教学课程的优化效果基于MMGA-BP没有明显的在实验的开始。在第三和第四个月的测试中,均值差异实验类和控制类展示了极显著的水平。中期和后期阶段的实验,实验班的英语性能明显超过了控制类。英语教学课程的教学优势优化基于MMGA-BP越来越明显。为了消除的影响因素,如学生的学习英语的努力水平和试卷的难度在这个实验,进一步验证英语教学课程的词汇教学效果优化基于MMGA-BP,意义t以及小样本的平均值之间的区别(每个类)和整体的平均值(年级)。

为了消除的影响因素,如学生的学习英语的努力水平和试卷的难度在这个实验,进一步验证基于MMGA-BP英语课程的教学效果优化系统,接下来,at的意义以及进行小样本之间的差异(每个类)的意思是和整体(年级)的意思。

如表所示2,经过两个多月的教学实验,平均英语实验班和控制班的成绩高于年级平均水平。然而,值表明,之间没有显著差异的平均分数控制类和年级水平,这是高度显著。实验班的结果已经在年级水平,相比其他评价类排名第一。实验班的离散程度(SD = 7.654)的波动水平明显低于年级(SD = 9.978)和离散程度的控制类(SD = 9.773)略高于年级平均水平。这表明,在实验中,词汇教学的影响遵循MMGA-BP优化理论是非常重要的,和智能课程优化实验班的学生也扮演了一个角色。

5。结论

针对传统教学模式中存在的问题,本文利用智能优化英语教学课程多向变异遗传算法及其优化神经网络的方法。首先,本文给出了智能英语课程优化系统框架基于MMGA-BP算法;我们分析了局部优化传统的BP算法存在的问题,和MMGA-BP。MMGA-BP算法解决了传统BP算法的局部优化问题。此外,MMGA极大地提高了GA算法的效率。同时,英语成绩的统计数据,在以前的月度检查表明,在早期阶段的教学实验中,英语课程的教学优势优化系统基于MMGA-BP并不重要。在实验的中后期阶段,英语课程的教学实践优化系统基于MMGA-BP和学生的英语学习能力不断加强,实验类的进步速度加快,控制类基本上是静止的,和其他评估类的进步是缓慢的。在后期的实验中,实验类已成为重点类眼中的教师和学校的星级。接下来,我们将使用其他启发式优化算法(如帝王蝶优化(MBO),蚯蚓优化算法(EWA),大象放牧优化(EHO),蛾搜索(MS)算法,黏菌算法(SMA),和哈里斯鹰优化(HHO))进一步提高英语课程教育。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

本文的工作是由南京邮电大学。