基于分层PSO-BP神经网络的在线教学质量评价模型优化SP - 6647683 VL - 2020 AB -在教学质量评价中针对BP神经网络收敛速度慢、容易陷入局部最优的缺点，提出了一种基于层次分析法(AHP)和粒子群优化BP神经网络(PSO-BP)的在线教学质量评价模型。首先建立网络教学质量评价体系，采用层次分析法确定网络教学质量评价体系中各子系统和各指标的权重，然后结合实际经验，根据安全法规构建各指标的风险值。通过BP神经网络建立回归模型，并利用粒子群算法优化模型的权值和阈值。基于BP神经网络在线教学质量评价模型，不断调整模型参数，选择合适的函数，优化神经网络训练学习过程中使用的粒子群算法。通过信效度检验验证了问卷的科学性。根据评分结果，结合网络课程质量评价指标体系中各指标的权重系数，得出影响网络课程质量的关键因素。基于调查数据，采用描述性统计、方差分析和Pearson相关系数法对研究假设进行验证，得到有价值的实证结果。通过与标准BP模型的比较，结果表明，PSO-BP模型的精度高于标准BP模型，PSO-BP有效地克服了BP神经网络的缺点。SN - 1076-2787 UR - https://doi.org/10.1155/2020/6647683 DO - 10.1155/2020/6647683 JF -复杂性PB - Hindawi KW - ER -