杨阳+王宏+化成城+殷长昊+李开元

摘要：本文从创新型人才培养的知识结构出发，以机械工程学科课程体系为研究对象，基于QS世界大学排名相关参数指标，使用现代数学分析和建模方法，建立了三层BP神经网络分析模型，并在MATLAB上对样本数据进行了训练和数据验证，模型误差集中于-0.6—+0.5。基于该模型定量地求出了QS排名系统未列出的中国某些高校的QS参数。对比分析结果表明，高校机械学科课程体系结构是决定其在QS系统排名的重要影响因素。本研究对于机械工程学科进入国际一流学科和培养创新型人才具有借鉴作用。

关键词：一流学科；课程结构；BP神经网络；创新型人才

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2017）03-0162-02

建设国际一流的学科是创建国际一流大学的基础，坚持以一流为目标，以机械工程学科为基础，优化课程结构体系，培养创新型人才。机械工程学科课程结构建设是研究生培养的重要特征，也是创新型人才培养的重要载体和平台。本文以大学排名为依托，选取全球范围内认可度较高的大学排名——国际高等教育研究机构Quacquarelli Symonds（简称QS）世界大学工程技术类排名的各项参数作为依据。设计人工神经网络模型，将众多复杂的指标综合起来，并予以量化。

一、课程结构与创新型人才培养的关系

培养创新型人才既是当前中国高校教育改革与发展的一个重要课题，也是中国经济社会发展的迫切需要，对知识的学习和积累也提出了更高的要求。任何课程体系都必须围绕并服务于创新人才各方面素质的全面发展以及个性培养而设计，不能顾此失彼，从各门课程的组成要素看，也必须注意进行整体设计，兼顾各要素之间的联系，才能起到相互促进的作用[1]。人们在社会科学、自然科学和技术科学等各学科内，通过多门学科相结合，运用各种方法、技巧等，使其相互结合，形成新的学科，提高研究生的创新能力。

二、基于BP神经网络的机械工程研究生课程结构分析

BP神经网络是被广泛应用的一种重要网络形式，主要用来进行非线性系统的输入输出映射关系建模。本文采用的是隐含层为一层的三层BP神经网络模型，该模型为有监督的多层前向网络，由三层神经元组成：输入层、隐含层和输出层，其不同层之间用网络权值进行连接，同层内部神经元之间没有连接关系[2]。

通过对QS世界大学排名中工程技术类排名前400的部分院校进行排名指标数据整理和汇总，以及对其机械工程学科研究生课程进行搜集和分类，参考部分典型的课程结构分类标准，将机械工程学科的研究生课程分为自然科学基础、工程技术基础、机械设计、机械制造、机电一体化、生物方面、能源环保方面、微纳尺度、管理九类课程，作为九个指标，将其每类课程所占百分比，作为BP神经网络输入层的神经元；输出层有四个神经元，数据来源于QS世界大学排名中工程技术类排名，包括总体得分、学术声誉、全球雇主评价、单位教职的论文引用数。通常我们要根据网络收敛性能的好坏来确定隐含层神经元个数，通过对大量网络模型结构的分析研究，得到以下经验公式[3]：

S=■+a 1≤a≤10 （2.1）其中S为隐含层节点数，m为输入层节点数，n为输出层节点数。根据公式（2.1），我们首先将隐含层神经元数目设置为10，然后逐步增加到15和20。进行多次实验，通过误差的对比，发现在隐含层神经元个数为25时，该BP神经网络的性能最好。因此，该BP神经网络模型隐含层神经元数目设为25。将输入数据的70%作为训练数据，15%作为测试数据，15%作为验证数据，通过对训练结果进行测试，误差达到所要求的范围内则说明网络模型良好[4]。利用MATLAB训练及测试后的网络误差情况如下页图1所示，训练和测试误差均达到预期效果，大多集中在零误差附近，该模型满足实际的应用要求。

三、中国高校与国际一流学科大学的对比分析

列举中国某“211工程”、“985工程”高校，对其研究生院机械工程学科课程结构进行调查与统计，将其课程分布的9个参量输入到训练好的BP神经网络，推测出其总体得分、学术声誉、全球雇主评价、单位教职的论文引用数4个参量。

输入x=[9.76 13.82 39.84 11.38 21.95 0.00 0.81 0.81 1.63]；

输出ans=57.8018 28.9101 38.9170 72.6147

中国某高校总体得分为57.8018，学术声誉28.9101，全球雇主评价38.9170，单位教职的论文引用情况72.6147。从推测出的数据看，在QS排名中，中国某高校主要落后在学术声誉、全球雇主评价等指标上，相比于国际一流学科高校还是有很大的差距，差距最大的主要是科研水平和国际化方面，尤其是在科研水平方面。对比来看，在课程设置中，国际一流大学一流学科都有着丰富的课程设置，强调多学科融合以及新兴领域的学习，注重课程设置，推进创新型人才的培养。中国高校要创建国际一流学科，加大培养创新型人才的力度，应强化基础知识的学习，多开设工程技术基础类课程；在此基础上，加强专业知识的拓宽，不同专业方向专业课程供开放选择，增设新兴领域的课程学习[5]。另外，要强化多学科知识的融合，设置大量交叉学科课程，提高实践能力，锻炼和提高学生的实践和创新能力。

四、结论

本文研究了国际一流大学机械工程学科的课程体系结构，利用QS世界大学排名相关参数指标，建立了三层BP神经网络分析模型，对国际一流高校的机械工程学科课程结构进行了分析。基于所建数学模型，求出了中国某高校的QS总体得分、学术声誉、全球雇主评价、单位教职的论文引用情况等。选用QS排名中的29所高校作为系统样本，其中25组作为训练样本，4组作为测试样本，通过MATLAB完成网络的训练和测试，使用训练好的BP网络模型，推测QS排名系统未列出的中国某高校的QS相关参数，将其与国际一流学科的数据进行了比较分析。结果表明，中国某高校机械工程学科在课程结构设置上需要整体优化，强调多学科融合，拓宽知识面，巩固基础知识学习，加大创新型人才培养力度。

参考文献：

[1]郭丛斌，孙启明.中国内地高校与世界一流大学的比较分析——从大学排名的视角[J].教育研究，2015，（02）：147-157.

[2]饶海琴，雷良海.重点课程建设对创新人才培养的思考[J].课程教育研究，2013，（32）：255-256.

[3]卢铮松，李珂珂.基于人工神经网络的研究生课程评价模型[J].现代教育技术，2009，（10）：53-57.

[4]聂勇，马其平.国际一流高校创新型人才培养模式建构的思考[J].内蒙古农业大学学报（社会科学版），2011，（06）：126-127.

[5]刘强，潘鹏飞，王玉清.变革中的大学学科排名——QS世界大学学科排名最新进展与反思[J].比较教育研究，2015，（12）：35-41.

Research on the Course Structure of International First-Class Mechanical Engineering Using Neural Network

YANG Yang，WANG Hong，HUA Cheng-cheng，YIN Chang-hao，LI Kai-yuan

（Northeastern University School of Mechanical Engineer & Automation，Shenyang，Liaoning 110819，China）

Abstract：Mechanical engineering course system was taken as the research object，based on QS World University rankings relevant parameters，in order to cultivate innovative talents，used modern mathematical analysis method，established a three layer BP neural network analysis model，errors have been lumped in -0.6—+0.5. Based on this model，some Chinese universities，which are not listed in the QS rankings system，were quantitatively calculated. The results of comparative analysis show that the structure of the mechanical course system in universities is an important influence factor to the rankings of the QS system. This study is useful for the mechanical engineering disciplines to enter the international first-class disciplines and cultivate innovative talents.

Key words：first class discipline；course structure；BP neural network；innovative talents