王 芮

(阜阳幼儿师范高等专科学校，安徽 阜阳 236015)

0 引言

信息化时代背景下，传统的课堂变成了以电脑、手机及移动终端为辅助的网络课堂，学生可以随时随地学习。对学生学习成绩的预测是教师及时了解学生学习情况，有的放矢地调整教学方案，制定更加具有针对性学习方案的关键所在。神经网络是采用一种类似于大脑神经突触连接结构的信息处理模型，目前被广泛应用于成绩预测中。BP(back propagation)神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络，在实际使用过程中存在算法收敛速度慢、效率低下等问题。粒子群优化算法(particle swarm optimization)，简称PSO算法，是一种通过模拟鸟群觅食行为发展起来的随机搜索算法，将PSO算法对BP神经网络初始化权重系数进行优化可以达到提高网络收敛速度的目的[1]。基于此，本文采用PSO-BP网络对学习成绩的预测问题进行研究。

1 PSO-BP网络

1.1 BP神经网络

BP神经网络是按照误差逆向传播算法训练的多层前馈神经网络，由Rumelhart提出，在实际工程中具有广泛的应用。典型的BP神经网络共包含三层，分别为输入层、隐含层和输出层，具体如图1所示[2]。

图1 典型BP神经网络结构

BP网络计算包括正向传播和误差逆向传播两个过程，正向传播过程为x从输入层传递到隐含层，同时从隐含层传递到输出层。如果输出层的输出数据y和期望值不匹配，那么就会进入到误差反向传播阶段。通过误差反向传播来不断地修正连接的权重，从而达到误差逐渐减少的目的。……