基于BP神經網絡的科研績效評價模型結構

張友海

(安徽職業技術學院，安徽 合肥 230011)

科研績效評價是對科研從事人員所取得的科研成果的綜合評估。目前，國內高校的現有科研績效評價體系中，就評價技術而言，具有指標體系和評價系統設計不合理等問題?？偟膩碚f，應采用怎樣的方法來提升科研績效評價系統的合理性和正確性，減少盲目性，激發科研活力，是當前各高校都十分關注的熱點問題。BP神經網絡作為最接近人類大腦思維方式的技術手段，對于構建智能化的科研績效評價系統有著重要作用。

1 BP神經網絡結構

1985年，BP(Error Back Propagation )算法是Williams、Hinton以及Rumelhart提出的，是一種前饋型神經網絡其主要思想是通過一邊向后傳遞誤差，一邊修正誤差的方法來不斷調節網絡參數(權、閾值)，以實現或逼近所希望的輸入、輸出映射關系。它可以較好的解決多層網絡中隱含單元連接權及閾值的學習問題，其結構有3層，分別是輸入層、隱含層、輸出層，其中輸入層和輸出層均有1個，而隱含層的數量則不確定，可以是1個，也可以是多個，如圖1所示。

圖1 神經網絡結構

采用BP神經網絡建模的的一個重要前提條件就是要有足夠多的典型性好和精度高的樣本集。而且為了保證學習過程中不發生“過擬合”及有效監控、評價建立的網絡模型的性能和泛化能力，必須將收集到的數據集隨機的分成訓練樣本、檢驗樣本和測試樣本3部分。在進行網絡訓練的過程中，我們需要對隱層節點與輸入節點的連接權值、輸出節點和隱層節點之間的連接權值進行不斷的調整，進而使得網絡模型輸出值和已知的訓練樣本輸出值之間的偏差平方和達到最小或小于某一期望值。BP神經網絡在經過有限樣本的學習訓練之后，找到數據所蘊含的規律。

2 基于主成分分析法的BP神經網絡的建模

主成分分析法即為分析樣本集中的相關性，將多個相關變量化為少數幾個不相關變量。目前，在高校的科研績效評價中，主要的評價指標有：發表論文的類型及數量如SCI收錄論文數等、主辦學術會議次數及級別、發表論文的作者排序、科研項目類型及數量、科研或教學成果獎勵等級和項數、團隊精神與創新文化建設、科研交流與活動、外派訪問學者人數、獲獎成果總數、科技專著總數、發表論文的刊物影響因子、科技獎勵及成果、科研經費與項目、知識產權轉讓或使用授權數、省部級成果獎勵項數、召開學術報告次數、發明專利等級、科研項目資助規模、地市級成果獎勵項數、國家自然科學基金項目金額、科研成果鑒定、唯一主編著作篇數、科技成果轉化專利授權及著作專利、發明專利項數、專著總部數、合作主編著作篇數、科研總經費、科研時間、科研項目類別、國家自然科學基金項目數量等[6]。使用MATLAB軟件對某院校2017年的科研數據進行主成分分析得到9個主成分特征值，按特征值從大到小的順序得到貢獻率和累計貢獻率如表1所列。

表1 各主成分的貢獻率和累計貢獻率表

注：主成分1：學術論文；主成分2：科技獎勵；主成分3：科研成果；主成分4：專利授權及相關知識產權；主成分5：學術著作；主成分6：科研經費與項目；主成分7：科研交流與活動；主成分8：人才隊伍；主成分9：科研平臺。

在進行科研績效的評價時，很多評價指標之間具有相關性，這會使獲取的信息具有重疊的問題。在這種情況下，我們可以使用基于主成分分析法的BP網絡神經系統來進行科研績效的評價。如上所述，我們利用MATLAB工具篩選出9個不相關的主成分指標，以此構建一個新的評價體系。在該體系中，僅保留了主成分樣本數據，這樣會使輸入樣本初始化工作大大減少，在此狀態下，輸入指標將會大幅的銳減，由原來的幾十項減少為現在的九項，這樣減少的主要目的是提高BP神經網絡的收斂速度，并且提升其工作效率。

3 基于主成分的BP網絡模型的訓練

對主成分BP網絡模型進行訓練時的步驟如下：

(1)樣本劃分。根據上述的科研績效評價數據，在BP神經網絡原型之下，使用MATLAB工具，將上邊篩選出來的9個指標數據作為輸入層節點，最終得分就是輸出層節點。隨機抽取某個月份的績效數據，將其作為訓練樣本，然后選取另外月份的績效數據作為驗證樣本，同時還要選取其他月份的績效數據數據作為預測樣本。

(2)確定隱含層節點數。確定時，一般可以根據經驗公式來進行，“湊試”就是一種十分有效的的方法。在使用時，首先確定一個十分小的隱含層結點數，在確定之后對其進行訓練，在訓練時，如果訓練次數已經十分多，或者已經達到了規定的訓練次數，但是收斂仍然沒有實現，在這種情況下，需要停止訓練。然后增加隱含層結點數，再次進行訓練；

(3)網絡訓練。在進行網絡訓練時，先將訓練樣本輸入在系統中，然后使用MATLAB進行樣本訓練工作，使程序不斷的進行學習，不斷的降低誤差值，使其能夠縮小至0.001之下，當誤差值縮小至0.001之下時，結束計算，網絡將會完成收斂。

4 結束語

本文主要闡述了基于主成分BP神經網絡在科研績效評價中的建模方法，力爭縮小評價的主觀性，提升客觀性和科學性，在后續功能完善后將可以直接應用解決類似問題。因此我們可以大膽的設想，在科研績效評價體系中，基于主成分的BP神經網絡將會具有良好應用前景和應用價值。