基于學習矢量量化神經(jīng)網(wǎng)絡(luò)的創(chuàng)造力評價

田金亭，甘媛源，余嘉元

（南京師范大學 教育科學學院，南京 210097）

基于學習矢量量化神經(jīng)網(wǎng)絡(luò)的創(chuàng)造力評價

田金亭，甘媛源，余嘉元

（南京師范大學 教育科學學院，南京 210097）

剖析了創(chuàng)造力評價的重要意義及當前存在的問題，根據(jù)創(chuàng)造力評價指標及等級的數(shù)目，構(gòu)建了由輸入層、隱含層、輸出層組成的學習矢量量化（LVQ）神經(jīng)網(wǎng)絡(luò)，用訓練好的網(wǎng)絡(luò)對測試樣本進行仿真測試，仿真結(jié)果和實際情況正好相符，體現(xiàn)出 LVQ神經(jīng)網(wǎng)絡(luò)在創(chuàng)造力評價中的實用性和有效性。

創(chuàng)造力；LVQ神經(jīng)網(wǎng)絡(luò)；訓練；測試

0 引言

評價人的創(chuàng)造力是一項極富挑戰(zhàn)性的工作，對中學生創(chuàng)造力的評價也不例外，學校鑒別或評價創(chuàng)造力的目的并不是簡單地把學生分為“有創(chuàng)造性”和“無創(chuàng)造性”[1]，而以培養(yǎng)創(chuàng)新性人才為宗旨，把具有不同創(chuàng)造性水平的學生區(qū)分開來，利用教育心理學原理、創(chuàng)造力理論等制定出適宜的培養(yǎng)方案。創(chuàng)造力評價是培養(yǎng)開發(fā)創(chuàng)造力的首要環(huán)節(jié)，因為只有評價得當，才能把那些創(chuàng)造力非凡的學生鑒別出來，為他們的發(fā)展提供更大的舞臺，同時對創(chuàng)造力水平不突出的學生進行切實有效的培養(yǎng)。

創(chuàng)造力是個抽象的概念，關(guān)于它的測評，心理學研究者時常會通過問卷或訪談等方法獲得創(chuàng)造力各個指標上的得分，根據(jù)實際需要，列出不同的等級水平，諸如優(yōu)、良、差等，最后根據(jù)各個指標所處的等級，綜合評判出創(chuàng)造力的水平。當需要評價的被試、指標個數(shù)、指標等級水平都較少時，由專業(yè)人士來完成這份評價工作就相對容易。然而，當三者之中，有一項數(shù)目較大時，工作量就變得相當大，評價者也容易犯主觀的錯誤，利用人工甚至就無法完成。為此，作者試圖尋求一種客觀的智能技術(shù)來解決此類問題，以求既能省時省力，又能保證評價結(jié)果的可靠性。

在模式識別技術(shù)中，單層感知器是一致逼近線性函數(shù)空間最簡單的網(wǎng)絡(luò)，但是它對非線性樣本空間不可分，BP網(wǎng)絡(luò)應(yīng)用很普遍，但容易陷入局部最小值，其它一些優(yōu)化策略如遺傳算法等，全局最小值可以求得，但是計算量很大，容易出現(xiàn)效率問題。學習矢量量化（LVQ）神經(jīng)網(wǎng)絡(luò)具有較強的容錯性和魯棒性[2]，一般需要設(shè)計者自己先建立網(wǎng)絡(luò)決策系統(tǒng)，只要網(wǎng)絡(luò)決策系統(tǒng)設(shè)計的合理，輸入實際所需的性能指標后，就能得到較為滿意的識別結(jié)果。作者嘗試用LVQ神經(jīng)網(wǎng)絡(luò)首次對創(chuàng)造力進行評價。

1 創(chuàng)造力數(shù)據(jù)的采集與處理

1.1 被試

抽取聊城市兩所中學高二年級兩個班的學生作為被試，共110人，其中男生60名，女生50名。被試分別來自市重點高中和非重點高中。

1.2 測量工具與指標的獲得

測量工具為威廉斯創(chuàng)造力傾向測量表，共50個題目，包含正向題目和反向題目，正向題目：A記3分，B記2分，C記1分；反向題目：A記1分，B記2分，C記3分。該問卷考察的創(chuàng)造力指標可歸納為挑戰(zhàn)性、冒險性、好奇性、想象性四個方面。

1.3 創(chuàng)造力等級的評判

問卷實測完畢后，刪除無效問卷，得到有效問卷100份，通過SPSS13.0統(tǒng)計軟件包[3]計算問卷的信度、效度，二者均在0.8以上，說明這是一份可信有效的問卷調(diào)查。其中，信度是指采用同一方法對同一對象進行調(diào)查時，問卷調(diào)查結(jié)果的穩(wěn)定性和一致性，效度是指測量工具或手段能夠準確測出所需測量事物的程度[4]。算出各個指標的分數(shù)，每個指標從優(yōu)、良、差三個等級來衡量，最后，運用模糊綜合評價法[5]把四個指標的等級綜合起來考慮，對創(chuàng)造力總體水平做個評判。鑒于篇幅問題，本文只從100份有效問卷中隨機抽取9份進行實驗，問卷從1到9依次編號，各個指標具體得分和創(chuàng)造力判斷結(jié)果見表1。

表1 各指標分數(shù)及總體水平

2 LVQ神經(jīng)網(wǎng)絡(luò)簡介

LVQ神經(jīng)網(wǎng)絡(luò)是在有教師指導狀態(tài)下對競爭層進行訓練的一種網(wǎng)絡(luò)，它在模式識別和優(yōu)化領(lǐng)域有著廣泛的應(yīng)用。一個LVQ網(wǎng)絡(luò)由輸入層、隱含層、輸出層三層神經(jīng)元組成，輸入層與隱含層之間為完全連接，隱含層和輸出層間為部分連接，每個輸出神經(jīng)元與隱含神經(jīng)元的不同組相連接。

LVQ神經(jīng)網(wǎng)絡(luò)的學習規(guī)則結(jié)合了競爭學習和有教師學習的規(guī)則，即需要一組正確網(wǎng)絡(luò)行為的例子來訓練該網(wǎng)絡(luò)。此神經(jīng)網(wǎng)絡(luò)的學習是通過改進了的Kohonen規(guī)則，改變輸入層和競爭層之間的連接權(quán)值來進行的，即在每次迭代過程中，將一個輸入向量提供給網(wǎng)絡(luò)，并且通過競爭層計算每個原型向量與輸入向量之間的距離，與輸入向量距離最近的神經(jīng)元將獲得競爭勝利，這個神經(jīng)元輸出的元素值定為1，通過相應(yīng)的公式可以算出輸出向量的值。

3 LVQ網(wǎng)絡(luò)的建構(gòu)

就本文實際問題而言，有4個評價指標和3個等級，故需設(shè)計的網(wǎng)絡(luò)結(jié)構(gòu)，輸入層應(yīng)有4個神經(jīng)元，輸出層有3個神經(jīng)元，尚待確定的是隱含層神經(jīng)元個數(shù)。考慮到隱含層神經(jīng)元個數(shù)太少容易導致網(wǎng)絡(luò)不收斂，太多又容易降低網(wǎng)絡(luò)收斂速度，根據(jù)以往構(gòu)建網(wǎng)絡(luò)的經(jīng)驗，選擇隱含層神經(jīng)元個數(shù)為4，LVQ網(wǎng)絡(luò)結(jié)構(gòu)初步確定如圖1。

4 程序設(shè)置

4.1 訓練、測試樣本的選擇

選取序號為1,2,3,4,5,6的樣本作為訓練樣本，樣本在四個指標上的分數(shù)作為輸入向量P，樣本等級輸出的優(yōu)、良或差分別用二進制代碼001,010,100表示，則目標向量 T為：

序號為7,8,9的樣本構(gòu)成測試樣本。

4.2 網(wǎng)絡(luò)創(chuàng)建與訓練

以Matlab6.5為實驗平臺，創(chuàng)建一個LVQ網(wǎng)絡(luò)，

minmax(P)指輸入向量中每行的最小值、最大值組成的矩陣，這里4代表隱含層神經(jīng)元個數(shù)，1/3是指輸入向量對應(yīng)的等級1，2，3的個數(shù)各占1/3。另外，學習速率設(shè)為0.1，網(wǎng)絡(luò)訓練誤差定為0.01，

學習函數(shù)采用learnlv1，檢查確定的初始權(quán)值為零，用函數(shù)train進行網(wǎng)絡(luò)訓練，訓練步數(shù)初步設(shè)為100，如果訓練步數(shù)達到100時，網(wǎng)絡(luò)誤差仍達不到要求，適當?shù)脑黾佑柧毑綌?shù)即可。圖2是訓練步數(shù)

為100的訓練結(jié)果：

可見，網(wǎng)絡(luò)經(jīng)過27次訓練后，網(wǎng)絡(luò)性能目標為0，網(wǎng)絡(luò)誤差達到要求，此時網(wǎng)絡(luò)訓練完畢，網(wǎng)絡(luò)各層間的權(quán)值已經(jīng)固定。對于每個輸入值，網(wǎng)絡(luò)都會提供相應(yīng)的等級類別輸出，此時可以對網(wǎng)絡(luò)進行測試。

4.3 網(wǎng)絡(luò)仿真，測試網(wǎng)絡(luò)的性能

測試樣本四個指標上的分數(shù)構(gòu)成輸入向量，利用仿真函數(shù)sim進行測試，測試輸出結(jié)果為：

由于二進制代碼 1 0 0，0 1 0，0 0 1分別代表優(yōu)、良、差，故測試樣本對應(yīng)的輸出即為優(yōu)、良、差，這與表1中的實際情況完全相符，由此可見本文創(chuàng)建的網(wǎng)絡(luò)性能是不錯的，可以應(yīng)用于創(chuàng)造力的評價。

5 結(jié)語

結(jié)果表明，只要選取適當?shù)挠柧殬颖荆肔VQ神經(jīng)網(wǎng)絡(luò)進行創(chuàng)造力的評價是合適的，依據(jù)訓練樣本及其對應(yīng)的等級，不必在創(chuàng)造力每個指標上做判斷，就可以對創(chuàng)造力水平做出正確的判斷，有效降低了評價過程中的工作量，為人們快速準確的評價創(chuàng)造力提供了一種工具。LVQ網(wǎng)絡(luò)具備簡單易操作的優(yōu)勢，較之其它神經(jīng)網(wǎng)絡(luò)，在這個過程中設(shè)計人員不需要構(gòu)造復雜的，甚至是難以構(gòu)造的非線性處理函數(shù)，也不需要將輸入向量進行歸一化、正交化等。

[1]A．J.斯塔科.創(chuàng)造能力教與學[M].上海：華東師范大學出版社,2007.

[2]葛哲學，孫志強.神經(jīng)網(wǎng)絡(luò)理論與MATLABR2007實現(xiàn)[M].北京:電子工業(yè)出版社,2007.

[3]張奇.SPSS for Windows在心理學與教育學中的應(yīng)用[M].北京：大學出版社,2009.

[4]戴海崎,張鋒,陳雪楓.心理與教育測量[M].廣州：暨南大學出版社,2007.

[5]杜棟,龐慶華,吳炎.現(xiàn)代綜合評價方法與案例精選[M].北京：清華大學出版社,2008.

[6]乞建勛,李星梅.基于LVQ神經(jīng)網(wǎng)絡(luò)的供電企業(yè)客戶信用風險識別[J].統(tǒng)計與決策,2006，(23).

（責任編輯/浩 天）

F224.7

A

1002-6487(2011)03-0160-02

國家社會科學基金“十一五”規(guī)劃課題（BBA080050）

田金亭（1981-），女，山東人，博士，研究方向：心理測量與人工智能。

甘媛源（1983-），女，湖北人，博士，研究方向：心理測量。