【正文】 原則，最后建立高等教育成本核算機制 , 制定合理的高等教育收費標(biāo)準(zhǔn)。隨著《高等學(xué)校生均成本核定辦法》出臺，教育部將根據(jù)新的辦法重新核定大學(xué)生生均成本。并且政府應(yīng)該借助《成本核定辦法》的重新出臺，對高校收費市場進行一次徹底的管理與監(jiān)督，利用模型的運算結(jié)果規(guī)范碩士 19 研究生學(xué)費的收費市場。 充分保證評價的準(zhǔn)確性，模型具有自我學(xué)習(xí)更新能力。 在實現(xiàn)諸多運算功能的同時，增加了系統(tǒng)的復(fù)雜性，造成了模型的不穩(wěn)定性。本文中的兩個模型具有很好的推廣價值。 7． 2 模型的推廣 仔細分析我們所建立的模型本身的特點，不 難發(fā)現(xiàn) BP 模型不僅能夠處理高等教育學(xué)費標(biāo)準(zhǔn)評價問題，而且在醫(yī)學(xué)信息處理、水污染、經(jīng)濟、農(nóng)業(yè)與電力等工作領(lǐng)域中也 不乏其用武之地。如果某項待評價影響因素參數(shù)超出前期訓(xùn)練、檢驗收費模型的樣本數(shù)據(jù)范圍（最大、最小值），則首先將該項輸入待預(yù)影響因素參數(shù)設(shè)為新的限值，更新該項樣本數(shù)據(jù)的極值；然后將全部訓(xùn)練與檢驗樣本數(shù)據(jù)該項因素，按照新的極值全部重新進行 “歸一化 ”處理，得到新的訓(xùn)練與檢驗樣本，更新模型訓(xùn)練與檢驗樣本；最后在 SIMULINK 中調(diào) 用 Matlab 函數(shù)重新進行神經(jīng)網(wǎng)絡(luò)收費模型的訓(xùn)練與檢驗，直到獲得新的正確模型為止；更新模型參數(shù)，以新的收費模型，對待預(yù)測數(shù)據(jù)進行學(xué)費預(yù)測。 在中央財政性撥款上，應(yīng)加大撥款金額，提高各大高校辦學(xué)質(zhì)量，對貧困生應(yīng)多提供點資助，根據(jù)不同地區(qū)，以及是農(nóng)村還是城鎮(zhèn) 人口給予不同程度的資助，以幫助其完成學(xué)業(yè)；對于不同的學(xué)校根據(jù)其科研能力，給予不同的資助，在提高其辦學(xué)水平的同時發(fā)展科技；從神經(jīng)網(wǎng)絡(luò)模型的結(jié)果分析，社會捐贈對學(xué)費高低的影響很小，應(yīng)呼吁社會各界人士多為中國教育事業(yè)做貢獻，支持高校辦學(xué)。在有了這個收費模型之后，就可以利用重新核定過的成本作為新的變量，結(jié)合 其他有可能發(fā)生變化的變量，將之代入模型中運算。 建立有效的資助體系 目前 ,我國對高校收費標(biāo)準(zhǔn)的研究正方興未艾 ,但卻一直沒有找到較 好的用于制定這個標(biāo)準(zhǔn)的方法 ,而且現(xiàn)行的學(xué)費收取標(biāo)準(zhǔn)僅僅建立在成本核算的基礎(chǔ)上 ,最終以一定的比例分擔(dān)，這種方法無法克服其他因素對學(xué)費標(biāo)準(zhǔn)帶來的影響。因此 , 政府、社會各界要加大對高等教育投入的力度 (主要是撥款和捐贈 ) , 拓寬高等教育經(jīng)費籌措渠道，實現(xiàn)國家、社會、個人共同辦學(xué)， 逐步降低個人分擔(dān)高等教育成本的比例 , 只有這樣才能真正降低學(xué)費標(biāo)準(zhǔn) , 減輕學(xué)生和家庭的負擔(dān)。據(jù)了解，上述生均培養(yǎng)成本與生均國撥經(jīng)費及生均學(xué)費的差額部分，目前相當(dāng)數(shù)量的高校尤其是地方屬高校主要依靠銀行貸款來維持。本文在對影響高等教育學(xué)費標(biāo)準(zhǔn)的因素進行重點分析的基礎(chǔ)上，結(jié)合 一些高等教育院校 的相 應(yīng)數(shù)據(jù)，以 BP 神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，建立了一個相對理性與優(yōu)化的數(shù)學(xué)模型，并且在虛擬模型的基礎(chǔ)上作了仿真模型的實踐。但是誤差范圍在可以允許范圍里。 對以上結(jié)論進行綜合分析可以知道，由于不同地區(qū)經(jīng)濟發(fā)展?fàn)顩r不一樣，各類指標(biāo)對不同等級高校學(xué)費的影響情況也不一樣，經(jīng)過訓(xùn)練得出其影響程度系數(shù)排列為 :辦學(xué)質(zhì)量辦學(xué)經(jīng)費，辦學(xué)水平，生均培養(yǎng)費，家庭收入，財政撥款，學(xué)雜費，學(xué)校自籌，社會籌款。 對于城鎮(zhèn)，得其整理出的數(shù)據(jù)見附錄表 [10]，用神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果如圖所示： 圖 [4] 城鎮(zhèn)訓(xùn)練誤差及步數(shù)曲線 注：橫軸：訓(xùn)練步數(shù) 縱軸：偏差變量 模擬出結(jié)果為： a=[ ] 其中每一項分別表示生均撥款、社會籌款、學(xué)雜費、學(xué)校自籌、城鎮(zhèn)家庭收入、教育花費、辦學(xué)經(jīng)費、辦學(xué)水平、辦學(xué)質(zhì)量，由此可以得出，按影響程度系數(shù)從大到小排列如下所示： 辦學(xué)經(jīng)費 辦學(xué)水平 辦學(xué)質(zhì)量 教育花費 城鎮(zhèn)家庭收入 財政撥款 學(xué)雜費 學(xué)校自籌 社會籌款 其中 財政撥款、社會籌款、學(xué)雜費、學(xué)校自籌、農(nóng)村家庭收入、教育花費與學(xué)費呈負相關(guān)，這些費用越少，那么學(xué)費就會越高。由以上這兩者可以得出生均培養(yǎng)費、居民家庭收入對不 同地區(qū)高校的學(xué)費的影響最大。它的最大好處是可以根據(jù)需要隨時修改所用算法，便于不同算法的比較，得到相對最優(yōu)的模型參數(shù)。本文的訓(xùn)練函數(shù)選用的是 trainlm ，它采用M arquardtL evenberg ? 算法進行計算，經(jīng)過與其它各種算法相比， LM 算法對于大小適中 (可達數(shù)百個權(quán)值 )的前向神經(jīng)網(wǎng)絡(luò)幾乎是最快的，因為在 Matlab 中，矩陣方程求解用的是內(nèi)聯(lián)函數(shù)。網(wǎng)絡(luò)訓(xùn)練完成以后，使用該函數(shù)根據(jù)已訓(xùn)練好的網(wǎng)絡(luò) ,對測試數(shù)據(jù)進行仿真計算。根據(jù)預(yù)設(shè)的參數(shù)對網(wǎng)絡(luò)進行連接權(quán)值和閾值的初始化 ,本文中就是如此。 這 個函數(shù)接收網(wǎng)絡(luò)對象并初始化權(quán)重和偏置后返回網(wǎng)絡(luò)對象 , 下面就是網(wǎng)絡(luò)如何初始化的： )(init ? ； 我們可以通過設(shè)定網(wǎng)絡(luò)參數(shù) initF. 和 initFilayer .)(. 這一技巧來初始化一個給定的網(wǎng)絡(luò)。該算法極其消耗運算 器的內(nèi)存，而 LM 算法由于其自身的求解特點可以最大程度的減少內(nèi)存使用，使其具有了最快的收斂速度。 輸出節(jié)點的計算輸出 )()( li liill ne tfyTfO ??? ? ? 其中 ? ?? i liill yT ? 輸出節(jié)點的誤差公式 13 222)))(((21))((21)(21? ??? ???????????llljjjilililllililllllXwfTftyTftOtE??? 由此建立系統(tǒng)模型如下： 根據(jù)上述分析，下面具體完成 BP 神經(jīng)網(wǎng)絡(luò)收費模型的建立與訓(xùn)練： 網(wǎng)絡(luò)建立 :通過函數(shù) newff 實現(xiàn)。影響學(xué)費的因素有財政撥款 1X 、社會籌款 2X 、學(xué)雜費 3X 、學(xué)校自籌 4X 、家庭收入 5X 、教育花費 6X 、辦學(xué)經(jīng)費 7X 、辦學(xué)水平 8X 、辦學(xué)質(zhì)量 9X 。 表 [6] 2020 年不同地區(qū)各高校教育綜合指標(biāo)（辦學(xué)水平統(tǒng)計表） 大學(xué)名稱 綜合得 分 學(xué)術(shù)資源得分 學(xué)術(shù)成果得分 學(xué)生情況得分 教師資源得分 物資資源得分 新疆大學(xué) 22 26 中山大學(xué) 60 貴州大學(xué) 21 2 西安交通大學(xué) 66 蘭州大學(xué) 46 27 成都理工大學(xué) 22 昆明理工大學(xué) 25 16 33 南昌大學(xué) 31 東北大學(xué) 52 西安理工 大學(xué) 27 太原理工大學(xué) 24 32 寧夏理工學(xué)院 16 37 浙江海洋學(xué)院東?？萍紝W(xué)院 16 11 衡陽師范學(xué)院南岳學(xué)院 16 40 湖南工程學(xué)院應(yīng)用技術(shù)學(xué)院 15 29 資源來源：網(wǎng)絡(luò)資源 2020 年中國大學(xué)綜合指標(biāo)排行榜 ]10[ 。通過對 r 參數(shù)的自動設(shè)定達到網(wǎng)絡(luò)收斂，當(dāng)網(wǎng)絡(luò)達到最大 mu 值或誤差平方和 SSE 與權(quán)值平方和SSW 在幾次迭代后近似于常數(shù)時，網(wǎng)絡(luò)停止訓(xùn)練。比較常用的有以下兩種： 早停止策略 將數(shù)據(jù)集分成三個子集：訓(xùn)練集 trainset 、驗證集 setvalidaiton 和測試集 testset 。 BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練時，隨著迭代次 數(shù)的不斷增加，網(wǎng)絡(luò)誤差也不斷減少，容易使網(wǎng)絡(luò)出現(xiàn)過擬合的現(xiàn)象。這個函數(shù)有 4 個輸入?yún)?shù)：第一個參數(shù)是一個 2?R 的矩陣以定義 R 個輸入向量的最小值和最大值，R 為輸入神經(jīng)元數(shù)目第二個參數(shù)是一個顢頇每層神經(jīng)元個數(shù)的數(shù)組，第三個參數(shù)是包含每層用到的轉(zhuǎn)移函數(shù)名稱的細胞數(shù)組，最后一個參數(shù)是用到的訓(xùn)練函數(shù)的名稱?，F(xiàn)在有許多基本的優(yōu)化算法，例如變尺度算法和牛頓算法?？偟膩碚f，有各種各樣的設(shè)計和學(xué)習(xí)方法來增強用戶的選擇。我們主要通過這個工具箱來建立示范的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，并應(yīng)用到工程、金融和其他實際項目中去。作為典型，許多輸入 /目標(biāo)對應(yīng)的方法已被用在有監(jiān)督模式中來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。在自然界，網(wǎng)絡(luò)功能主要由神經(jīng)節(jié)決定，我們可以通過改變連接點的權(quán)重來訓(xùn)練神經(jīng)網(wǎng)絡(luò)完成特定的功能。 在表達式二中：部屬院校生均事業(yè)性經(jīng)費支出 1x 每增加 1000 元，生均實際學(xué)費 y 提高 196 元；預(yù)算內(nèi)事業(yè)性撥款占教育經(jīng)費收入比重 2x 每提高 1 個百分點，生均實際學(xué)費 y 降低 元；事業(yè)性收入中非學(xué)費收入所占比重 3x 每提高 1 個百分點，生均實際學(xué)費 y 降低 元； 生均事業(yè)性經(jīng)費指數(shù)每提高 1 個百分點，生均學(xué)費降低 元。其數(shù)據(jù)見表 [1]與表 [2]： 表 [1] 中央直屬高校 人均學(xué)費及其影響因數(shù) 地區(qū) 生均學(xué)費 （元） 人均事業(yè)性經(jīng)費支出平均值（元） 預(yù)算內(nèi)所占比重 平均值 事業(yè)收入中非學(xué)費收入所