【正文】 上海市 江蘇省 浙江省 福建省 山東省 廣東省 海南省 山西省 內(nèi)蒙古 吉林省 黑龍江 江西省 安徽省 河南省 9 湖北省 湖南省 廣西 重慶市 四川省 貴州省 云南省 西藏 陜西省 甘肅省 青海省 寧夏 新疆 表 [4] 2020 年各地區(qū)農(nóng)村居民純收入和城鎮(zhèn)居民可支配收入（單位：元） 地區(qū) 農(nóng)村 居民純收入 城鎮(zhèn) 居民可支配收入 北 京 天 津 河 北 遼 寧 上 海 江 蘇 浙 江 福 建 山 東 廣 東 海 南 東 部 山 西 內(nèi)蒙古 吉 林 黑龍江 安 徽 江 西 河 南 湖 北 湖 南 廣 西 中 部 重 慶 四 川 貴 州 10 云 南 西 藏 陜 西 甘 肅 青 海 寧 夏 新 疆 西 部 表 [5] 2020 年各類高校教育經(jīng)費投入量（辦學經(jīng)費統(tǒng)計） 各類高校年教育經(jīng)費投入量（億元） 新疆大學 中山大學 貴州大學 蘭州大學 西安交通大學 成都理工大學 昆明理工大學 南昌大學 東北大學 西安理工大學 太原理工大學 寧夏理工學院 浙江海洋學院東?？萍紝W院 衡陽師范學院南岳學院 湖南工程學院應(yīng)用技術(shù)學院 資源來源：網(wǎng)絡(luò)資源 2020 年中國大學年教育經(jīng)費排行 ]9[ 。 這里有 31 組數(shù)據(jù)，我們從中任意選取 25 組用于模型的建立，其中 20 組用于模型訓練， 5 組作為檢驗數(shù)據(jù)，而未參與建模的 20 組數(shù)據(jù)則用于對模型的驗證。這樣就可以建立三層神經(jīng)網(wǎng)絡(luò)模型，模型的計算公式為：輸入節(jié)點為 iX ，隱節(jié)點為 iy ，輸出節(jié)點為 lO ， 閾值為 ? ， 輸入節(jié)點與隱節(jié)點間的網(wǎng)絡(luò)權(quán)值為 jiw ，隱節(jié)點與輸出節(jié)點的網(wǎng)絡(luò)權(quán)值 ilT ， 輸出節(jié)點的期望輸出為 lt ， 網(wǎng)絡(luò)層的輸入輸出關(guān)系可描述為： )()( ij ijjii ne tfXwfy ??? ? ? 其中 ? ??j ijjii Xw ?； 令 ix? ， ??xf 是激發(fā)函數(shù)，可以取不同的形式，如： siglog 函數(shù)： ? ? xexf ???1 1 Tansig 函數(shù)： ? ? 11 2 2 ??? ? xexf Purelin 函數(shù)： ? ? xxf ? 以及徑向基函數(shù)、樣條基函數(shù)、小波函數(shù)等，本文中采用 Tansig 函數(shù)和 Purelin 函數(shù)。其調(diào)用語法為： ),],. .... .,[,],. .... .,[,( 11 2121 PFB L EB T FTFTFTFSSSPRne w ffne t NN? 其中參量具體解釋如下： 1） PR 是一個由每個輸 入向量各行的最大最小值構(gòu)成的 2?R 的矩陣； R 為輸入神經(jīng)元數(shù)目； 2） iS 是第 i 層網(wǎng)絡(luò)的神經(jīng)元個數(shù)（從第一隱層開始），網(wǎng)絡(luò)共有 N1 1N 層； 3） iTF 是第 i 層網(wǎng)絡(luò)神經(jīng)元的變換函數(shù)，如前面所選取的； 4） BTF 是 BP 訓練算法函數(shù) , 本文選用 trainlm ； 其中 trainlm 是采用 2m 輸入層 輸出層 隱層 2w 1w 12a 2b ? 2a ? . . /. 19b 12b 11b 1m 11a 1na 3m ? ? ? 1f 1f 1f ? )( 1111 bpwfa ?? )( 21222 bawfa ?? 2f 1p 2p 3p 9p ? ? ? 14 “ 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)。 初始化： 初始化權(quán)重和偏置的工作用命令 init 來實現(xiàn) 。 在 中 ， newff 在創(chuàng)建網(wǎng)絡(luò)對象的同時 ,自動調(diào)用初始化函數(shù) init 。 網(wǎng)絡(luò)仿真：通過函數(shù) sim 實現(xiàn)。 不同地區(qū)學費影響因素 不同地區(qū)間考慮了財政撥款 1X 、社會籌款 2X 、學雜費 3X 、學校自籌 4X 、家庭收入 5X 、教育花費 6X 這些因素，基于以上分析，在 Matlab 編寫 M 文件，建立了以各個計算公式為依據(jù)的訓練模型，將其具體分為輸入函數(shù)、 訓練函數(shù)、輸出函數(shù)、學習函數(shù)等四個部分，對前面所獲得的數(shù)據(jù)進行了基本的基于 BP 神經(jīng)網(wǎng)絡(luò)的訓練。 完成了基于 BP 神經(jīng)網(wǎng)絡(luò)的收費模型的實際建立與訓練后，對結(jié)果進行分析，基于 M 文件自編程設(shè)計實現(xiàn)的神經(jīng)網(wǎng)絡(luò)收費模型：如前所述，它是根據(jù) BP 神經(jīng)網(wǎng)絡(luò)算法依據(jù)其基本的算法公 式，使用 Matlab 中的 M 語言編程實現(xiàn)的。 對 于農(nóng)村居民神經(jīng)網(wǎng)絡(luò)訓練結(jié)果如圖所示： 圖 [3] 農(nóng)村訓練誤差及步數(shù)曲線 注：橫軸：訓練步數(shù) 縱軸：偏差變量 模擬出結(jié)果為： 16 ??????? 99 88 97 97 5 99 99 1 教育花費城鎮(zhèn)家庭收入學校自籌學雜費社會籌款生均撥款r e s ul t 按影響程度系數(shù)從大到小排列如下所示： 生均培養(yǎng)費 農(nóng)村家庭收入 財政撥款 學雜費 學校自籌 社會籌款 其中社會籌款、學校自籌與學費呈負相關(guān)，這些費用越少，那么學費就會越高，而城鎮(zhèn)居民就越不能承受；相反，如果這些費用越高，那么學費就越低。 不同辦學水平對學費的影響 分不同高校不同辦學水平時， 在前面的基礎(chǔ)上考慮了辦學經(jīng)費 7X 、辦學水平 8X 、辦學質(zhì)量 9X這些因素。其中存在有相等因 子如學校自籌和城鎮(zhèn)家庭收入，說明這二者在考慮辦學水平后，對學費的影響是沒有太大差異的，在這里將農(nóng)村家庭收入排在學校自籌之前，是因為對于一個農(nóng)村家庭來說，其收入高低直接影響能否支付高額學費。其次在數(shù)據(jù)擬合上，每個圖形、函數(shù)的擬合優(yōu)度雖然都比較高，但都不是 100%的擬合優(yōu)度，利用此模型求解，固然也會對結(jié)果造成一定的誤差。 六、啟示與建議 本文采用理論分析與實證分析相結(jié)合 的方法，對我國高等教育學費標準進行了研究。 從全國目前高校的實際情況來看，辦學質(zhì)量較高、辦學水平較高的學校財政撥款明顯比其他相對較差的學校較高，部屬院校、發(fā)達地區(qū)高校在財政撥款占教育經(jīng)費支出比例較高的同時，其學生學費標準也遠遠高于同類型且生均培養(yǎng)成本大體相當?shù)牡胤綄俑咝！⑶钒l(fā)達地區(qū)高校的學費標準水平；地方院校、欠發(fā)達地區(qū)、辦學水平較低的高校，其生均培養(yǎng)成本均遠遠高于國家撥款和現(xiàn)行該校收費標準之和。 政府、社會要加大對高等教育的投入 在高等教育 大發(fā)展的今天 , 高等教育經(jīng)費國家財政的比例卻在下降 , 這是不符合社會發(fā)展規(guī)律的。為了培養(yǎng)專研精神、創(chuàng)新精神，對辦學質(zhì)量、辦學水平較高的學校應(yīng)降低收費標準，讓更多的人能接受良好教育，對辦學質(zhì)量、辦學水平較低的學?？蛇m當升高收費標準，增強其辦學能力。在這之前，高校收費標準均是按照生均成本的 25%來收取的。 從相關(guān)資料與結(jié)果表明，目前我國高等教育的學雜費水平，已經(jīng)達到一般居民個人及家庭承受能力的較高值，在此基礎(chǔ)上如果要在短期內(nèi)進一步大幅度提高學費，將是非常困難的。針對不同的輸入數(shù)據(jù)進行預(yù)處理，首先將其與前期訓練、檢驗?zāi)Ｐ偷臉颖緮?shù)據(jù)進行對比。 在模型的建立過程中，沒有分專業(yè)對高校學費標準進行定量分析，因此模型具有一定的局限性。