【正文】 響部屬院校生均學(xué)費(fèi)的第 j 種因數(shù)（ j =1， 2， 3）。 辦學(xué)質(zhì)量：指一個(gè)學(xué)校培養(yǎng)的人才及科研成果 高校教育培養(yǎng)成本：由人員支出、公用支出、對(duì)個(gè)人和家庭的補(bǔ)助支出和固定資產(chǎn)折舊四部分構(gòu)成。 ○ 2 、綜 合考慮生均撥款、社會(huì)籌款、學(xué)雜費(fèi)、其他自籌、居民收入、部分院校辦學(xué)經(jīng)費(fèi)、辦學(xué)水平、辦學(xué)質(zhì)量這九個(gè)指標(biāo)，為了準(zhǔn)確真實(shí)地反映各個(gè)因素與收費(fèi)的關(guān)系，以此為依據(jù)建立神經(jīng)網(wǎng)絡(luò)模型并求解。前幾種因素主觀性比較強(qiáng)，很難量化。 學(xué)費(fèi)問題 近來在各種媒體上引起了熱烈的討論。 構(gòu)建我國社會(huì)主義和諧社會(huì)是離不開教育的，這需要通過各方努力，積極地建設(shè)現(xiàn)代國民教育體系，優(yōu)化教育結(jié)構(gòu)和教育資源，大力發(fā)展義務(wù)教育尤其是農(nóng)村義務(wù)教育、職業(yè)教育和高等教育，不斷提高人口素質(zhì)，多出人才、出好人才，全面實(shí)施科教興國戰(zhàn)略，并由此促進(jìn)社會(huì)主義和諧社會(huì)的早日到來。 根據(jù)生均 事業(yè)性經(jīng)費(fèi)支出、預(yù)算內(nèi)事業(yè)性經(jīng)費(fèi)撥款占教育經(jīng)費(fèi)收入比重、事業(yè)收入中非學(xué)費(fèi)收入占比重和人均 GDP 等因素， 建立了多元線形回 歸模型，利用 SPSS 軟件得出： 部屬院校生均學(xué)費(fèi)： 321 5 8 0 . 5 8 9 xxxy ???? 地方院校生均學(xué)費(fèi)： 4321 2 4 8 xxxxy ????? 對(duì)影響學(xué)費(fèi)標(biāo)準(zhǔn)的 9 種主要指標(biāo)權(quán)重問題，建立了 BP 神經(jīng)網(wǎng)絡(luò)模型，采用了 LM 算法對(duì)多個(gè)樣本進(jìn)行訓(xùn)練，得出了以下結(jié)論： ○ 1 不同地區(qū)：生均培養(yǎng)費(fèi)，家庭收入，財(cái)政撥款，學(xué)雜費(fèi)，學(xué)校自籌，社會(huì)籌款對(duì)學(xué)費(fèi)高低 的影響程度逐漸減?。? ○ 2 不同層次的高校：辦學(xué)質(zhì)量，辦學(xué)經(jīng)費(fèi)，辦學(xué)水平，生均培養(yǎng)費(fèi)，家庭收入，財(cái)政撥款，學(xué)雜費(fèi)，學(xué)校自籌，社會(huì)籌款這 9 個(gè)指標(biāo)對(duì)高校學(xué)費(fèi)的影響程度逐漸減小。 在增強(qiáng)綜合國力中教育具有基礎(chǔ)性地位；教育是經(jīng)濟(jì)、政治、文化建設(shè)的基礎(chǔ)工程；教育是具有先導(dǎo)性、全局性、基礎(chǔ)性的知識(shí)產(chǎn)業(yè)和關(guān)鍵的基礎(chǔ)設(shè)施；教育是知識(shí)創(chuàng)新、傳播和應(yīng)用的主要基地。高等教育屬于非義務(wù)教育，其經(jīng)費(fèi)在世界各國都由政府財(cái)政撥款、學(xué)校自籌、社會(huì)捐贈(zèng)和學(xué)費(fèi)收入等幾部分組成?？梢姡婕案叩冉逃召M(fèi)的許多根本問題，皆非高等教育系統(tǒng)內(nèi)部所能決定和 解決的。具體可分三步進(jìn)行： ○ 1 、從宏觀上看高等教育學(xué)費(fèi)標(biāo)準(zhǔn)主要影響因素有事業(yè)性經(jīng)費(fèi)支出、預(yù)算內(nèi)事業(yè)性經(jīng)費(fèi)撥款占教育經(jīng)費(fèi)收入比重、事業(yè)收入中非學(xué)費(fèi)收入占比重和人均 GDP（僅限于地方院校）。 其他自籌：指學(xué)校 通過校辦工廠等或得的收入。 ljiM ：表示第 i 個(gè)省或直轄市的第 l 類高校中第 j 類學(xué)校的學(xué)費(fèi)。 生均事業(yè)性經(jīng)費(fèi)支出，預(yù)算內(nèi)事業(yè)性經(jīng)費(fèi)撥款占教育經(jīng)費(fèi)收入的比重對(duì)地方高等學(xué)校生均學(xué)費(fèi)的影響大于部屬高等學(xué)校的影響。這些領(lǐng)域包括：模式識(shí)別、鑒定、分類、語音、翻譯和控制系統(tǒng)。一個(gè)典型的 BP網(wǎng)絡(luò)采用的是梯度下降算法，也就是 HoffWidrow ? 算法所規(guī)定的。常用到的訓(xùn)練函數(shù)有 adapt、 traindm 等。數(shù)據(jù)子集的劃分比例無明確要求，一般使訓(xùn)練集樣本量大于驗(yàn)證集或測(cè)試集，且訓(xùn)練集與總的數(shù)據(jù)集相比分布比較相近，使訓(xùn)練樣本具有代表性信息得以充分利用。 在此針對(duì)影響高等教育學(xué)費(fèi)標(biāo)準(zhǔn)的 9 個(gè)指標(biāo)，將收集到的數(shù)據(jù)，運(yùn)用 BP 網(wǎng)絡(luò)建立神經(jīng)網(wǎng)絡(luò)模型，提出利用網(wǎng)絡(luò)各層間的權(quán)重及其分布，計(jì)算出各參數(shù)對(duì)產(chǎn)量指標(biāo)的影響程度。 “ newff ” 函數(shù)共有六個(gè)輸入?yún)?shù) ,分別是：輸入向量的范圍、網(wǎng)絡(luò)結(jié)構(gòu)、各層變 換函數(shù)、訓(xùn)練算法函數(shù)、學(xué)習(xí)函數(shù)和性能函數(shù)；同時(shí)， “ newff ” 的輸出參數(shù)是以 命名的神經(jīng)網(wǎng)絡(luò)。設(shè)定了 initF. ，那么參數(shù) initFilayer .)(. 也要設(shè)定用來決定每一層的初始化函數(shù)。 模型的訓(xùn)練 由于數(shù)據(jù)有限，我們分兩部分進(jìn)行訓(xùn)練，其一是按地區(qū)，考慮不同地區(qū)經(jīng)濟(jì)情況的差異，以及政府對(duì)不同地區(qū)的扶助政策不同，對(duì)不同地區(qū)的學(xué)費(fèi)定價(jià)也不一樣；其二是按高校等級(jí)，由于不同學(xué)校其所屬級(jí)別不一樣，辦學(xué)水平與辦學(xué)質(zhì)量也有一定的差異，同時(shí)辦學(xué)質(zhì)量高的學(xué)?？蒲许?xiàng)目也相對(duì)較多，因此國家愿意為其支付高額開支。城鎮(zhèn)家庭收入、生均培養(yǎng)費(fèi)與學(xué)費(fèi)增長(zhǎng)呈正相關(guān)關(guān)系，家庭收入、生均培養(yǎng)費(fèi)越高，學(xué)費(fèi)越高，這些因素的變化滿足一個(gè)函數(shù)關(guān)系，學(xué)費(fèi)的高低也由家庭收入和生均培養(yǎng)費(fèi)制約。 對(duì)于農(nóng)村，得其整理出的數(shù)據(jù)見附錄表 [11]，用神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果如圖所示： 17 圖 [5] 農(nóng)村訓(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(xiàng)分別表示財(cái)政撥款、社會(huì)籌款、學(xué)雜費(fèi)、學(xué)校自籌、城鎮(zhèn)家庭收入、教育花費(fèi)、辦學(xué)經(jīng)費(fèi)、辦學(xué)水平、辦學(xué)質(zhì)量，由此可以得出，教育花費(fèi)對(duì)學(xué)費(fèi)影響最大，按影響程度系數(shù)從大到小排列如下所示： 辦學(xué)質(zhì)量 辦學(xué)經(jīng)費(fèi) 辦學(xué)水平 農(nóng)村家庭收入 學(xué)校自籌 教育花費(fèi) 財(cái)政撥款 學(xué)雜費(fèi) 社會(huì)籌款 其中 財(cái)政撥款、社會(huì)籌款、學(xué)雜費(fèi)、學(xué)校自籌、農(nóng)村家庭收入、教育花費(fèi)、辦學(xué)水平與學(xué)費(fèi)呈負(fù)相關(guān)，這些費(fèi)用越少，那么學(xué)費(fèi)就會(huì)越高，而農(nóng)村居民就越不能承受。由圖 [2]圖 [5]可知每一次訓(xùn)練，都是收斂的，故該 18 模型誤差很小，廣泛適用。除此之外，農(nóng)村地區(qū)經(jīng)濟(jì)力量較城鎮(zhèn)甚為薄弱，難以承擔(dān)高額的學(xué)費(fèi)，經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)農(nóng)村更是難以承擔(dān)，如果學(xué)費(fèi)略高，很容易造成很多貧困生無法升入大學(xué)，或無法完成學(xué)業(yè)，尤其是能力較強(qiáng)的學(xué)生，喪失讀書的機(jī)會(huì)也是國家和人民的一大損失！ 根據(jù)我們所收集的數(shù)據(jù)，與神經(jīng)網(wǎng)絡(luò)模型運(yùn)算的結(jié)果，結(jié)合當(dāng)前國際形勢(shì)，我們給相關(guān)部門提出如下建議。隨著《高等學(xué)校生均成本核定辦法》出臺(tái)，教育部將根據(jù)新的辦法重新核定大學(xué)生生均成本。 充分保證評(píng)價(jià)的準(zhǔn)確性，模型具有自我學(xué)習(xí)更新能力。本文中的兩個(gè)模型具有很好的推廣價(jià)值。如果某項(xiàng)待評(píng)價(jià)影響因素參數(shù)超出前期訓(xùn)練、檢驗(yàn)收費(fèi)模型的樣本數(shù)據(jù)范圍（最大、最小值），則首先將該項(xiàng)輸入待預(yù)影響因素參數(shù)設(shè)為新的限值，更新該項(xiàng)樣本數(shù)據(jù)的極值；然后將全部訓(xùn)練與檢驗(yàn)樣本數(shù)據(jù)該項(xiàng)因素，按照新的極值全部重新進(jìn)行 “歸一化 ”處理，得到新的訓(xùn)練與檢驗(yàn)樣本，更新模型訓(xùn)練與檢驗(yàn)樣本；最后在 SIMULINK 中調(diào) 用 Matlab 函數(shù)重新進(jìn)行神經(jīng)網(wǎng)絡(luò)收費(fèi)模型的訓(xùn)練與檢驗(yàn)，直到獲得新的正確模型為止；更新模型參數(shù)，以新的收費(fèi)模型，對(duì)待預(yù)測(cè)數(shù)據(jù)進(jìn)行學(xué)費(fèi)預(yù)測(cè)。在有了這個(gè)收費(fèi)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(yùn)算。因此 , 政府、社會(huì)各界要加大對(duì)高等教育投入的力度 (主要是撥款和捐贈(zèng) ) , 拓寬高等教育經(jīng)費(fèi)籌措渠道，實(shí)現(xiàn)國家、社會(huì)、個(gè)人共同辦學(xué)， 逐步降低個(gè)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(fèi)標(biāo)準(zhǔn) , 減輕學(xué)生和家庭的負(fù)擔(dān)。本文在對(duì)影響高等教育學(xué)費(fèi)標(biāo)準(zhǔn)的因素進(jìn)行重點(diǎn)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(gè)相對(duì)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(shí)踐。 對(duì)以上結(jié)論進(jìn)行綜合分析可以知道，由于不同地區(qū)經(jīng)濟(jì)發(fā)展?fàn)顩r不一樣，各類指標(biāo)對(duì)不同等級(jí)高校學(xué)費(fèi)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(fèi)，辦學(xué)水平，生均培養(yǎng)費(fèi)，家庭收入，財(cái)政撥款，學(xué)雜費(fèi)，學(xué)校自籌，社會(huì)籌款。由以上這兩者可以得出生均培養(yǎng)費(fèi)、居民家庭收入對(duì)不 同地區(qū)高校的學(xué)費(fèi)的影響最大。本文的訓(xùn)練函數(shù)選用的是 trainlm ，它采用M arquardtL evenberg ? 算法進(jìn)行計(jì)算，經(jīng)過與其它各種算法相比， LM 算法對(duì)于大小適中 (可達(dá)數(shù)百個(gè)權(quán)值 )的前向神經(jīng)網(wǎng)絡(luò)幾乎是最快的，因?yàn)樵?Matlab 中，矩陣方程求解用的是內(nèi)聯(lián)函數(shù)。根據(jù)預(yù)設(shè)的參數(shù)對(duì)網(wǎng)絡(luò)進(jìn)行連接權(quán)值和閾值的初始化 ,本文中就是如此。該算法極其消耗運(yùn)算 器的內(nèi)存，而 LM 算法由于其自身的求解特點(diǎn)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。影響學(xué)費(fèi)的因素有財(cái)政撥款 1X 、社會(huì)籌款 2X 、學(xué)雜費(fèi) 3X 、學(xué)校自籌 4X 、家庭收入 5X 、教育花費(fèi) 6X 、辦學(xué)經(jīng)費(fèi) 7X 、辦學(xué)水平 8X 、辦學(xué)質(zhì)量 9X 。通過對(duì) r 參數(shù)的自動(dòng)設(shè)定達(dá)到網(wǎng)絡(luò)收斂，當(dāng)網(wǎng)絡(luò)達(dá)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(shí)，網(wǎng)絡(luò)停止訓(xùn)練。 BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)，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?，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。我們主要通過這個(gè)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(shí)際項(xiàng)目中去。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(diǎn)的權(quán)重來訓(xùn)練神經(jīng)網(wǎng)絡(luò)完成特定的功能。其數(shù)據(jù)見表 [1]與表 [2