【正文】 響部屬院校生均學(xué)費的第 j 種因數(shù)（ j =1， 2， 3）。 辦學(xué)質(zhì)量：指一個學(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、對個人和家庭的補助支出和固定資產(chǎn)折舊四部分構(gòu)成。 ○ 2 、綜 合考慮生均撥款、社會籌款、學(xué)雜費、其他自籌、居民收入、部分院校辦學(xué)經(jīng)費、辦學(xué)水平、辦學(xué)質(zhì)量這九個指標(biāo)，為了準(zhǔn)確真實地反映各個因素與收費的關(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，很難量化。 學(xué)費問題 近來在各種媒體上引起了熱烈的討論。 構(gòu)建我國社會主義和諧社會是離不開教育的，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，全面實施科教興國戰(zhàn)略，并由此促進社會主義和諧社會的早日到來。 根據(jù)生均 事業(yè)性經(jīng)費支出、預(yù)算內(nèi)事業(yè)性經(jīng)費撥款占教育經(jīng)費收入比重、事業(yè)收入中非學(xué)費收入占比重和人均 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： 321 5 8 0 . 5 8 9 xxxy ???? 地方院校生均學(xué)費： 4321 2 4 8 xxxxy ????? 對影響學(xué)費標(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 算法對多個樣本進行訓(xùn)練，得出了以下結(jié)論： ○ 1 不同地區(qū)：生均培養(yǎng)費，家庭收入，財政撥款，學(xué)雜費，學(xué)校自籌，社會籌款對學(xué)費高低 的影響程度逐漸減小； ○ 2 不同層次的高校：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，社會籌款這 9 個指標(biāo)對高校學(xué)費的影響程度逐漸減小。 在增強綜合國力中教育具有基礎(chǔ)性地位；教育是經(jīng)濟、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)性的知識產(chǎn)業(yè)和關(guān)鍵的基礎(chǔ)設(shè)施；教育是知識創(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)費在世界各國都由政府財政撥款、學(xué)校自籌、社會捐贈和學(xué)費收入等幾部分組成?？梢姡婕案叩冉逃召M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。具體可分三步進行： ○ 1 、從宏觀上看高等教育學(xué)費標(biāo)準(zhǔn)主要影響因素有事業(yè)性經(jīng)費支出、預(yù)算內(nèi)事業(yè)性經(jīng)費撥款占教育經(jīng)費收入比重、事業(yè)收入中非學(xué)費收入占比重和人均 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 個省或直轄市的第 l 類高校中第 j 類學(xué)校的學(xué)費。 生均事業(yè)性經(jīng)費支出，預(yù)算內(nèi)事業(yè)性經(jīng)費撥款占教育經(jīng)費收入的比重對地方高等學(xué)校生均學(xué)費的影響大于部屬高等學(xué)校的影響。這些領(lǐng)域包括：模式識別、鑒定、分類、語音、翻譯和控制系統(tǒng)。一個典型的 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)練集樣本量大于驗證集或測試集，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。 在此針對影響高等教育學(xué)費標(biāo)準(zhǔn)的 9 個指標(biāo)，將收集到的數(shù)據(jù)，運用 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，計算出各參數(shù)對產(chǎn)量指標(biāo)的影響程度。 “ newff ” 函數(shù)共有六個輸入?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， “ 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，我們分兩部分進行訓(xùn)練，其一是按地區(qū)，考慮不同地區(qū)經(jīng)濟情況的差異，以及政府對不同地區(qū)的扶助政策不同，對不同地區(qū)的學(xué)費定價也不一樣；其二是按高校等級，由于不同學(xué)校其所屬級別不一樣，辦學(xué)水平與辦學(xué)質(zhì)量也有一定的差異，同時辦學(xué)質(zhì)量高的學(xué)?？蒲许椖恳蚕鄬^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)費與學(xué)費增長呈正相關(guān)關(guān)系，家庭收入、生均培養(yǎng)費越高，學(xué)費越高，這些因素的變化滿足一個函數(shù)關(guān)系，學(xué)費的高低也由家庭收入和生均培養(yǎng)費制約。 對于農(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=[ ] 其中每一項分別表示財政撥款、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，教育花費對學(xué)費影響最大，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 辦學(xué)水平 農(nóng)村家庭收入 學(xué)校自籌 教育花費 財政撥款 學(xué)雜費 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、辦學(xué)水平與學(xué)費呈負相關(guān)，這些費用越少，那么學(xué)費就會越高，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)濟力量較城鎮(zhèn)甚為薄弱，難以承擔(dān)高額的學(xué)費，經(jīng)濟欠發(fā)達地區(qū)農(nóng)村更是難以承擔(dān)，如果學(xué)費略高，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)，尤其是能力較強的學(xué)生，喪失讀書的機會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)模型運算的結(jié)果，結(jié)合當(dāng)前國際形勢，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，教育部將根據(jù)新的辦法重新核定大學(xué)生生均成本。 充分保證評價的準(zhǔn)確性，模型具有自我學(xué)習(xí)更新能力。本文中的兩個模型具有很好的推廣價值。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。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)。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。 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。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。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)。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。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。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 。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。 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?，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。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。其數(shù)據(jù)見表 [1]與表 [2