【正文】 針對不同的輸入數(shù)據(jù)進行預處理，首先將其與前期訓練、檢驗模型的樣本數(shù)據(jù)進行對比。 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。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。 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)絡的訓練。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)絡的神經(jīng)元個數(shù)（從第一隱層開始），網(wǎng)絡共有 N1 1N 層； 3） iTF 是第 i 層網(wǎng)絡神經(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)百個權值 )的前向神經(jīng)網(wǎng)絡幾乎是最快的，因為在 Matlab 中，矩陣方程求解用的是內(nèi)聯(lián)函數(shù)。 貝葉斯規(guī)則 BP 算法 貝葉斯規(guī)則 BP 算法是一種能提高網(wǎng)絡推廣能力的優(yōu)化算法，其權值更新采用的是 LM 算法。 ationbackpropag 就是指的為非線性多層網(wǎng)絡計算梯度的方法。 4． 2 BP 神經(jīng)網(wǎng)絡模型的建立與求解 模型的準備 神經(jīng)網(wǎng)絡 ]3[ 是單個并行處理元素的集合，我們從生物學神經(jīng)系統(tǒng)得到啟發(fā)。 3 學雜費：指學費、軍訓費、住宿費、書本費等； 部分院校辦學經(jīng)費：指該學校每年的累計辦學經(jīng)費。所以只有深入研究高等教育收費政策制定所依據(jù)的社會背景，對其有全面、充分的認識和把握，才能切實做好高等教育收費工作。發(fā)展教育也是欠發(fā)達地區(qū)人民擺脫貧困的必要條件，實現(xiàn)經(jīng)濟騰飛的重要動力，社會走向可持續(xù)發(fā)展的根本大計。 構建 “ 和諧社會 ” 需要教育， “ 民主法治 ” 需要教育， “ 公平正義 ” 離不開教育 ， “ 誠信友愛 ”成于 教育， “ 活力 ” 、 “ 有序 ” 源自教育， “ 人與自然和諧相處 ” 更需要教育。 從題材中可知，題目所提供的信息少且無任何數(shù)據(jù)，并且影響高等教育收費標準的制定因素很多，包括政治因素、思想觀念因素、歷史文化因素、國際因素、經(jīng)濟因素等。 辦學水平：指一個學校的各項綜合指標。在自然界，網(wǎng)絡功能主要由神經(jīng)節(jié)決定，我們可以通過改變連接點的權重來訓練神經(jīng)網(wǎng)絡完成特定的功能?，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。通過對 r 參數(shù)的自動設定達到網(wǎng)絡收斂，當網(wǎng)絡達到最大 mu 值或誤差平方和 SSE 與權值平方和SSW 在幾次迭代后近似于常數(shù)時，網(wǎng)絡停止訓練。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。本文的訓練函數(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)百個權值 )的前向神經(jīng)網(wǎng)絡幾乎是最快的，因為在 Matlab 中，矩陣方程求解用的是內(nèi)聯(lián)函數(shù)。 對以上結論進行綜合分析可以知道，由于不同地區(qū)經(jīng)濟發(fā)展狀況不一樣，各類指標對不同等級高校學費的影響情況也不一樣，經(jīng)過訓練得出其影響程度系數(shù)排列為 :辦學質(zhì)量辦學經(jīng)費，辦學水平，生均培養(yǎng)費，家庭收入，財政撥款，學雜費，學校自籌，社會籌款。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， 逐步降低個人分擔高等教育成本的比例 , 只有這樣才能真正降低學費標準 , 減輕學生和家庭的負擔。如果某項待評價影響因素參數(shù)超出前期訓練、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影響因素參數(shù)設為新的限值，更新該項樣本數(shù)據(jù)的極值；然后將全部訓練與檢驗樣本數(shù)據(jù)該項因素，按照新的極值全部重新進行 “歸一化 ”處理，得到新的訓練與檢驗樣本，更新模型訓練與檢驗樣本；最后在 SIMULINK 中調(diào) 用 Matlab 函數(shù)重新進行神經(jīng)網(wǎng)絡收費模型的訓練與檢驗，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，對待預測數(shù)據(jù)進行學費預測。 充分保證評價的準確性，模型具有自我學習更新能力。除此之外，農(nóng)村地區(qū)經(jīng)濟力量較城鎮(zhèn)甚為薄弱，難以承擔高額的學費，經(jīng)濟欠發(fā)達地區(qū)農(nóng)村更是難以承擔，如果學費略高，很容易造成很多貧困生無法升入大學，或無法完成學業(yè)，尤其是能力較強的學生，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)絡模型運算的結果，結合當前國際形勢，我們給相關部門提出如下建議。 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)絡訓練結果如圖所示： 17 圖 [5] 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 模擬出結果為： a=[ ] 其中每一項分別表示財政撥款、社會籌款、學雜費、學校自籌、城鎮(zhèn)家庭收入、教育花費、辦學經(jīng)費、辦學水平、辦學質(zhì)量，由此可以得出，教育花費對學費影響最大，按影響程度系數(shù)從大到小排列如下所示： 辦學質(zhì)量 辦學經(jīng)費 辦學水平 農(nóng)村家庭收入 學校自籌 教育花費 財政撥款 學雜費 社會籌款 其中 財政撥款、社會籌款、學雜費、學校自籌、農(nóng)村家庭收入、教育花費、辦學水平與學費呈負相關，這些費用越少，那么學費就會越高，而農(nóng)村居民就越不能承受。 模型的訓練 由于數(shù)據(jù)有限，我們分兩部分進行訓練，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)的學費定價也不一樣；其二是按高校等級，由于不同學校其所屬級別不一樣，辦學水平與辦學質(zhì)量也有一定的差異，同時辦學質(zhì)量高的學?？蒲许椖恳蚕鄬^多，因此國家愿意為其支付高額開支。 “ newff ” 函數(shù)共有六個輸入?yún)?shù) ,分別是：輸入向量的范圍、網(wǎng)絡結構、各層變 換函數(shù)、訓練算法函數(shù)、學習函數(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。數(shù)據(jù)子集的劃分比例無明確要求，一般使訓練集樣本量大于驗證集或測試集，且訓練集與總的數(shù)據(jù)集相比分布比較相近，使訓練樣本具有代表性信息得以充分利用。一個典型的 BP網(wǎng)絡采用的是梯度下降算法，也就是 HoffWidrow ? 算法所規(guī)定的。 生均事業(yè)性經(jīng)費支出，預算內(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校生均學費的影響大于部屬高等學校的影響。 其他自籌：指學校 通過校辦工廠等或得的收入。可見，涉及高等教育收費的許多根本問題，皆非高等教育系統(tǒng)內(nèi)部所能決定和 解決的。 在增強綜合國力中教育具有基礎性地位；教育是經(jīng)濟、政治、文化建設的基礎工程；教育是具有先導性、全局性、基礎性的知識產(chǎn)業(yè)和關鍵的基礎設施；教育是知識創(chuàng)新、傳播和應用的主要基地。 構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，積極地建設現(xiàn)代國民教育體系，優(yōu)化教育結構和教育資源，大力發(fā)展義務教育尤其是農(nóng)村義務教育、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。前幾種因素主觀性比較強，很難量化。