如何提高高等教育的教学质量,已经成为当前高等教育的工作重点。教学评价是提高教育教学质量的关键举措,因此制定科学、合理的高校教师教学质量评价体系显得尤为重要。教学评价属于非线性的分类问题,传统的评价方法在评价过程要求影响因素(即评价指标)间具有线性关系,很难排除各种随机性和主观性,易造成评价结果失真和偏差。本文首先介绍了几种教师教学质量的评价方法,分析了这些评价方法在教师教学质量评价中的优势与不足,并提出将人工神经网络应用到教师教学质量评价中。其次,对BP神经网络模型和算法进行了系统的综述。分析了BP神经网络算法的优缺点,针对标准BP算法收敛速度慢、易陷入局部极小点的问题,提出了一种改进的BP神经网络算法,通过改变学习率、附加动量项、改进激励函数等方法,解决标准BP神经网络的不足。最后,根据改进的神经网络算法,建立了基于改进的BP神经网络算法的教师教学质量评价模型,并对该模型进行了性能分析。本文针对BP算法的缺陷,从三个不同的角度对标准的BP算法进行改进,仿真结果表明,本文提出的改进BP算法具有收敛速度快、寻优能力和泛化能力强等特点,有效地弱化了指标权重确定中人为因素的影响。