为解决高校资助工作中资助对象的认定存在受人为因素干扰和量化程度弱的问题,结合人工智能深度学习技术自动提取学生消费数据特征的优势,避免了特征的人工选择和提取。在对学生消费数据标准化基础上,计和优化了基于长短期记忆神经网络(l...为解决高校资助工作中资助对象的认定存在受人为因素干扰和量化程度弱的问题,结合人工智能深度学习技术自动提取学生消费数据特征的优势,避免了特征的人工选择和提取。在对学生消费数据标准化基础上,计和优化了基于长短期记忆神经网络(long-short term memory,LSTM)神经网络的高校资助对象精准认定模型,从未受资助学生和受三个等级资助学生中分别提取200个样本数据作为模型训练数据,4个类别每类再分别提取30个样本数据共计120个样本数据作为模型测试数据。实验结果表明,模型对贫困生及其资助等级认定取得了较好的识别率,该模型为提高教育资助公平和效益探索了新技术途径。展开更多
文摘为解决高校资助工作中资助对象的认定存在受人为因素干扰和量化程度弱的问题,结合人工智能深度学习技术自动提取学生消费数据特征的优势,避免了特征的人工选择和提取。在对学生消费数据标准化基础上,计和优化了基于长短期记忆神经网络(long-short term memory,LSTM)神经网络的高校资助对象精准认定模型,从未受资助学生和受三个等级资助学生中分别提取200个样本数据作为模型训练数据,4个类别每类再分别提取30个样本数据共计120个样本数据作为模型测试数据。实验结果表明,模型对贫困生及其资助等级认定取得了较好的识别率,该模型为提高教育资助公平和效益探索了新技术途径。