基于神经网络的高校贫困生辅助认定模型研究

“精准资助”是现阶段我国贫困生资助等教育扶贫工作的新任务,贫困生认定工作作为贫困生资助的首要环节,现行的传统流程中存在着“假贫困”、认定标准主观性强等问题。将数据挖掘应用于贫困生辅助认定,基于学生消费行为习惯、学习情况和家庭情况等相关数据,对智慧校园长期积累的数据产物进行数据采样和建模,形成贫困生特征样本数据集,利用TensorFlow对全连接神经网络进行模型训练,根据模型产生期望输出,得到贫困生辅助认定模型。随机抽取输出的测试集数据对比已有贫困生数据进行精度测试,测试准确率较高。整个模型训练过程包括数据采样、数据建模、模型训练和模型评价等过程,将其应用于贫困生辅助认定,为传统主观的贫困生认定提供了更为精准、科学、客观的决策支撑。