遗传算法优化神经网络的高校贫困生精准认定
2021-05-28肖琪
现代计算机 2021年11期
关键词:模型
肖琪
(常熟理工学院,常熟215500)
0 引言
习近平总书记明确提出,坚决打赢脱贫攻坚战,确保2020 年我国现行标准下农村贫困人口实现脱贫,脱贫县全部摘帽[1]。在脱贫攻坚战分层次分类的具体实践中,其中包括根据贫困地区的人力结构进行不同方式的教育扶贫[2]。教育扶贫领域,高等教育的精准扶贫工作至关重要[3],一直是教育界甚至全社会广泛关注的问题。为了做好高等教育领域的精准扶贫[4]工作,很多高校都采取了建档立卡的方式实现精准资助[5],但由于地方工作粗放,存在建档立卡贫困生识别不清的风险。
目前各高校主要根据教育部文件的相关要求对贫困生进行主观认定,这种认定方法存在很多主观因素,影响了评定结果的准确性。近年来,我国学者基于贫困生数据建立相关数学模型如决策树法[6]、模糊综合评价法[7]、层次分析法[8]、回归分析法[3]等,但以上方法各有利弊,如回归分析法针对线性关系的表达比较有效,而不能准确反映非线性关系。柴政等人[9]采用反向传播算法的前馈神经网络模型对高校贫困生等级进行评定,但容易陷入局部极小值。陆桂明等人[10]采用机器学习算法建立了XG-Boost 模型实现对高校贫困生等级的精确分类,但存在查准率较低的问题。
BP(Back Propagation)神经网络模型是一种非常重要而经典的人工神经网络,具有高度非线性、自学性和映射性等优点[12],它不需要寻求非线性样本数据间的显性关系式和数学模型,便可以准确地逼近刻画训练样本数据规律的最佳函数,从而克服现有客观认定方法的许多局限性和困难。……
登录APP查看全文
