基于DNN神经网络的研究生生源预测方法研究

高校研究生的生源质量是提高研究生培养水平的基础，获得准确的生源质量信息可以为招生宣传提供科学有效的背景支撑与技术保障。本文以吉林大学某学院近五年招生生源类型为样本，建立高校研究生生源质量评价指标体系，基于DNN神经网络拟合高校生源质量变化特点，在谷歌研发的Tensorflow框架下建立高校研究生生源质量评价模型；最后，采用训练完备数据库对下一年研究生生源质量进行预测分析，指导招生宣传工作的高效执行。本文所提预测方法较好地解决了研究生生源质量难以保障研究生培养水平的问题，对提高高校研究生整体培养水平以及相应学科建设的发展具有重要意义。

研究生培养质量是建设一流和高水平研究型大学的关键问题。党的十八大以来，国家全面实施创新驱动发展战略，突出把人才作为创新的第一资源。习近平总书记强调，创新驱动实质上是人才驱动。

因此对创新型人才的培养是国家兴旺发达的关键所在。研究生作为创新型人才的主力军，肩负着发展国家科学技术的重任。因而研究生教育质量成为能否为国家输送高层次创新型人才的中心环节[1]。随着研究生招生体制和培养体制的改革，逐步实现从规模化发展向内涵式发展的转变。研究生的生源质量是研究生培养质量的基础，研究生招生工作得到提升，研究生生源质量则提高，直接影响研究生的培养质量[2] [3]。针对目前研究生招生数量大量扩张的情况，研究生生源质量不能得以保障。教育管理的重点：如何适时、适宜地抓好并推进研究生的培养工作，提高研究生的培养质量，已经成为摆在我们面前的首要问题[4] [5]。科学的、合理的、有效的前期准备很大程度上决定了招生单位获取生源的质量，进而影响着整个硕士研究生培养工作的开展。为了更好地提升研究生培养质量，必须加强研究生生源质量评估体系建设。

针对现有生源质量评估办法难以定量分析，为后续招生工作提供数据支撑，本文提出了DNN (Deep Neural Network)神经网络方法。

DNN 网络是数据挖掘技术的重要手段， 可以根据大量的数据分析及推理的有效工具，具有很强的实用性，已在数据分析实际中得到广泛应用[5] [6] [7] [8]。研究生生源质量的评价，存在生源质量影响相互制约的关系，不确定分析地推演其中联系，构建合理的不确定性框架，并进行数据训练分析计算，DNN 为生源质量的影响因素的关系建立模型，DNN 神经网络数据分析技术为研究生生源质量的评价与预测提供了良好的技术支撑，因此，本文以吉林大学研究生招生的历史数据为基础，首先从DNN 网路入手，在谷歌的Tensorflow 框架上搭建网络并选择合适的优化器来训练网络，进一步通过2013 年至2019 年的研究生生源数据来训练优化网络权值与偏置，预测未来，根据招生生源数据预测研究生生源质量，为招生工作提供技术支持，进一步为提升研究生培养质量提供保障。