基于BP人工神经网络的企业人员素质评价模型

来源:用户上传      作者: 高永惠 杨丽丽 李新鹏

　　【摘要】 人员素质评价是现代人力资源管理的一项重要功能,介绍了用神经网络对企业人员素质评价方法改进的原理及思路。
　　【关键词】 企业人员素质;人工神经网络
　　
　　我国大多数企业在人员的选拔与评价方面,受传统思想的影响较大,缺乏科学的人员素质评价方法和技术。为了保证人员素质评价结果的客观准确性,企业需要采用科学合理的方法,针对人员素质与其影响因素之间的复杂、不确定和非线性特性,将人工神经网络引入人员素质评价是十分必要。人工神经网络具有的大规模并行处理和存储、自组织、自适应和自学习能力,使它能够用于,也特别适用于处理需同时考虑众多因素和条件不精确和模糊的信息处理问题。
　　
　　一、企业人员素质评价指标体系的设计程序
　　
　　(一)职务分析
　　职务分析是对某项职务的内容和任职资格进行完整地描述或说明,以便为管理活动提供有关职务方面的信息而进行的一系列职务信息收集、分析和综合的人力资源管理基础性活动。职务分析信息收集的方法很多,这里仅介绍常见的几种。
　　1.工作分析法。就是对各类人员所从事的工作内容、性质 、责任、环境以及完成这些工作各类人员所应具备的条件进行研究和分析,了解和掌握各类人员的工作特点、工作性质和应该注意的问题以及各类人员胜任本职工作所应具备的能力、知识、技能等。工作分析的主要内容由两部分组成:一是职务说明,二是对人员的要求。对人员的要求包括各类人员完成本职工作应该具备的智力、专业知识、工作经验、技能要求等,这是工作分析应用于人员素质评价的主要内容。
　　2.素质图示法。素质图示法就是将某类人员的素质特征,用图表描绘出来,加以分析研究,确定评价指标。这种方法一般将某类人员的评价素质指标按需要程序分档,然后根据少而精的原则进行选取。
　　3.专家调查法。专家调查法中的“专家”一般包括有关方面的领导、理论研究人员,具有管理和技术方面知识并且具有丰富实际经验的专业人员等。专家调查法的主要形式有个别访谈法、德尔菲法和头脑风暴法。
　　4.问卷调查法。这种方法就是设计者根据需求,把要调查的内容设计在一张调查表上,分发给有关人员填写,收集和征求不同人员意见的一种方法。问卷调查表的设计应简单明了,填写要力求简便,要使具有一般文化水平的人员在看完填表说明和要求以后,也能进行正确地回答。
　　(二)理论验证
　　依据人员素质评价的基本原则和理论基础,对设计的素质评价指标进行论证,使其具有一定的科学依据。
　　(三)指标调查
　　根据工作分析所确定的指标,运用评价指标体系的设计方法进行指标调查,以确定评价指标体系。在进行指标调查时,可将几种方法结合起来使用,使指标体系更加准确、完善。为了使确定好的指标更趋合理,还应对其进行修订。修订分为两个方面:(1)评价前修订。通过专家调查法,将所确定的指标提交领导、专家权威或专家会议,征求意见,修改、补充、完善评价指标的内容。(2)评价后修订。根据评价后的结果,确定哪些评价指标是必要,哪些评价指标可以省略和简化。
　　
　　二、基于BP神经网络的人员素质评价模型设计
　　
　　在对企业人员素质评价的BP网络模型设计中,应具体考虑以下因素的合理确定:网络的层数、各层神经元个数、初始值的选择、学习速率、期望误差、输入数据预处理方式以及网络训练模式。
　　(一)BP网络层数的确定
　　根据Kosmogorov定理,对于任何的连续函数映射关系都可以用含有一个隐含层的BP网络来逼近。一个S型隐含层加上一个线性输出层的BP网络,能够逼近任何在闭区间内的一个连续有理函数。一个三层的BP网络可以完成空间任意的从n维到m维的映射,并且可以通过增加隐含层神经元的个数来提高网络的精度。
　　(二)各层神经元个数的确定
　　输入层神经元的个数即为素质评价的指标数,输出层神经元个数则为人员素质的评价结果,即1个。隐含层神经元数与模型的要求、输入层及输出层神经元数都有着直接的关系。隐含层神经元数目太多会导致学习时间过长、误差不一定最佳,也会导致容错性差、不能识别以前没有看到的样本等问题。对于一个BP网络,一定存在一个最佳的隐含层神经元数。如何尽可能选择最佳的隐含层神经元数,以下有几个经验公式可用于选择时的参考公式:
　　(2)n1=log2n其中,n为输入层神经元数。
　　(三)初始值的选取
　　由于系统是非线性,一个重要的要求是:初始权值在输入累加时使每个神经元的状态值接近于零,权值一般取随机数,要比较小。初始值一般选择在区间(-1,1)之间的随机数。
　　(四)学习速率的确定
　　在学习速率的选择上倾向于选择较小的学习速率以保证网络的稳定性。一般学习速率的选取范围在0.01～0.8(五)期望误差的确定
　　期望误差值的确定是通过网络对不同误差值分别进行训练后确定的最适合值。最适合值是相对于所需要的隐含层的神经元数来确定,一个较小的误差值的获得需要增加隐含层的神经元数以及训练时间。
　　(六)输入数据的预处理方式
　　在MATLAB中提供的预处理方法有三种:归一化处理(将每组数据都变为(-1,1)之间的数,所涉及的函数有PREMNMX、POSTMNMX、TRAMNMX)、标准化处理(将每组数据都变为均值为0,方差为1的数据,所涉及的函数有PRESTD、POSTSTD、TRASTD)和主成分分析(进行正交处理,减少输入数据的维数,所涉及的函数有PREPCA、TRAPCA)。在实证研究中对所涉及的输入数据进行了归一化处理,进行数据输入操作。
　　(七)网络训练模式
　　训练网络有两类模式:逐变模式和批变模式。在逐变模式中,输入数据分次作用于网络,网络权值和误差分次更新。在批变模式中,所有输入数据一批次作用于网络,权值和误差只更新一次。使用批变模式不需要为每一层的权值和误差设定训练函数,只需为整个网络指定一个训练函数,使用起来方便,许多改进的快速训练算法只采用批变模式。
　　与现有的评价方法相比,运用人工神经网络建模评价人员素质,具有较大的优越性,主要表现在:人工神经网络不需构建任何数学模型,不必得出各项影响因素的权重,只靠过去的经验和专家的知识来学习,通过网络学习达到其输出和期望输出的结果。人工神经网络是自适应和可以训练,它有自学习能力,如果它的输出不满足期望结果,网络可以不断调整,整个修正过程可以通过训练算法来实现。
　　
　　参考文献
　　[1]张志红,朱冽烈.人才测评实务[M].机械工业出版社,2005
　　[2]刘耀中.人员测评[M].中国纺织出版社,2003
　　[3]蒋宗礼.人工神经网络导论[M].高等教育出版社,2001

转载注明来源:https://www.xzbu.com/2/view-612503.htm