用ＢＰ神经网模型探讨企业关系平衡.docVIP

用BP神经网模型探讨企业关系平衡[摘要] 文章通过 分析 企业 关系平衡特点,探讨采用BP神经 网络 方法 来评价企业关系平衡 问题 。与以往 研究 方法不同,不是从员工绩效评价、雇员满意度两方面分别分析,而是将企业关系平衡作为一个整体进行分析判断。通过对样本企业的反复 学习 训练,得到能够判断企业关系是否平衡的有效模型未达到平衡的企业的进一步研究给出了思路。 [关键词] 企业关系 平衡 神经网络 评价模型 一、问题提出及背景 在生产力高速 发展 的 现代 社会 ,不少的企业对人力资源的投入加大,但其投入与企业的产出并不能达到正相关关系,更多的时候是入不敷出,甚至亏空。因此,有必要建立企业关系平衡评价系统,指示管理者在哪些方面进行管理调整,使企业利用最少的资源换取最大的收益成为可能。 目前 对于企业关系平衡,最常用的是组织心 理学 家Argyris的心理契约 理论 ,他用Psychological Contract来说明雇员与企业之间的平衡关系,用博弈论的相关方法研究企业中雇佣关系的平衡,也是现今常用的方法。 笔者在通过查阅相关 文献 并结合相关的管理理论,发现此问题的探讨分析并不局限于现有的理论,还可以从人工神经网络这个新视角来对此问题进行研究。本文利用了人工神经网络具有学习的特点、可随时根据新的数据资料进行自我学习训练来进行探讨研究的。 二、指标体系及样本的选择 为了准确的测度企业的平衡状态,需要将员工绩效和雇员满意度指标体系转化为可以直接观察量化的指标体系。本文 参考 了相关资料,设置了一套企业关系平衡综合评价指标体系:员工绩效指标:技能、努力、智能、经验、积极态度、合作精神、灵活性;雇员满意度指标:工资、津贴、工作环境、工作安全性、地位、晋升、工作多样性。上述指标构成了一个整体,能充分的反映企业关系平衡的实际情况。 样本数据分为学习样本及检验样本,均包括企业关系平衡与不平衡的企业。学习样本用来建立拟合函数,检验样本来检验和修整函数。 对于样本企业类别的判定,我们可以选择合理指标。比如:应聘成功率、跳槽率。笔者认为视应聘成功率低、跳槽率低的企业为平衡,否则为不平衡。 应聘成功率低,表示企业对未来员工的满意度设置得很高,要进入企业的员工是企业千挑万选出来的满意员工,能够进入企业的员工都是满意度较高的员工;跳槽率低,表明企业现有员工对企业的满意度较高。应聘成功率低、跳槽率低,使得企业处于一种动态平衡状态。具体操作时,各比率高低的确定,可以听取专家意见。当然,实际运用时,是否可以采取其他指标判别样本企业的类别,仍然有很大的研究空间。 三、模型的建立和分析 首先,根据这14个指标设计两类调查问卷,一类是员工填写,用来得到其雇员满意度;一类是管理者填写,得到其对员工绩效的评价,求出14个指标的平均值。 在完成准备工作后运用BP神经网络的理论基础上建立模型: 1使用3层的单隐层BP神经网络。因为它可以完成任意的N 维到M维的映射。2输入层节点的多少应与评价指标个数相对应,故本文的网络输入层节点数为14。3因为考虑到单隐含层网络的非线性映射能力较弱,隐含层节点要多一些,以增加网络的可调参数,本网络确定隐含层个数为8。4输出节点Y为一个,即企业关系的平衡评价,取平衡企业的输出量为0,非平衡企业的输出量为1。 之后,把用来评价 企业 关系平衡与否的14个指标作为神经 网络 的输入向量X |X1,X2 ,…, X14| ,将代表相应综合评价结果的值作为网络的输出Y, 采用MATLAB 神经网络工具箱中的函数编程求解,用 学习 样本训练这个网络,使不同的输入向量得到不同的输出值,这样神经网络所持有的那组权系数值和阈值,便是网络经过自适应学习所得到的正确内部表示经过反复学习训练,确定与最小误差相对应的网络参数权值和阈值 ,训练即告停止。一旦神经网络训练完毕,即可作为评价企业关系平衡的有效工具,对不同评价对象做出相应的综合判断。当学习样本对模型的训练完成后,输入检验样本的取值并检验模型,再对模型进行训练和修正。 四、结束语 基于人工神经网络模型的企业关系平衡,可以解决传统 方法 不能达到对系统的平衡做出修正并对日常管理指导的作用。当新的企业数据输入到已经训练成熟的模型,得到企业关系不平衡的指示时,管理者可以对这些指标值进行调整并记录,直到达到平衡,管理者可以通过记录对日常的人事管理进行调整,使企业向平衡稳定的方向 发展 。当然,系统输入变量的选取、样本企业的评价标准有待我们进一步探讨。 参考 文献 : [1]何强:共建企业心理契约型的人力资源文化[J]