- 1、本文档共10页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
烟草商业企业综合岗位员工的BP神经网络评价方法研究
烟草商业企业综合岗位员工的BP神经网络评价方法研究
杨海光烟草商业企业综合岗位员工的BP神经网络评价方法研究1
经济与管理
烟草商业企业综合岗位员工的BP神经
网络评价方法研究
杨海光
西安市烟草专卖局,西安710048
摘要:针对当前烟草商业企业综合岗位员工评价方法的不足,提出了综合岗位员工的BP神经网络评价方法.构建了综合岗位
员工评价模型和指标体系,描述了方法的应用过程,并通过MATLAB神经网络工具进行模拟计算.
关键词:烟草商业企业iBP神经网络;综合岗位;评价
中圈分类号:72.1文献标示码:B文章编号:1004—570S(2007)03—0001—05
ResearchonBPneuralnetworkmodelofperformanceappraisalforfunctional
departmentSemployeesoftobaccocorporation
YANGHai-guang
XianTobaccoMonopolyAdministration,Xian710048
Abstract:BecauseoftheperformanceappraisalSshortageintobaccocorporationSfunctionaldepartment,thispaperpresents
anewmethod,whichisbasedonBPneuralnetwork.Firstly,itsetsupanindexsystemofperformanceappraisal,andthen
designsthemodelofBPneuralnetworkaccordingtotheindexsystem.Finally,thispaperusestheNeuralNetworkToolbox
(NNT)thatbasedonMATLABtomakenetworkcompute.
Keywords:tobaccocorporation;BPneuralnetwork;functionaldepartment;performanceappraisal
目前,烟草商业企业对综合岗位员工的考核多采
用层次分析和模糊评价等方法,由于这些方法存在着
指标不全面,权重确定缺乏理论依据,带有明显主观臆
断且计算复杂等缺点,已经无法满足实际应用的需要.
为此,本文引入了误差反向传递神经网络,即BP神经
网络.由于该网络可以通过对连接权值和网络规模的
调整,实现非线性问题的解决,且无需建立数学模型,
它通过网络训练,从数据中概括出必要的信息,并将其
存储于各神经元中,构成网络知识,然后利用这些知识
评价或预测相似因素的结果J,具有很高的实用性.
加之BP神经网络不需要像其它方法那样人工确定权
值,有效地避免了评价人员的主观成分和人为因素.
作者简介:杨海光(198),男,硕士,西安市烟草专卖局,研究方向为
人力资源管理.E-mail:yhgmial@yahoo.corn.cn
收稿日期:2OO6.12.20
同时,我们在计算过程应用了MATLAB神经网络工具
箱,使评价计算过程更加简便,相信会对综合岗位员工
评价方法的研究起到积极的作用.
1烟草商业企业综合岗位的BP神经网络评
价模型的构建
1.1BP神经网络的原理
BP人工神经网络是McClelland等J研究并设计,
基于误差反向传递算法(Back.Propagation)的一种多层
前馈型神经网络.在实际的运用中,就是通过对不同
神经元的训练和对比,本着尽可能地减小系统规模,缩
短系统学习时间以及降低系统复杂性的原则,确定的
一
个具有恰当规模的网络模型J.本文采用的是一个
具有3层结构的BP神经网络模型,这是因为在闭区间
内任何一个连续函数都可以用含有一个隐层的神经网
络来逼近J,即一个3层神经网络能够实现任意精度
2中国烟草2007年6月第13卷第3期
的由N维向M维的非线性映射.网络的拓扑结构如
图1所示.
输入节点隐节点输出节点
图lBP神经网络的拓扑结构
设置多少个网络隐层节点不仅取决于网络输入层
和输出层的节点数目,而且与训练样本的多少和样本
中蕴涵规律的复杂程度等有关s-.隐层节点的选取对
于网络的性能影响非常大,当隐层节点选取数量过多
工作能力指标
工作态度指标
工作业绩指标
外部环境指标
员工素质指标
时,会导致网络学习时问过长,甚至不能收敛;当隐节
点数过少时,网络的容错能力差.利用逐步回归分析
法并进行参数的显着性检验来动态地删除一些线性相
关的隐节点,当由该节点出发指向下一层节点的所有
权值和阈值均落于死区之中,该节点可以删除.最佳
隐节点数可参考下面的公式计算J:
:(m+n)1/2+c(1)
式中:m为输入节点数,n为输出节点数,c为介于1
~
文档评论(0)