基于BP神经网络企业人员素质综合评价模型研究.docVIP

基于BP神经网络企业人员素质综合评价模型研究 　　摘要：人员素质的各项测试指标与人员综合素质之间存在着复杂的非线性关系，为了客观准确的评价企业人员素质的综合水平，文章在分析企业人员综合素质的结构的基础上，引入BP人工神经网络模型建立了企业人员素质综合评价模型。结果表明，所建立的素质综合评价模型能较真实地反映出人员的综合素质水平，具有较好的泛化能力。 　　关键词：人员素质；综合评价；人工神经网络 　　 　　人员素质评价在不同程度上受到多种因素的影响，评价结果难以用恰当的数学解析式来描述，是一个多变量、模糊复杂的非线性过程。自20世纪80年代以来，人工神经网络这个多学科高科技领域，吸引了众多的神经生理学家、心理学家、计算机与信息科学家、工程师和企业家等进行研究和应用，并在信号与图像处理、语音识别、虚拟现实、控制系统设计、系统仿真、人工智能、优化计算、企业危机管理与预警、数据挖掘、系统辨识及综合评价等领域都得到了很好的应用。本文尝试利用人工神经网络本身具有的并行处理数据、良好的容错性、自适应和自学习以及较好的非线性功能等特性，对企业人员素质结构进行系统的分析，构建人工神经网络模型，在传统素质评价方法的基础上，对评价方法进行改进研究，期待能取得一个具有通用性、简洁性的评价企业人员素质的客观量化标准，力图在评价方法上有所创新。 　　 　　一、 企业人员素质评价指标的设计 　　 　　人员素质评价指标体系的设计是评价的基础，它对于评价过程有着统揽全局的作用。在设计企业人员素质评价指标体系时，需要遵循科学性、完备性和可操作性原则，要以客观准确地反映人员素质为出发点。 　　一般而言，企业人员素质评价指标体系的设计程序为职务分析、理论验证、指标调查三个步骤。首先通过职务分析对被评价对象的工作内容、性质、责任、环境以及完成工作所应具备的条件等进行研究和分析，获得各类人员所应具备的能力、知识、技能、特质等方面的信息，从而据此初步确定素质测评指标；然后再依据人员素质评价的基本原则和理论基础，进行经验性、专家性的筛选，对设计的素质评价指标进行理论论证；并对评价指标进行调查试用，进行相关性分析，最后遴选出主要而关键的素质评价指标体系[1]。评价指标的制定过程是一个系统的过程，制定一个成功的评价指标是需要多次反复实践才能达到较为理想的效果的。 　　本文以T集团管理人员的素质评价作为研究对象，根据David McClelland的胜任力模型，结合T集团的特点和要求，在充分调查和访谈的基础上，反复论证，确定其评价指标，对每一个评价指标制定了适当的评价标度及方法；通过选择合适的人员进行试测后，根据试测的结果进行反馈调整，并对指标体系进行了必要的修改和补充，最终将T集团人员素质评价项目的评价指标大体确定为五个大项，每项又分成多种素质内容分别进行测试，以期能获得最贴近于真实的评价结果。其指标体系及评价方法如表1所示。 　　 　　二、 企业人员素质的神经网络评价模型 　　 　　1． 神经网络原理。人工神经网络是理论化的人脑神经网络的数学模型，是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统，因其具有独特的结构和处理信息的方法，使其在许多实际应用中取得了显著成效。它实际上是由大量的处理单元通过适当的方式互连构成，是一个大规模的非线性自适应系统，它不需要构建任何数学模型，具有高度的非线性，能够进行复杂的逻辑操作和非线性关系实现的系统。人工神经网络模型发展到今天已有百余种模型，建造的方法也是多种多样，其中BP网络（Back Propagation Neural Network）是当前应用最为广泛的一种人工神经网络。在人工神经网络的实际应用中，80%~90%的人工神经网络模型是采用BP网络或它的变化形式。 　　BP网络是由输入层、若干个隐层和一个输出层组成，层与层之间采用全互连方式，同一层的单元之间不存在相互连接。输入信号从输入层神经元依次传过各隐层神经元，然后传到输出神经元。其输入与输出是一个高度非线性映射关系，如果输入结点数为n，输出结点数为m，则BP网络是从n维欧氏空间到m维欧氏空间的映射。因此，我们将用于企业人员素质评价的各指标值作为BP网络模型的输入向量，将评价结果作为BP网络模型的输出，用足够多的样本训练这个网络，使其获取企业评价专家的经验、知识、主观判断及其对指标重要性的倾向。这样BP网络模型所具有的那组权系数值便是网络经过自适应学习所得到的正确知识内部表示，训练好的BP网络模型根据待评价企业人员素质评价各指标的属性值，就可得到对人员素质的评价结果，再现专家的经验、知识、主观判断及其对指标重要性的倾向，实现定性与定量的有效结合，保证评价的客观性和一致性。 　　2． BP神经网络的学习方法。BP网络的学习过程分为两大步，第一