基于BP神经网络专家遴选.docVIP

基于BP神经网络的专家遴选-人力资源 基于BP神经网络的专家遴选 刘宝 李正荣 吉方 代毅 中国工程物理研究院机械制造工艺研究所 摘要：专家遴选是科技人才队伍建设的重要内容。分析了专家队伍现状及其遴选方式的不足，对反映科技人员能力和成果的要素进行量化，并采用BP神经网络方法建立了专家遴选模型。结果表明：应用该方法对科技人员进行分类筛选能减少人为因素的影响，满足专家遴选的要求。 关键词 ：专家遴选 评价指标 BP神经网络 模型验证 中图分类号：C961 文献标识码：B 高层次科技人才是我国人才队伍的核心，而高水平专家是专业技术人才的精华，也是高层次科技人才的代表。专家的遴选与培养一直备受各大科研机构的重视，它不仅是激发科技人才积极性，促进学科发展和技术进步的重要措施，也是加强梯队建设，推动高层次人才队伍可持续发展的基本保证。 一、研究所专家队伍现状 在我国，专家一般指那些在所从事领域中得到广泛认可，具有精湛造诣，能够进行创新性劳动并取得突出成就的人群。现以某工程类研究所为例，对科技专家队伍的现状进行分析。 1.专家的数量不足 古语云：“千军易得，一将难求。”高层次专家位于人才队伍的“塔尖”，在把握学科发展方向和带领团队方面起着关键作用。要打造“创新型一流研究所”，必须加强和巩固优势学科地位，进一步提升科研水平，而这些必须以一支数量可观的专家队伍为基础。研究所近年来虽然承担了不少重大科研项目，也获得了很多国家级和省部级奖励，但仔细分析就能发现：很多项目负责人和获奖者都高度重复，剔出这些重复出现的人员，高水平科技专家的数量并不多，更鲜见在国内相关领域具有较高影响力的领军人物。 现有科技专家数量不足的同时，许多科研水平较高的技术骨干却缺少成为专家的机会，难以享受专家的荣誉和待遇，也没有积极性去履行专家的责任与义务，对研究所的科技进步和队伍建设没有起到应有的推动作用。 2.专家的年龄偏大 据统计，人的创造力在35岁左右达到巅峰，这个时期正是做科研、出成果的黄金期。研究所近五年所获各类科技奖项人数共171人，其中仅有6人年龄在35岁以下，且全部为项目参与者。在最富创造力的时期难以成为科研主力，科技人才队伍的年龄结构不尽合理。 专家的年龄偏大是有其客观原因的，当前科技项目特别是重大科技项目一般要由知名专家作为负责人才容易获得通过。一方面，少数资深专家作为科研主力，承担的任务多、压力大；另一方面，年轻科技人员缺少重大项目的锻炼机会，不利于个人成长。 3.专家遴选方式待改进 专家的作用不仅体现在对经济发展和科技进步的直接贡献上，而且体现在对整个人才队伍建设的示范和带动作用上。研究所为加强专业梯队建设，充分发挥高层次专家在各自学科、专业领域的学术和技术带头作用，提高专业技术人才队伍的整体素质，近年来致力于开展专家的遴选培养工作，初步营造了“尊重劳动、尊重知识、尊重人才、尊重创造”的良好环境。 然而科技专家的遴选仍存在一些待改进之处。一是专家遴选方式相对粗放，如“德才兼备”等要求都是定性描述，客观量化成份很少。遴选过程不仅受限于评审专家知识的局限性，而且易受部门和个人的利益冲突及少数专家的学术道德水平影响，不排除走过场、印象分等现象的发生，难以完全客观、真实地反映科技人员的能力水平。二是专家资格的有效期限不符合人才发展规律。科技人员一旦被授予专家称号，往往一直到退休都是专家，随之而来的是项目、资金、名誉的高度聚集，一方面挤占了年轻科技人员的晋升空间，另一方面也不利于研究所的科技发展。 研究所科技专家数量不足、年龄偏大，迫切需要关注年轻科技人才的成长和发展，加大专家遴选与培养工作的力度，形成人才辈出、百花齐放的良好局面。应建立一个专家库，将年轻的、优秀的科技骨干纳入到这个库中，实时更新专家库中科技人员的项目、成果信息，并进行动态管理，适时将一部分优秀专家推荐上去，将另一部分平庸专家筛选下来，形成灵活高效的专家新陈代谢机制。 二、科技专家遴选模型的构建 1.BP神经网络的基本思想 BP神经网络是模仿生物神经网络功能的一种经验模型，它含有输人层、输出层以及处于输入输出层之间的中间隐层，其算法由数据流的前向计算(正向传播)和误差信号的反向传播两个过程构成。正向传播时，传播方向为输入层-隐层-输出层，每层神经元的状态只影响下一层神经元。若在输出层得不到期望的输出，则转向误差信号的反向传播流程。通过这两个过程的交替进行，在权向量空间执行误差函数梯度下降策略，动态迭代搜索一组权向量，使网络误差函数达到最小值，从而完成信息提