人力資源管理論文-基于Ｅｌｍａｎ神經(jīng)網(wǎng)絡的江蘇技術人才需求預測.doc

人力資源管理論文-基于神經(jīng)網(wǎng)絡的江蘇技術人才需求預測摘要Elman神經(jīng)網(wǎng)絡是一種典型的動態(tài)回歸神經(jīng)網(wǎng)絡，它具有適應時變性的能力。以江蘇省技術人才系統(tǒng)為例，說明了Elman神經(jīng)網(wǎng)絡在人才需求預測中的應用，并將其預測結(jié)果與基于BP靜態(tài)神經(jīng)網(wǎng)絡的預測值進行了比較。指出了Elman神經(jīng)網(wǎng)絡在對人才系統(tǒng)這樣的動態(tài)系統(tǒng)進行預測時優(yōu)越性。關鍵詞人才預測Elman神經(jīng)網(wǎng)絡BP神經(jīng)網(wǎng)絡隨著知識經(jīng)濟的到來，人才在區(qū)域經(jīng)濟中的作用日益彰顯，人力資源規(guī)劃已經(jīng)成為區(qū)域經(jīng)濟發(fā)展的重要影響因素。因此人力資源需求預測逐漸被接納和重視。人才預測的方法有很多種，神經(jīng)網(wǎng)絡是較為常用的方法之一。目前大多數(shù)采用的是基于BP算法的神經(jīng)網(wǎng)絡，它可以看成是輸入與輸出集合之間的一種非線性映射，通過對有限樣本的學習來模擬系統(tǒng)的內(nèi)部結(jié)構(gòu)。但BP網(wǎng)絡作為一種靜態(tài)前饋網(wǎng)絡，它對動態(tài)系統(tǒng)進行辨識時將動態(tài)時間建模問題變?yōu)殪o態(tài)空間建模問題。Elman回歸神經(jīng)網(wǎng)絡是一種典型的動態(tài)神經(jīng)元網(wǎng)絡，它是在BP網(wǎng)絡基本結(jié)構(gòu)的基礎上，通過存儲內(nèi)部狀態(tài)使其具備映射動態(tài)特征的功能，從而使系統(tǒng)具有適應時變特性的能力。因此，考慮到人才系統(tǒng)具有動態(tài)性的特點，嘗試采用Elman神經(jīng)網(wǎng)絡以江蘇省技術人才系統(tǒng)為例進行預測。一、Elman神經(jīng)網(wǎng)絡Elman神經(jīng)網(wǎng)絡是Elman于1990年提出的，該模型在前饋網(wǎng)絡的隱含層中增加一個承接層，作為一步延時算子，達到記憶的目的，從而是系統(tǒng)具有適應時變特性的能力，能直接反映動態(tài)過程系統(tǒng)的特性。1.Elman神經(jīng)網(wǎng)絡結(jié)構(gòu)Elman神經(jīng)網(wǎng)絡一般分為4層：輸入層、中間層（隱含層）、承接層、輸出層，如圖1所示。其輸入層、隱含層、輸出層的連接類似于前饋網(wǎng)絡，輸入層的單元僅起信號傳輸作用，輸出層單元起線性加權作用。隱含層單元的一步傳遞函數(shù)可采用線性或非線性函數(shù)，承接層又稱為上下文層或狀態(tài)層，它用來記憶隱含層單元前一時刻的輸出值，可以認為是一個延時算子。Elman神經(jīng)網(wǎng)絡的特點是隱含層的輸出通過承接層的延遲與存儲，自聯(lián)到隱含層的輸入，這種自聯(lián)方式使其對歷史狀態(tài)的數(shù)據(jù)具有敏感性，內(nèi)部反饋網(wǎng)絡的加入增加了網(wǎng)絡本身處理動態(tài)信息的能力，從而達到了動態(tài)建模的目的。2.Elman神經(jīng)網(wǎng)絡的學習過程以圖1為例，Elman網(wǎng)絡的非線性狀態(tài)空間表達式為：其中，y,x,u,xc分別表示m維輸出結(jié)點向量，n維中間層結(jié)點單元向量，r維輸入向量和n維反饋狀態(tài)向量。w3,w2,w1分別表示中間層到輸出層、輸入層到中間層、承接層到中間層的連接權值。g(*)為輸出神經(jīng)元的傳遞函數(shù)，是中間層輸出的線性組合。f(*)為中間層神經(jīng)元的傳遞函數(shù)，常采用S函數(shù)。Elman網(wǎng)絡也采用BP算法進行權值修正，學習指標函數(shù)采用誤差平方和函數(shù)：其中為目標輸出向量。二、基于Elman神經(jīng)網(wǎng)絡的江蘇技術人才需求預測1.Elman網(wǎng)絡樣本設計在實際的人力資源規(guī)劃中，江蘇省年的技術人才需求不僅受到年江蘇經(jīng)濟狀況的影響，由于人才需求的時滯性，而且受到等年份諸多因素的影響，具有動態(tài)性。表1給出了1989年2005年江蘇省的地區(qū)生產(chǎn)總值（GDP）和技術人才數(shù)量?，F(xiàn)在利用前14年的數(shù)據(jù)作為網(wǎng)絡的訓練樣本，每4年的人才數(shù)和第5年的地區(qū)生產(chǎn)總值作為輸入向量，第5年的人才數(shù)作為目標向量。這樣可以得到11組訓練樣本。第15、16年的數(shù)據(jù)作為網(wǎng)絡的測試樣本，主要看網(wǎng)絡能否合理地預測出當年的數(shù)據(jù)。表1江蘇省技術人才數(shù)和地區(qū)生產(chǎn)總值(1989年2005年)2.Elman網(wǎng)絡訓練與測試獲得樣本數(shù)據(jù)后，由于原始樣本中各向量的數(shù)量級差別很大，為了防止部分神經(jīng)元達到飽和狀態(tài)，在研究中使用MATLAB7對樣本進行的輸入進行歸一。接下來是設計Elman網(wǎng)絡的結(jié)構(gòu)。合理的網(wǎng)絡結(jié)構(gòu)是預測性能的基礎。實際上結(jié)構(gòu)的確定尤其是中間層神經(jīng)網(wǎng)絡元數(shù)的確定是一個經(jīng)驗性的問題，需要大量的實驗。分別使用不同的中間層神經(jīng)網(wǎng)絡元數(shù)來構(gòu)造Elman網(wǎng)絡，使用訓練樣本進行學習訓練，用測試樣本進行測試分析預測值和實際值的誤差，觀察其訓練曲線和預測誤差曲線。經(jīng)過反復試算，中間層神經(jīng)網(wǎng)絡元數(shù)目為8，傳遞函數(shù)為tansig時，網(wǎng)絡收斂于允許誤差的范圍內(nèi)。圖2給出了Elman神經(jīng)網(wǎng)絡預測值與實際值的比較。圖2Elman網(wǎng)絡輸出值與實際值對比3.與BP神經(jīng)網(wǎng)絡預測比較分析BP神經(jīng)網(wǎng)絡是人才預測中最常見的非線性方法，是一種單向傳播的多層次前向網(wǎng)絡。經(jīng)過反復訓練，建立結(jié)構(gòu)為5-9-1的江蘇技術人才需求BP神經(jīng)網(wǎng)絡預測模型，算出江蘇技術人才需求的BP網(wǎng)絡預測值，并與Elman神經(jīng)網(wǎng)絡預測值進行比較。圖3是BP神經(jīng)網(wǎng)絡的擬合曲線，與圖2相比可以看出，Elman神經(jīng)網(wǎng)絡的擬合曲線更接近于實際值曲線。因此，Elman神經(jīng)網(wǎng)絡在江蘇技術人才需求趨勢的擬合上有著BP神經(jīng)網(wǎng)絡不可比擬的優(yōu)勢。部分預測結(jié)果的比較分析見表2。圖3BP網(wǎng)絡輸出值與實際值對比表2Elman神經(jīng)網(wǎng)絡擬合與預測結(jié)果三、結(jié)論Elman神經(jīng)網(wǎng)絡是在BP網(wǎng)絡的基礎上加入反饋信號，利用內(nèi)部狀態(tài)反饋來描述系統(tǒng)的非線性動力學行為，提高了學習速度，適合動態(tài)系統(tǒng)的實時辨識。Elman神經(jīng)網(wǎng)絡代表了神經(jīng)網(wǎng)絡建模、辨識與控制的發(fā)展方向。若能將其與灰色模型、多元回歸模型結(jié)合起來，則有可能進一步提高人才預測的精度，并能在人力資源規(guī)劃中發(fā)揮更大的作用。參考文獻：1董長虹：MATLAB神經(jīng)網(wǎng)絡與應用M.國防工業(yè)出版社,20052李濤宋光興：區(qū)域人才資源需求預測方法研究J.云南財經(jīng)大學學報,2006,(3)3盛艷波：基于BP神經(jīng)網(wǎng)絡和ARIMA組合模