人力資源管理論文-基于Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)的江蘇技術(shù)人才需求預(yù)測(cè).doc

人力資源管理論文-基于神經(jīng)網(wǎng)絡(luò)的江蘇技術(shù)人才需求預(yù)測(cè)摘要Elman神經(jīng)網(wǎng)絡(luò)是一種典型的動(dòng)態(tài)回歸神經(jīng)網(wǎng)絡(luò)，它具有適應(yīng)時(shí)變性的能力。以江蘇省技術(shù)人才系統(tǒng)為例，說明了Elman神經(jīng)網(wǎng)絡(luò)在人才需求預(yù)測(cè)中的應(yīng)用，并將其預(yù)測(cè)結(jié)果與基于BP靜態(tài)神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值進(jìn)行了比較。指出了Elman神經(jīng)網(wǎng)絡(luò)在對(duì)人才系統(tǒng)這樣的動(dòng)態(tài)系統(tǒng)進(jìn)行預(yù)測(cè)時(shí)優(yōu)越性。關(guān)鍵詞人才預(yù)測(cè)Elman神經(jīng)網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò)隨著知識(shí)經(jīng)濟(jì)的到來，人才在區(qū)域經(jīng)濟(jì)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(jì)發(fā)展的重要影響因素。因此人力資源需求預(yù)測(cè)逐漸被接納和重視。人才預(yù)測(cè)的方法有很多種，神經(jīng)網(wǎng)絡(luò)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(luò)，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(duì)有限樣本的學(xué)習(xí)來模擬系統(tǒng)的內(nèi)部結(jié)構(gòu)。但BP網(wǎng)絡(luò)作為一種靜態(tài)前饋網(wǎng)絡(luò)，它對(duì)動(dòng)態(tài)系統(tǒng)進(jìn)行辨識(shí)時(shí)將動(dòng)態(tài)時(shí)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(luò)是一種典型的動(dòng)態(tài)神經(jīng)元網(wǎng)絡(luò)，它是在BP網(wǎng)絡(luò)基本結(jié)構(gòu)的基礎(chǔ)上，通過存儲(chǔ)內(nèi)部狀態(tài)使其具備映射動(dòng)態(tài)特征的功能，從而使系統(tǒng)具有適應(yīng)時(shí)變特性的能力。因此，考慮到人才系統(tǒng)具有動(dòng)態(tài)性的特點(diǎn)，嘗試采用Elman神經(jīng)網(wǎng)絡(luò)以江蘇省技術(shù)人才系統(tǒng)為例進(jìn)行預(yù)測(cè)。一、Elman神經(jīng)網(wǎng)絡(luò)Elman神經(jīng)網(wǎng)絡(luò)是Elman于1990年提出的，該模型在前饋網(wǎng)絡(luò)的隱含層中增加一個(gè)承接層，作為一步延時(shí)算子，達(dá)到記憶的目的，從而是系統(tǒng)具有適應(yīng)時(shí)變特性的能力，能直接反映動(dòng)態(tài)過程系統(tǒng)的特性。1.Elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Elman神經(jīng)網(wǎng)絡(luò)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(luò)，輸入層的單元僅起信號(hào)傳輸作用，輸出層單元起線性加權(quán)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(shí)刻的輸出值，可以認(rèn)為是一個(gè)延時(shí)算子。Elman神經(jīng)網(wǎng)絡(luò)的特點(diǎn)是隱含層的輸出通過承接層的延遲與存儲(chǔ)，自聯(lián)到隱含層的輸入，這種自聯(lián)方式使其對(duì)歷史狀態(tài)的數(shù)據(jù)具有敏感性，內(nèi)部反饋網(wǎng)絡(luò)的加入增加了網(wǎng)絡(luò)本身處理動(dòng)態(tài)信息的能力，從而達(dá)到了動(dòng)態(tài)建模的目的。2.Elman神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程以圖1為例，Elman網(wǎng)絡(luò)的非線性狀態(tài)空間表達(dá)式為：其中，y,x,u,xc分別表示m維輸出結(jié)點(diǎn)向量，n維中間層結(jié)點(diǎn)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(quán)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(luò)也采用BP算法進(jìn)行權(quán)值修正，學(xué)習(xí)指標(biāo)函數(shù)采用誤差平方和函數(shù)：其中為目標(biāo)輸出向量。二、基于Elman神經(jīng)網(wǎng)絡(luò)的江蘇技術(shù)人才需求預(yù)測(cè)1.Elman網(wǎng)絡(luò)樣本設(shè)計(jì)在實(shí)際的人力資源規(guī)劃中，江蘇省年的技術(shù)人才需求不僅受到年江蘇經(jīng)濟(jì)狀況的影響，由于人才需求的時(shí)滯性，而且受到等年份諸多因素的影響，具有動(dòng)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(shù)人才數(shù)量?，F(xiàn)在利用前14年的數(shù)據(jù)作為網(wǎng)絡(luò)的訓(xùn)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(biāo)向量。這樣可以得到11組訓(xùn)練樣本。第15、16年的數(shù)據(jù)作為網(wǎng)絡(luò)的測(cè)試樣本，主要看網(wǎng)絡(luò)能否合理地預(yù)測(cè)出當(dāng)年的數(shù)據(jù)。表1江蘇省技術(shù)人才數(shù)和地區(qū)生產(chǎn)總值(1989年2005年)2.Elman網(wǎng)絡(luò)訓(xùn)練與測(cè)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(jí)差別很大，為了防止部分神經(jīng)元達(dá)到飽和狀態(tài)，在研究中使用MATLAB7對(duì)樣本進(jìn)行的輸入進(jìn)行歸一。接下來是設(shè)計(jì)Elman網(wǎng)絡(luò)的結(jié)構(gòu)。合理的網(wǎng)絡(luò)結(jié)構(gòu)是預(yù)測(cè)性能的基礎(chǔ)。實(shí)際上結(jié)構(gòu)的確定尤其是中間層神經(jīng)網(wǎng)絡(luò)元數(shù)的確定是一個(gè)經(jīng)驗(yàn)性的問題，需要大量的實(shí)驗(yàn)。分別使用不同的中間層神經(jīng)網(wǎng)絡(luò)元數(shù)來構(gòu)造Elman網(wǎng)絡(luò)，使用訓(xùn)練樣本進(jìn)行學(xué)習(xí)訓(xùn)練，用測(cè)試樣本進(jìn)行測(cè)試分析預(yù)測(cè)值和實(shí)際值的誤差，觀察其訓(xùn)練曲線和預(yù)測(cè)誤差曲線。經(jīng)過反復(fù)試算，中間層神經(jīng)網(wǎng)絡(luò)元數(shù)目為8，傳遞函數(shù)為tansig時(shí)，網(wǎng)絡(luò)收斂于允許誤差的范圍內(nèi)。圖2給出了Elman神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值與實(shí)際值的比較。圖2Elman網(wǎng)絡(luò)輸出值與實(shí)際值對(duì)比3.與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)比較分析BP神經(jīng)網(wǎng)絡(luò)是人才預(yù)測(cè)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(luò)。經(jīng)過反復(fù)訓(xùn)練，建立結(jié)構(gòu)為5-9-1的江蘇技術(shù)人才需求BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，算出江蘇技術(shù)人才需求的BP網(wǎng)絡(luò)預(yù)測(cè)值，并與Elman神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值進(jìn)行比較。圖3是BP神經(jīng)網(wǎng)絡(luò)的擬合曲線，與圖2相比可以看出，Elman神經(jīng)網(wǎng)絡(luò)的擬合曲線更接近于實(shí)際值曲線。因此，Elman神經(jīng)網(wǎng)絡(luò)在江蘇技術(shù)人才需求趨勢(shì)的擬合上有著BP神經(jīng)網(wǎng)絡(luò)不可比擬的優(yōu)勢(shì)。部分預(yù)測(cè)結(jié)果的比較分析見表2。圖3BP網(wǎng)絡(luò)輸出值與實(shí)際值對(duì)比表2Elman神經(jīng)網(wǎng)絡(luò)擬合與預(yù)測(cè)結(jié)果三、結(jié)論Elman神經(jīng)網(wǎng)絡(luò)是在BP網(wǎng)絡(luò)的基礎(chǔ)上加入反饋信號(hào)，利用內(nèi)部狀態(tài)反饋來描述系統(tǒng)的非線性動(dòng)力學(xué)行為，提高了學(xué)習(xí)速度，適合動(dòng)態(tài)系統(tǒng)的實(shí)時(shí)辨識(shí)。Elman神經(jīng)網(wǎng)絡(luò)代表了神經(jīng)網(wǎng)絡(luò)建模、辨識(shí)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(jìn)一步提高人才預(yù)測(cè)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(xiàn)：1董長(zhǎng)虹：MATLAB神經(jīng)網(wǎng)絡(luò)與應(yīng)用M.國(guó)防工業(yè)出版社,20052李濤宋光興：區(qū)域人才資源需求預(yù)測(cè)方法研究J.云南財(cái)經(jīng)大學(xué)學(xué)報(bào),2006,(3)3盛艷波：基于BP神經(jīng)網(wǎng)絡(luò)和ARIMA組合模