楊 雪,李文生
(華北水利水電學(xué)院,河南鄭州450011)
基于BP神經(jīng)網(wǎng)絡(luò)的大學(xué)生創(chuàng)業(yè)素質(zhì)評價
楊 雪,李文生
(華北水利水電學(xué)院,河南鄭州450011)
“以創(chuàng)業(yè)促就業(yè)”,支持和鼓勵大學(xué)生創(chuàng)業(yè)成為解決當前大學(xué)生就業(yè)困境的最有效途徑之一。對于創(chuàng)業(yè)的大學(xué)生來講,大學(xué)生創(chuàng)業(yè)素質(zhì)評價必不可少。從大學(xué)生自身出發(fā),建立了大學(xué)生創(chuàng)業(yè)素質(zhì)評價指標體系,并利用BP神經(jīng)網(wǎng)絡(luò)對大學(xué)生創(chuàng)業(yè)素質(zhì)進行了評價,實現(xiàn)了評價的非線性映射,具有一定的理論和現(xiàn)實意義。
BP算法;人工神經(jīng)網(wǎng)絡(luò);大學(xué)生創(chuàng)業(yè)素質(zhì)
受金融危機影響,高校大學(xué)生的就業(yè)面臨巨大的挑戰(zhàn),而大學(xué)生創(chuàng)業(yè)成為解決當前困境的最有效途徑之一。然而,并不是每個大學(xué)生都適合創(chuàng)業(yè)。有關(guān)調(diào)查顯示,大學(xué)生創(chuàng)業(yè)成功率只有0.01%[1],這遠低于一般的創(chuàng)業(yè)成功率。而影響大學(xué)生創(chuàng)業(yè)成功率的一個主要因素就是大學(xué)生的創(chuàng)業(yè)素質(zhì)。因此,要通過促進大學(xué)生創(chuàng)業(yè)來緩解大學(xué)生就業(yè)壓力,必須首先提高大學(xué)生的創(chuàng)業(yè)素質(zhì)。要提高大學(xué)生的創(chuàng)業(yè)素質(zhì),對大學(xué)生創(chuàng)業(yè)者進行創(chuàng)業(yè)素質(zhì)評價就顯得有必要。
大學(xué)生創(chuàng)業(yè)素質(zhì)包含的內(nèi)容十分豐富,構(gòu)建大學(xué)生創(chuàng)業(yè)素質(zhì)評價指標體系很關(guān)鍵。大學(xué)生創(chuàng)業(yè)素質(zhì)評價指標體系建立的基本原則主要有以下幾個方面。
一是導(dǎo)向性原則。堅持導(dǎo)向性原則,就是評價指標體系的建立和使用要在素質(zhì)教育的指導(dǎo)思想、指標設(shè)定、權(quán)重分配等方面對評價對象的行為有引導(dǎo)作用,即能充分利用指標體系讓學(xué)生的知識、能力、品格等得到全面和諧的發(fā)展,引導(dǎo)大學(xué)生更加注重全面素質(zhì)的提高。
二是注重實效的原則。大學(xué)生創(chuàng)業(yè)素質(zhì)評價的目的是為了更好地調(diào)動各方面的積極性,以便有針對性地開展創(chuàng)業(yè)素質(zhì)教育,提高學(xué)生創(chuàng)業(yè)素質(zhì)和實踐能力。在評價的過程中要克服形式主義,注重實際效果。
三是全面性原則。指標體系應(yīng)盡可能體現(xiàn)與素質(zhì)教育相關(guān)的重要內(nèi)容,能從多個層面、多個視角、多條主線反映大學(xué)生的素質(zhì)狀況,以保證評價結(jié)果全面準確地反映大學(xué)生的素質(zhì)。
根據(jù)這些指導(dǎo)原則,大學(xué)生創(chuàng)業(yè)素質(zhì)主要包括創(chuàng)業(yè)意識和品質(zhì)、創(chuàng)業(yè)知識、創(chuàng)業(yè)能力以及創(chuàng)業(yè)環(huán)境掌控力等四大組成部分[2]。其中創(chuàng)業(yè)意識和品質(zhì)主要包括創(chuàng)業(yè)者的勇氣和膽量、意志和毅力、吃苦耐勞、社會責(zé)任感、信用等方面;創(chuàng)業(yè)知識包括管理知識、專業(yè)知識、市場經(jīng)濟知識、創(chuàng)業(yè)基本知識、法律知識等;創(chuàng)業(yè)能力包括資源整合能力、領(lǐng)導(dǎo)和管理能力、表達能力、人際交往能力、經(jīng)營業(yè)務(wù)能力等。創(chuàng)業(yè)環(huán)境掌控力包括環(huán)境適應(yīng)力、機遇把握力、資金獲取力以及法律政策把握力和人力資源把握力等。
在大學(xué)生創(chuàng)業(yè)素質(zhì)評價的方法上,國內(nèi)學(xué)者也做了許多工作,提出了一些評價方法,如層次分析法和模糊綜合評價法等。但是,大學(xué)生創(chuàng)業(yè)素質(zhì)評價指標體系涉及面廣、層次多、量化手段復(fù)雜,單一評價指標較多,而且往往相互之間缺少可比性。大學(xué)生創(chuàng)業(yè)素質(zhì)和指標之間是一種高的非線性關(guān)系,采用常規(guī)方法很難對整個指標體系做出一個滿意的評價結(jié)果。
而人工神經(jīng)網(wǎng)絡(luò)是從人腦的生理結(jié)構(gòu)出發(fā)來研究人的智能行為,模擬人腦信息處理功能。它具有信息存儲和計算處理并行、分布式存儲、容錯性、學(xué)習(xí)能力、自適應(yīng)性等特點,在預(yù)測、識別、建模、信號處理、系統(tǒng)控制等領(lǐng)域得到廣泛應(yīng)用。該研究在建立大學(xué)生創(chuàng)業(yè)素質(zhì)評價指標體系的基礎(chǔ)上,利用人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力和自適應(yīng)性等特點,采用BP神經(jīng)網(wǎng)絡(luò)建立了大學(xué)生創(chuàng)業(yè)素質(zhì)評價模型。該模型能夠完成輸入數(shù)據(jù)(評價指標)和輸出數(shù)據(jù)(創(chuàng)業(yè)素質(zhì))之間的非線性映射,使評價結(jié)果更為有效。
典型的BP網(wǎng)絡(luò)是由輸入層、隱含層以及輸出層組成的三層結(jié)構(gòu)。其中,輸入層各神經(jīng)元負責(zé)接收外界信息,并傳遞給隱含層各神經(jīng)元;隱含層是內(nèi)部信息處理層,負責(zé)信息變換;隱含層傳遞到輸出層各神經(jīng)元的信息,經(jīng)進一步整理后,完成一次學(xué)習(xí)的正向傳播處理過程,由輸出層向外界輸出信息處理結(jié)果。當實際輸出與期望輸出不符時,進入誤差的反向傳播階段。正向傳播和誤差反向傳播過程的不斷進行,各層權(quán)值也就不斷地得到調(diào)整。具體算法描述如下[3]:
第一,對神經(jīng)元i到神經(jīng)元j之間的權(quán)重w ji和神經(jīng)元j的闕值θj進行初始化。
第二,給出樣本數(shù)據(jù)的輸入集{xpl}和相應(yīng)的輸出集{ypl},其中p為樣本數(shù),l表示輸入向量數(shù)。
第三,計算各層輸出Opi。其中,輸入層的輸入和輸出相同,而隱含層和輸出層神經(jīng)元的輸出計算為:
第四,求出各層神經(jīng)元的誤差信號δpj。
第五,進行誤差反向傳播,以修正權(quán)重。具體計算為其中,a表示學(xué)習(xí)速度。
第六,求出誤差Er。當Er小于給定的擬合誤差,結(jié)束網(wǎng)絡(luò)學(xué)習(xí),否則轉(zhuǎn)到第三步。
本研究將評價模型結(jié)構(gòu)分成以下三層進行構(gòu)建。[4]
第一,輸入層設(shè)計:根據(jù)大學(xué)生創(chuàng)業(yè)素質(zhì)評價指標體系,以最低層指標數(shù)作為輸入層神經(jīng)元數(shù)。
第二,隱含層設(shè)計:隱含層神經(jīng)元數(shù)的選取能夠直接影響到整個網(wǎng)絡(luò)的學(xué)習(xí)效率和精確度。目前,確定隱含層神經(jīng)元數(shù)還缺乏相應(yīng)的指導(dǎo)原則。這里,我們參照來確定隱含層神經(jīng)元的個數(shù)。其中,n表示隱含層神經(jīng)元數(shù),n1表示輸入節(jié)點,n0表示輸出節(jié)點,a為常數(shù),其中
第三,輸出層設(shè)計:設(shè)置輸出層神經(jīng)元數(shù)為1。同時,將評價集設(shè)定為:好、較好、一般、較差、差五個級別,評價的原則是:當O≥0.8,評價結(jié)果為好;當0.6≤O<0.8,評價結(jié)果為較好;當0.4≤O<0.6,評價結(jié)果為一般;當0.2 第一,進行BP網(wǎng)絡(luò)訓(xùn)練。按照大學(xué)生創(chuàng)業(yè)素質(zhì)的評價指標體系,搜集不同樣本大學(xué)生的評價指標值并進行數(shù)據(jù)處理,得出樣本大學(xué)生的輸入集{xpl}和相應(yīng)的輸出集{ypl},將輸入集和輸出集輸入到神經(jīng)網(wǎng)絡(luò)中,然后按照BP算法進行網(wǎng)絡(luò)訓(xùn)練。 第二,搜集需要評價的大學(xué)生樣本的指標值,然后針對這些指標值進行標準化處理。 第三,將標準化處理后的樣本數(shù)據(jù)輸入到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中,計算相應(yīng)的輸出。 第四,根據(jù)輸出結(jié)果,按照前文中的評價原則對大學(xué)生創(chuàng)業(yè)素質(zhì)作出評價結(jié)論。 對河南省某高校20個學(xué)生進行創(chuàng)業(yè)素質(zhì)評價,經(jīng)篩選比較,選定10個具有代表性的大學(xué)生樣本,6個做訓(xùn)練樣本,4個做測試樣本。根據(jù)前面所建立的評價指標體系,建立一個輸入層、隱含層和輸出層的神經(jīng)元數(shù)分別為20、10、1的三層BP神經(jīng)網(wǎng)絡(luò)模型(輸出層的輸出0≤O≤1)。 使用Matlab 7.0軟件實現(xiàn)編程,建立大學(xué)生創(chuàng)業(yè)素質(zhì)評價的三層BP神經(jīng)網(wǎng)路結(jié)構(gòu),利用訓(xùn)練樣本進行訓(xùn)練。其中,輸入樣本矩陣P為20行6列的一個矩陣,訓(xùn)練輸出樣本矩陣T為1行6列的矩陣。經(jīng)過1 457步訓(xùn)練后達到設(shè)置的精度要求,如圖1所示。 取4個樣本作為測試樣本,利用訓(xùn)練后的網(wǎng)絡(luò)進行測試計算。具體如下: 其中Ptest為測試樣本的指標數(shù)據(jù),它是一個20行1列的矩陣,分別計算出這4個測試樣本的模擬結(jié)果(輸出),具體見表1。 圖1 網(wǎng)絡(luò)訓(xùn)練的誤差下降曲線 表1 測試樣本的結(jié)果及誤差表(三)基于BP神經(jīng)網(wǎng)絡(luò)的大學(xué)生創(chuàng)業(yè)素質(zhì)評價模型的步驟
三、大學(xué)生創(chuàng)業(yè)素質(zhì)評價
(一)BP網(wǎng)絡(luò)學(xué)習(xí)
(二)對4個測試樣本進行計算