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。

一、構(gòu)建評價指標體系的基本原則

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。

二、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

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。

(一)BP神經(jīng)網(wǎng)絡(luò)算法

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。

(二)評價模型的結(jié)構(gòu)設(shè)計

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

(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

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。

三、大學(xué)生創(chuàng)業(yè)素質(zhì)評價

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)。

(一)BP網(wǎng)絡(luò)學(xué)習(xí)

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。

(二)對4個測試樣本進行計算

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

模擬結(jié)果表明,4個測試樣本中,有3個大學(xué)生的創(chuàng)業(yè)素質(zhì)為較差(0.2

同時,由表1可以看出,利用神經(jīng)網(wǎng)絡(luò)模型得到的結(jié)果與專家評價值相對偏差仍在±3%以內(nèi),驗證了該模型的有效性和實用性。以上研究中,由于訓(xùn)練樣本較少,最終確定的BP神經(jīng)網(wǎng)絡(luò)不是十分穩(wěn)定,每次的訓(xùn)練結(jié)果會有不同幅度的變化,但利用其計算出來的衡量結(jié)果已能比較準確地評價大學(xué)生創(chuàng)業(yè)素質(zhì),也驗證了BP神經(jīng)網(wǎng)絡(luò)模型在大學(xué)生創(chuàng)業(yè)素質(zhì)評價中的可行性。

四、結(jié)語

人工神經(jīng)網(wǎng)絡(luò)方法是一種非線性映射方法,不像其它評價方法如層次分析法、模糊綜合評判法、灰色聚類法等帶有明顯的主觀臆斷,它只需將處理過的數(shù)據(jù)輸入到網(wǎng)絡(luò)中,通過計算即可產(chǎn)生評價結(jié)果,不需要人為地確定權(quán)重,確實減少了評價過程中的人為因素,提高了評價的可靠性,使評價結(jié)果更有效、更客觀。

但是它也存在著一些缺點:一是BP神經(jīng)網(wǎng)絡(luò)模型要求有一定的學(xué)習(xí)樣本,學(xué)習(xí)樣本的數(shù)量和質(zhì)量在很大程度上影響著神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)性能。但是,選取合適的學(xué)習(xí)樣本并不是一件容易的事情。二是網(wǎng)絡(luò)的層數(shù)和隱含層神經(jīng)元數(shù)的選取在很大程度上影響著整個網(wǎng)絡(luò)的學(xué)習(xí)能力和學(xué)習(xí)效率。但是,目前關(guān)于這個問題還沒有形成一般的指導(dǎo)性原則,在確定層數(shù)和隱含層神經(jīng)元數(shù)時,往往會因人為因素,可能降低BP網(wǎng)絡(luò)的性能。盡管如此,BP神經(jīng)網(wǎng)絡(luò)模型還是為大學(xué)生創(chuàng)業(yè)素質(zhì)評價提出了一種新的方法。

[1] 馮華,王振紅.金融危機下大學(xué)生創(chuàng)業(yè)問題剖析[J].商業(yè)時代,2009,(7).

[2] 彭璐等.大學(xué)生創(chuàng)業(yè)素質(zhì)指標體系初探[J].科技創(chuàng)業(yè),2008,(2).

[3] 王慧,李印海.基于BP神經(jīng)網(wǎng)絡(luò)的高技術(shù)企業(yè)技術(shù)創(chuàng)新能力評價[J].科技管理研究,2007,(11).

[4] 陳建新.BP神經(jīng)網(wǎng)絡(luò)在企業(yè)技術(shù)創(chuàng)新風(fēng)險評價中的應(yīng)用[J].科技管理研究,2007,(10).

The Evaluation on the Quality of Collage Student Entrepreneurial Based on BP Neural Network

YANG Xue,LI Wen-sheng
(Noth China Institute of Water Conservancy and Hydroelectric Power,Zheng Zhou450011,China)

“Promoting employment with the use of entrepreneurial”,so collage student entrepreneur has become one of the most effective ways to solve the current plight.The quality of collage student entrepreneur is essential for college students.In this paper,the evaluation index system of collage student entrepreneur quality is established and the BP neural network is also used to conduct an evaluation for college students,which a chieved non-linearm apping in evaluation.so it has a certain amount of theoretical and practical significance in our community.

Bp calculation method;Artificial neural network;The quality of collage student entrepreneurial

G645

A

1008—4444(2010)01—0090—03

2009-06-25

楊 雪(1966—),女,河南光山人,華北水利水電學(xué)院特聘教授。

(責(zé)任編輯:宋孝忠)