彭傳梅

(河海大學(xué)商學(xué)院 南京 211100)

基于拓?fù)浣Y(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)的績效管理評價研究*

彭傳梅

(河海大學(xué)商學(xué)院 南京 211100)

針對現(xiàn)有關(guān)于企業(yè)績效管理評價的方法存在一定的缺陷,不能滿足企業(yè)發(fā)展過程對制度評價的準(zhǔn)確度要求的問題,通過利用AHP方法在復(fù)雜的評價指標(biāo)體系中篩選出8個代表性的指標(biāo)作為績效評價的評價指標(biāo),隨后對此采用拓?fù)浣Y(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)方法,構(gòu)建評價模型,設(shè)計算法程序,結(jié)合計算機技術(shù)進行網(wǎng)絡(luò)訓(xùn)練,得到該算法的仿真結(jié)果:算法的誤差在訓(xùn)練步數(shù)為100時就已經(jīng)達到了期望結(jié)果,而且預(yù)測數(shù)據(jù)的相關(guān)系數(shù)達到了0.98747,這表明基于拓?fù)浣Y(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)算法在企業(yè)績效管理評價工作中具有一定的可行性與較高的準(zhǔn)確性。

企業(yè)績效管理; 評價指標(biāo)體系; 拓?fù)浣Y(jié)構(gòu); BP神經(jīng)網(wǎng)絡(luò); 數(shù)據(jù)仿真

1 引言

在經(jīng)濟與科技迅速發(fā)展的時代,合理有效的管理制度是決定企業(yè)在激烈的市場競爭地位的重要因素[1]。管理績效評價指的是管理者根據(jù)評價目標(biāo)和評價標(biāo)準(zhǔn),構(gòu)建合理的評價指標(biāo)系統(tǒng)[2],利用有效的方法評價企業(yè)運營成果[3]?？冃Ч芾碓u價有效反映了企業(yè)當(dāng)前的運營狀況,是企業(yè)定位自身的重要方法[4～5],通過企業(yè)自身前后水平的縱向比較或與競爭對手的橫向比較,總結(jié)經(jīng)營過程中的經(jīng)驗與不足,另外還可以探索企業(yè)發(fā)展過程的規(guī)律性,從而促進企業(yè)科學(xué)良性發(fā)展[6～7]。但是對于平價的方法并沒有一個較為系統(tǒng)的體系,本文就利用BP神經(jīng)網(wǎng)絡(luò)方法來分析評價企業(yè)績效管理的有效性。

2 企業(yè)績效管理評價

2.1 企業(yè)績效管理評價

企業(yè)作為一個系統(tǒng)是很復(fù)雜的,企業(yè)的長遠發(fā)展是它的最終目標(biāo),企業(yè)管理者可以通過評價管理績效來實現(xiàn)對這個系統(tǒng)運轉(zhuǎn)狀況的掌握,從而更好地控制和延續(xù)企業(yè)的發(fā)展。有效的績效管理制度可以激勵員工情緒,引發(fā)工作熱情,實現(xiàn)資源效益最大化,從而提升企業(yè)的核心競爭力。評價績效管理總體可以分為兩個方面[8],一是績效管理體制的開展情況;二是這種制度對企業(yè)的幫助。

企業(yè)績效管理是復(fù)雜系統(tǒng),它的實施效果受到企業(yè)的結(jié)構(gòu)形式、發(fā)展目標(biāo)、制度體系文化等多個因素的不明確影響,另外還可能存在一些未知因素,因此可以把管理績效制度看作一個系統(tǒng),利用系統(tǒng)的相關(guān)評價方法來進行。

2.2 企業(yè)績效管理評價的傳統(tǒng)方法

總體來說,企業(yè)績效管理評價主要是建立管理績效評價的指標(biāo)體系,據(jù)此選取合適的數(shù)學(xué)模型,處理相關(guān)數(shù)據(jù)得到評價結(jié)果。根據(jù)現(xiàn)有資料,評價方法主要有:定量與定性相結(jié)合的Delphi法以及以遞階層次結(jié)構(gòu)為核心的AHP法[9],還有基于非典型小樣本數(shù)據(jù)的灰色關(guān)聯(lián)評價法。另外還有模擬人類神經(jīng)系統(tǒng)信息處理方式的人工神經(jīng)網(wǎng)絡(luò)法[10]以及利用運籌學(xué)理論處理數(shù)據(jù)的數(shù)據(jù)包絡(luò)分析(Data Envelopment Analysis,DEA)方法[11]。

2.3 企業(yè)績效管理評價的指標(biāo)體系

根據(jù)企業(yè)管理活動規(guī)律及實際營銷環(huán)境,本文首先確定了五個如下的一級指標(biāo):知識鏈、企業(yè)人力資源、技術(shù)資源、組織文化建設(shè)、市場資源。為了增加一級指標(biāo)的合理性,通過對績效管理機制的學(xué)習(xí),同時結(jié)合定性與定量分析方法,歸納得到了表1所示的指標(biāo)集合。

表1 企業(yè)績效管理評價指標(biāo)體系

3 BP神經(jīng)網(wǎng)絡(luò)

3.1 BP神經(jīng)網(wǎng)絡(luò)

1986年Rumelhart小組提出了BP神經(jīng)網(wǎng)絡(luò)的概念[12],其核心是梯度下降法,根據(jù)誤差反向傳播的特點,調(diào)整權(quán)值和閾值實現(xiàn)均方誤差的最小化,其實質(zhì)是一種多層前饋神經(jīng)網(wǎng)絡(luò)。它依靠對定量樣本的訓(xùn)練來逐步調(diào)整評價指標(biāo)與結(jié)果之間的函數(shù)關(guān)系,在反復(fù)迭代達到穩(wěn)定后,就實現(xiàn)了評價對象的評價。

3.2 BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)

本文研究BP神經(jīng)網(wǎng)絡(luò)模型基于拓?fù)浣Y(jié)構(gòu),它由三個不同的層次組成:輸入層、隱含層與輸出層,在每層中都存在大量可以并行運算的簡單神經(jīng)元[13]。網(wǎng)絡(luò)結(jié)構(gòu)中層次之間的神經(jīng)元通過全互聯(lián)方式連接,而同一層的神經(jīng)元之間并不存在連接。其拓?fù)浣Y(jié)構(gòu)如圖1所示。

圖1 拓?fù)浣Y(jié)構(gòu)的層次以及神經(jīng)元

外界信號通過輸入層節(jié)點進入系統(tǒng),在“網(wǎng)絡(luò)線路”的引導(dǎo)下傳到隱含層,進而來到輸出層,類似水流過程,下層節(jié)點的信號輸入只受到上層節(jié)點的影響。但誤差卻從輸出層反向傳播,在這個過程中網(wǎng)絡(luò)權(quán)值根據(jù)誤差反饋來進行調(diào)整。

3.3 BP神經(jīng)網(wǎng)絡(luò)的算法原理

標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)根據(jù)梯度下降法進行循環(huán)處理,最終使得輸出值與期望輸出值的誤差滿足一定的精度要求[14]?，F(xiàn)假設(shè)目標(biāo)是標(biāo)量函數(shù)F(w)取得最小值,當(dāng)前神經(jīng)元的權(quán)值是w(t),且下一時刻的權(quán)值調(diào)節(jié)公式為

w(t+1)=w(t)+Δw(t)

(1)

其中,Δw(t)表示當(dāng)前權(quán)值的修正方向,則修正的目的為

F(w(t+1))

(2)

對上式利用泰勒一階展開公式,有

F(w(t+1))≈F(w(t))+g′(t)Δw(t)

(3)

當(dāng)Δw(t)=-cg(t),則權(quán)值修正值將會沿著負(fù)梯度方向下降,即梯度下降法。

那么對于輸出層有:

(4)

對于隱含層有:

(5)

綜合式(4)和式(5):

ok=f(netk),yj=f(netj)

代入有:

(6)

其中

至此得到了權(quán)值計算方程為

(7)

4 基于拓?fù)渖窠?jīng)網(wǎng)絡(luò)的績效管理模型

4.1 績效管理的拓?fù)渖窠?jīng)網(wǎng)絡(luò)評價模型建立

根據(jù)BP神經(jīng)網(wǎng)絡(luò)對模糊系統(tǒng)評價的原理,通過系統(tǒng)自適應(yīng)調(diào)整,網(wǎng)絡(luò)評價可以通過足量的訓(xùn)練樣本習(xí)得的類似人腦的能力,模擬評價體系內(nèi)部存在的函數(shù)關(guān)系,輸入未知樣本后循環(huán)測試最終就能實現(xiàn)目標(biāo)[14]。這樣就實現(xiàn)了對專家評價的模擬,排除主觀因素對于評價結(jié)果的影響。

本文選取20位資深專家對企業(yè)的績效管理進行評估,得到如表2所示的結(jié)果。

另外根據(jù)對現(xiàn)存資料以及專家意見的總結(jié),構(gòu)建合理的績效管理評價指標(biāo)體系,并且參考文獻[10]中的AHP方法,劃分指標(biāo)層次模型,構(gòu)造判斷矩陣,并利用和積法對指標(biāo)進行層次單排序,最后通過一致性檢驗,確定各指標(biāo)的權(quán)重數(shù)值,我們從中選擇排名在前八的指標(biāo)作為評價體系的指標(biāo),分別為:學(xué)習(xí)型組織(C1)、員工的文化程度(C2)、激勵機制(C3)、研發(fā)投入(C4)、員工的積極性(C5)、部門合作(C6)、先進技術(shù)設(shè)施(C7)、員工學(xué)習(xí)能力(C8),如表3所示。

表2 專家評估結(jié)果

表3 專家評估結(jié)果

4.2 拓?fù)渖窠?jīng)網(wǎng)絡(luò)對于企業(yè)績效管理評價的算法實現(xiàn)

根據(jù)BP神經(jīng)網(wǎng)絡(luò)算法的基本原理,是基于梯度法的搜索算法,其算法的實現(xiàn)過程為

Step1:在[-1,1]隨機生成網(wǎng)絡(luò)的權(quán)值和閾值;

Step3:利用式(8)計算輸出層節(jié)點和隱含層節(jié)點之間連接權(quán)值修正量;

Step4:利用式(9)計算隱含層節(jié)點和輸入層節(jié)點間連接權(quán)值修正量;

Step5:用誤差修正量修正網(wǎng)絡(luò)的權(quán)值和閾值:wjk(t+1)=wjk(t)+Δwjk,vij(t+1)=vij(t)+Δvij;

Step6:求誤差函數(shù)的值,判斷是否小于期望的誤差精度。若滿足誤差要求,則結(jié)束算法;否則,網(wǎng)絡(luò)返回Step2繼續(xù)訓(xùn)練,直到滿足要求為止。其中,ok是期望的輸出。

BP算法流程如圖2所示。

圖2 BP神經(jīng)網(wǎng)絡(luò)算法流程圖

5 拓?fù)渖窠?jīng)網(wǎng)絡(luò)模型數(shù)據(jù)分析

根據(jù)上述章節(jié)的分析,本文討論的績效管理評價指標(biāo)體系選取8個較為重要的評價指標(biāo),所以模型輸入層有8個輸入指標(biāo)即8個輸入節(jié)點,而輸出層僅含單個神經(jīng)元,以便表示評價結(jié)果,其范圍是[0,1]。

在此采用試湊法確定神經(jīng)系統(tǒng)結(jié)構(gòu)的隱含層節(jié)點個數(shù),經(jīng)過實驗檢測,系統(tǒng)的收斂速度和穩(wěn)定性在節(jié)點數(shù)為11的時候能達到了最佳狀態(tài),得到的結(jié)果如表3所示。

表3 隱含層節(jié)點個數(shù)與平均誤差的關(guān)系

圖3 BP神經(jīng)網(wǎng)絡(luò)算法的訓(xùn)練性能誤差曲線

數(shù)據(jù)分析過程中,設(shè)定標(biāo)準(zhǔn)訓(xùn)練步長為500,動量因子為0.95。那么利用標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)的算法,得到的訓(xùn)練誤差性能曲線如圖3所示。

其中,迭代次數(shù)作為橫軸,網(wǎng)絡(luò)的訓(xùn)練誤差作為縱軸。從圖中可以看出,在訓(xùn)練步長還未達到設(shè)定值時誤差就已經(jīng)滿足要求,即BP神經(jīng)網(wǎng)絡(luò)算法的收斂效果是很好的。

圖4和圖5分別是算法對于測試數(shù)據(jù)的仿真效果圖以及仿真結(jié)果與期望值的回歸分析,坐標(biāo)系中縱軸為訓(xùn)練輸出值,橫軸表示期望值。從圖看出算法的相關(guān)系數(shù)R=0.98747,結(jié)合相關(guān)系數(shù)的意義,可知預(yù)測值與期望值之間的相關(guān)性是比較理想的。根據(jù)BP神經(jīng)網(wǎng)絡(luò)算法對系統(tǒng)進行仿真訓(xùn)練,得到結(jié)果說明該算法的網(wǎng)絡(luò)性能比較好,也驗證了它用于企業(yè)績效管理評價的可行性。

圖4 測試數(shù)據(jù)的預(yù)測結(jié)果

圖5 BP神經(jīng)網(wǎng)絡(luò)的算法仿真結(jié)果的回歸分析

6 結(jié)語

企業(yè)要想在競爭激烈的市場立足,就必須采取有效的管理制度以及合理的評價方法。只有兩者相結(jié)合才能夠發(fā)現(xiàn)制度中的缺陷,以此來合理配置企業(yè)資源,從而實現(xiàn)企業(yè)利潤最大化。本文借閱其他文獻的AHP法從兩級評價指標(biāo)中選出了8個權(quán)值較大的指標(biāo)。對于確定評價體系采用BP神經(jīng)網(wǎng)絡(luò)算法進行評價,網(wǎng)絡(luò)算法的訓(xùn)練結(jié)果表明算法誤差、測試數(shù)據(jù)以及數(shù)據(jù)相關(guān)系數(shù)的回歸分析等都有較好的結(jié)果,因此BP神經(jīng)網(wǎng)絡(luò)算法明顯提升了企業(yè)績效管理水平評價的準(zhǔn)確性。

但是我們還可以考慮從以下方面來進一步完善評價方法:首先全面考慮影響企業(yè)績效管理評價的因素,如技術(shù)發(fā)展程度、企業(yè)周圍環(huán)境等;另外考慮到評價指標(biāo)的形式特點,進一步改善指標(biāo)權(quán)重的方法,在確定指標(biāo)權(quán)重數(shù)值時將定性的因素考慮進去;優(yōu)化本文提到的評價算法,增強算法的適應(yīng)能力以及對于不確定性問題的處理能力。

[1] 范文蕊.知識管理對企業(yè)核心競爭力的影響研究[D].昆明:云南財經(jīng)大學(xué),2012. FAN Wenrui. Research on the Influence of Knowledge Management on the Core Competence of Enterprises[D]. Kunmin: Yunnan University of Finance and Economics,2012.

[2] 游怡.基于AHP的商業(yè)銀行知識管理評價指標(biāo)分析[J].財會通訊,2014(11):35-37. YOU Yi. Analysis of Evaluation Indexes of Commercial Bank Knowledge Management Based on AHP[J]. Accounting Communication,2014(11):35-37.

[3] 王彤,丁雷.基于模糊神經(jīng)網(wǎng)絡(luò)分類算法的績效考核評聘策略研究[J].現(xiàn)代遠距離教育,2011(2):60-62. WANG Tong, DING Lei. Research on the Appraisal and Appraisal of Performance Based on Fuzzy Neural Network Classification Algorithm[J]. Modern Distance Education,2011(2):60-62.

[4] 韓瑩.企業(yè)績效管理系統(tǒng)的設(shè)計與實現(xiàn)[J].電子設(shè)計工程,2015(13):65-67. HAN Ying. Design and Implementation of Enterprise Performance Management System[J]. Electronic Design Engineering,2015(13):65-67.

[5] 張磊.基于J2EE技術(shù)的銀行客戶經(jīng)理績效考核管理系統(tǒng)的設(shè)計與實現(xiàn)[D].長春:吉林大學(xué),2016. ZHANG Lei. Design and Implementation of Performance Management System for Bank Account Managers Based on J2EE Technology[D]. Changchun: Jilin University,2016.

[6] 郭小燕,張明,等.帶權(quán)重的RBF神經(jīng)網(wǎng)絡(luò)銀行個人信用評價方法[J].計算機工程與應(yīng)用,2013,49(5):258-262. GUO Xiaoyan, ZHANG Ming, et al. Method of personal credit evaluation of bank based on RBF neural network with weight[J]. Computer Engineering and Applications,2013,49(5):258-262.

[7] 李燕峰,畢越英,陳海花,等.應(yīng)用Delphi法構(gòu)建臨床護士績效考評指標(biāo)體系的研究[J].護理管理雜志,2012,12(7):460-462. LI Yanfeng, BI Yueying, CHEN Haihua, et al. Development of clinical nurses performance evaluation indicators system bu using Delphi Method[J]. Journal of Nursing Administrion,2012,12(7):460-462.

[8] 雙同科,田佳林,劉學(xué),等.一種基于改進AHP的指標(biāo)權(quán)重確定方法[J].中國西部科技,2011,10(32):37-38. SUANG Tongke, TIAN Jialin, LIU Xue, et al. A Method of Determining Weights of Indicators Based on Improved[J]. Science and Technology of West China,2011,10(32):37-38.

[9] 相廣萍.基于數(shù)據(jù)包絡(luò)分析法對山東耕地產(chǎn)出效率及影響因子研究[J].山東農(nóng)業(yè)大學(xué)學(xué)報自然科學(xué)版,2015(1):65-68. XIANG Guangping. Study on the Production Efficiency of Farmland in Shandong Influence Factor Based on Data Envelopment Analysis[J]. Journal of Shandong Agricultural University(Natural Science Edition),2015(1):65-68.

[10] 張月琴,劉翔,孫先洋.一種改進的BP神經(jīng)網(wǎng)絡(luò)算法與應(yīng)用[J].計算機技術(shù)與發(fā)展,2012,22(8):163-166. ZHANG Yueqin, LIU Xiang, SUN Xianyang. An Imporved Algorithm of BP Neural Network and Its Application[J]. Computer Technology and Development,2012,22(8):163-166.

[11] 李翔,朱全銀.基于Adaboost算法和BP神經(jīng)網(wǎng)絡(luò)的稅收預(yù)測[J].計算機應(yīng)用,2012,32(12):3558-3560. LI Xiang, ZHU Quanyin. Tax forecasing based on Adaboost algorithm and BPneural network[J]. Journal of Computer Applications,2012,32(12):3558-3560.

[12] 張云霞.基于云計算模式的ERP企業(yè)管理信息系統(tǒng)分析[J].信息技術(shù),2013,4(2):47-49. ZHANG Yunxia. Based on the cloud computing model of ERP enterprise management information system analysis[J]. Information Technology,2013,4(2):47-49.

[13] 何涇沙,鄭偉.BP神經(jīng)網(wǎng)絡(luò)模型在室內(nèi)溫度預(yù)測中的應(yīng)用[J].電子技術(shù)與軟件工程,2015(12):25-26. HE Jingshao, ZHENG Wei. Application of BP Neural Network Model in Indoor Temperature[J]. Electronic Technology & Software Engineering,2015(12):25-26.

[14] 張自敏,樊艷英,陳冠萍.改進的BP神經(jīng)網(wǎng)絡(luò)在地方GDP預(yù)測中的應(yīng)用[J].計算機科學(xué),2012,39(s3):108-110. ZHANG Zimin, FAN Yanying, CHEN Guanping. Application of improved BP neural network in predicting of region GDP[J]. Computer Science,2012,39(s3):108-110.

Evaluation of the Performance Management Based on Neural Network Topology Structure

PENG Chuanmei

( Bussiness School, Hohai University, Nanjing 211100)

In order to solve the problems existing in the evaluation methods of enterprise performance management, which can not meet the requirements of the enterprise development process to evaluate the accuracy of the system, eight representative indexes are selected as evaluation indexes of performance evaluation by using AHP method in the complex evaluation index system, and then the BP neural network method of topological structure is used to construct the evaluation model and the algorithm program is designed, the computer technology is combined to carry on the network training, and the simulation result of this algorithm is gotten: the error of the algorithm has reached the expected results when the training step is 100, and the correlation coefficient of forecast data is 0.98747, it shows that the BP neural network algorithm based on topological structure in enterprise performance management evaluation has certain feasibility and high accuracy.

enterprise performance management, evaluation system, topological structure, BP neural network, data simulation Class Number TN393

2016年10月16日,

2016年11月27日

國家自然科學(xué)基金項目(編號:41471456);中央高?；究蒲袠I(yè)務(wù)費項目(編號:2014B39714);江蘇省普通高校研究生科研創(chuàng)新計劃項目(編號:KYLX_0512)資助。

彭傳梅,女,碩士研究生,研究方向:人力資源管理。

TN393

10.3969/j.issn.1672-9722.2017.04.001