常州鐵道高等職業(yè)技術(shù)學(xué)校 趙棟鑫

基于BP神經(jīng)網(wǎng)絡(luò)的人才選拔模型設(shè)計

常州鐵道高等職業(yè)技術(shù)學(xué)校 趙棟鑫

在企事業(yè)單位中，人才選拔是重要的人力資源管理組成部分之一。傳統(tǒng)的人才選拔方法主要依靠管理人員的手工記錄和人工評價，隨著人才數(shù)量不斷增多，管理繁雜，人工評價粗略，從而為人才的選拔工作帶來困難。所以需要尋找科學(xué)的選拔方法，提高人才選拔的效率。本文結(jié)合企事業(yè)單位的人才選拔工作背景，研究設(shè)計了基于BP神經(jīng)網(wǎng)絡(luò)的人才選拔模型。

BP神經(jīng)網(wǎng)絡(luò)；模型；人才選拔

一、BP神經(jīng)網(wǎng)絡(luò)理論

人腦是已知的最復(fù)雜、完善、有效的信息處理系統(tǒng)，科學(xué)家通過神經(jīng)學(xué)、認(rèn)知學(xué)、心理學(xué)、數(shù)學(xué)、計算機學(xué)等學(xué)科，利用大腦神經(jīng)系統(tǒng)特征，構(gòu)建了一種類似于人腦某些功能的智能系統(tǒng)，以實現(xiàn)類似于人腦，可進行復(fù)雜信息處理，完成推理、設(shè)計、思考甚至學(xué)習(xí)等活動，這種智能系統(tǒng)便可成為神經(jīng)網(wǎng)絡(luò)模型。人工神經(jīng)網(wǎng)絡(luò)是理論化的數(shù)學(xué)模型，是一種信息處理系統(tǒng)，具有高度非線性，可處理復(fù)雜的邏輯運算、非線性關(guān)系。

人工神經(jīng)網(wǎng)絡(luò)已有50年歷史，從最初的神經(jīng)元生物模型（MP-模型），發(fā)展至今已出現(xiàn)幾十種神經(jīng)網(wǎng)絡(luò)，且發(fā)展速度不斷加快。主要包括自適應(yīng)線性元件網(wǎng)絡(luò)、互連非線性動力學(xué)網(wǎng)絡(luò)模型Hopfield、Boltzmann機模型、交互激活模型等。1986年McClelland 和 Rumelhart設(shè)計出了具有里程碑式意義的多層網(wǎng)絡(luò)誤差反向向傳播算法（Bacnk Propagation，簡稱BP算法），并由此構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型。人工神經(jīng)網(wǎng)絡(luò)模型建造方法較多，涵蓋熱力學(xué)、數(shù)學(xué)、模糊以及混沌方法。BP網(wǎng)絡(luò)應(yīng)用最為廣泛，調(diào)查顯示80%～90%的人工神經(jīng)網(wǎng)絡(luò)采用BP算法，如圖1所示是一個經(jīng)典的三層BP神經(jīng)網(wǎng)絡(luò)模型。

圖1 BP神經(jīng)網(wǎng)絡(luò)模型

BP網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)由輸入層、若干隱含層、輸出層構(gòu)成，各層由若干個節(jié)點，每個節(jié)點都是一個神經(jīng)元，上下節(jié)點主要通過權(quán)值聯(lián)系，層級之間各節(jié)點全互聯(lián)，且層節(jié)點相互獨立。節(jié)點間權(quán)值聯(lián)系，采用激勵函數(shù)計算，常用S型函數(shù)，如：

BP網(wǎng)絡(luò)可視為從輸入到輸出的高度非線性映射，Q為式中Sigmoid 型函數(shù)參數(shù)，可調(diào)整映射范圍。對于樣本集合：輸入xi和輸入y1，則存在某一個映射g,，即可視為正向或反向映射，正向映射中，輸入信息經(jīng)隱含層中節(jié)點Sigmoid函數(shù)處理，影響下一個節(jié)點狀態(tài)，若該階段輸入層未獲得期望輸入值，則可進行反方向映射。通過修改各層神經(jīng)元單位的S型函數(shù)Q值可有效的控制誤差。

二、基于神經(jīng)網(wǎng)絡(luò)的人才選拔模型

人才選拔是人力資源管理的重要工作之一，組織內(nèi)部不同部門對不同類型、不同層次的人才需求不盡相同，這就要求人才選拔能反映各部門的真實需求，本次基于神經(jīng)網(wǎng)絡(luò)的人才選拔模型設(shè)計如下：

1、設(shè)計模型：擬定部門對人才的需求特點，設(shè)計不同的標(biāo)準(zhǔn)、方法，并將其數(shù)字化，構(gòu)建合適的BP神經(jīng)網(wǎng)絡(luò)模型；

2、經(jīng)驗參照：確定需求，如年齡、學(xué)歷、職位、經(jīng)歷等基本信息后，參考公司內(nèi)部其他部門，或相關(guān)案例，或采用專家顧問法，設(shè)計簡單的三層BP神經(jīng)網(wǎng)絡(luò)人才選拔體系。

3、網(wǎng)絡(luò)完善：以MATLAB軟件系統(tǒng)制作系統(tǒng)，應(yīng)用系統(tǒng)內(nèi)軟件樣本，輸出需求信息，在軟件支持下學(xué)習(xí)和訓(xùn)練，調(diào)整權(quán)值，有獲得滿意的輸出。

4、模型檢驗：在建立網(wǎng)絡(luò)模型后，以部分學(xué)習(xí)樣本進行檢驗，以評價其可信度。

5、模型調(diào)整：若有新的人才選拔要求，可據(jù)具體情況，選擇不同的評價值，以提供模型的適應(yīng)性。

圖2 人才選拔BP神經(jīng)網(wǎng)絡(luò)模型

三、人才選拔模型的建立

本次研究設(shè)計了一個2層BP神經(jīng)網(wǎng)絡(luò)人才選拔模型，在MATLAB軟件系統(tǒng)支持下，進行檢驗，輸入端為12個部門人才選派評價值，模型將評價值、條件轉(zhuǎn)化為數(shù)字評價因子，如年齡，賦值25歲以上賦值為1、25歲以下賦值為2（不代表該模型也這樣賦值），輸出值為最終的人才評價值，以評價值決定是否作為選拔對象。研究采用軟件中命令“net=newff([0 1;0 1;0 1;…0 1;0 1;0 1], [3,1],{‘logsig’,’purelin’},’traingd’)”建立模型，該命令還同時對網(wǎng)絡(luò)權(quán)重、偏置進行初始化，在達到一定量的模擬量輸入后，便可開始訓(xùn)練學(xué)習(xí)，軟件可自動調(diào)整至最優(yōu)權(quán)值，以實現(xiàn)最小的整體誤差，如圖2所示。

3.1 學(xué)習(xí)樣本的構(gòu)建

人才選拔模型中必須有學(xué)習(xí)的基本素材，在這里構(gòu)建了五個企業(yè)的人才選拔參數(shù)為案例，包括個人的基本信息、政務(wù)情況、工作經(jīng)歷、任現(xiàn)職以來業(yè)務(wù)工作情況、任現(xiàn)職以來業(yè)績成果情況、發(fā)表論著論文信息六個方面，通過這六個方面的評價構(gòu)成人才選拔模型。按照流程對人才選拔參數(shù)模型進行學(xué)習(xí)和訓(xùn)練，其中各項指標(biāo)的參數(shù)是由相關(guān)的專家進行評定的，數(shù)值范圍都在0-1之間，具體的評價方法也可以自己定義，在這里主要目的是闡述整個人才選拔模型應(yīng)用的過程。接下來對五個企業(yè)的人才參數(shù)進行深入的分析之后，對其幾個重要特點的參數(shù)進行數(shù)據(jù)處理，并去給出人才評價數(shù)值，這樣可以得到人才評價模型的基本學(xué)習(xí)樣表，在建立樣表之后需要專家評委對其的意見，并進行適當(dāng)?shù)男拚贸鲎罱K的人才選拔樣表，如表1所示：

表1 人才選拔條件參數(shù)學(xué)習(xí)樣本表

3.2 模型的學(xué)習(xí)與訓(xùn)練

對于企業(yè)人才模型的建立必須首先對人才的參數(shù)模型進行學(xué)習(xí)和相關(guān)的訓(xùn)練，那么首選對三個知名企業(yè)的人才模型進行學(xué)習(xí)和訓(xùn)練，即利用表1中大數(shù)據(jù)來實施，參數(shù)的具體設(shè)置如下：

3.3 模型的檢驗

為了建立模型的檢驗機制，將第四和第五個企業(yè)的人才參數(shù)作為人才價值評估的輸入數(shù)據(jù)，并且用其輸出數(shù)據(jù)和學(xué)習(xí)樣本的數(shù)據(jù)進行比較分析，如表2所示：

表2 項目研發(fā)過程風(fēng)險評價模型檢驗表

表2所示的結(jié)果表示兩個企業(yè)的人才選拔模型輸出的參數(shù)和樣本的表值比較誤差小于10%，總體來說模型的可行性較高，說明系統(tǒng)在通過數(shù)據(jù)的自我學(xué)習(xí)和訓(xùn)練之后能夠達到企業(yè)的人才選拔水平，具備人才選拔參數(shù)變化之后的自適應(yīng)學(xué)習(xí)能力，而且選拔出來的人才符合企業(yè)的人才選拔思路，在人才選拔抗風(fēng)險方面有一定的積極作用。在這里一次對六個具體人才選拔模型參數(shù)進行了評估，并且作為企業(yè)選拔人才的重要參數(shù)，以此作為鑒定人才能力水平的重要指標(biāo)，并且可以對相關(guān)參數(shù)進行敏感性分析，確定人才選拔因素和網(wǎng)絡(luò)模型之間的重要關(guān)系。

3.4 網(wǎng)絡(luò)系統(tǒng)安全評價模型的應(yīng)用

按照我們所研究設(shè)計的人才選拔模型的架構(gòu)和數(shù)據(jù)運行水平，得到如表3所示風(fēng)險評價指標(biāo)值。

表3 項目研發(fā)過程風(fēng)險因素評價表

前面表1的六個參數(shù)是人才選拔模型的關(guān)鍵標(biāo)準(zhǔn)，將這些參數(shù)輸入到設(shè)計建立的人才選拔模型當(dāng)中，利用MATLAB軟件對這些數(shù)據(jù)進行分析，下面是計算結(jié)果：

根據(jù)知名企業(yè)網(wǎng)絡(luò)系統(tǒng)風(fēng)險指標(biāo)評分標(biāo)準(zhǔn)，如表4所示，

表4 網(wǎng)絡(luò)系統(tǒng)指標(biāo)評分標(biāo)準(zhǔn)

四、結(jié)束語

本文針對現(xiàn)有人才選拔方法的缺陷，基于BP神經(jīng)網(wǎng)絡(luò)研究設(shè)計了人才選拔模型，利用三層的BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)樣本體系，構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，以12個企事業(yè)單位部門作為訓(xùn)練集進行模型參數(shù)學(xué)習(xí)，并使用MATLAB軟件進行了仿真實驗，驗證了所設(shè)計的人才選拔模型的有效性。

[1]魏海坤．神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計的理論與方法．北京國防工業(yè)出版社,2014,5．

[2]鐘艷鵬．人才管理信息系統(tǒng)的設(shè)計與實現(xiàn)．華東師范大學(xué)碩士學(xué)位論文,2015．

[3]張亮．人才測評技術(shù)計算機化及在人才選拔招聘中的應(yīng)用．同濟大學(xué)碩士學(xué)位論文,2014．

[4]吳訪升,楊莉,秦士嘉．高級管理人才綜合素質(zhì)測評分析系統(tǒng)中數(shù)據(jù)結(jié)構(gòu)設(shè)計與實現(xiàn)[J]．常州技術(shù)師范學(xué)院學(xué)報,2014．