張良　尹航

【摘 要】本文基于PNN方法建立了陸軍中級指揮官考核評價模型。PNN網絡輸入層為領導特質、成就導向、人際關系、危機管理、分析認識能力、執(zhí)行能力和創(chuàng)新精神，輸出層為陸軍中級指揮官的考核和評價結果。網絡模型測試均方誤差最小值為0.012，所以最終確定的網絡結構為7-0.6-1。領導特質、成就導向、人際關系的網絡敏感性值較低。危機管理、分析認識能力、執(zhí)行能力和創(chuàng)新精神對網絡精度影響很大

【關鍵詞】PNN；中級指揮官；考核評價模型；人力資源；勝任能力

中圖分類號： E25 文獻標識碼： A 文章編號： 2095-2457（2017）26-0048-002

Evaluation Model of Army Intermediate Commander Based on PNN Method

ZHANG Liang YIN Hang

（Experimental Training Base，College of Information and Communication，National University of Defense Technology，Xian 710106， China）

【Abstract】This paper establishes a model of mid-level commander appraisal based on PNN method.The input layer of the PNN network is the leadership qualities，achievement orientation，interpersonal relationship，crisis management， analysis and recognition ability，executive ability and innovative spirit，and the output layer is the assessment and evaluation result of the Army mid-level commander.The minimum mean square error of network model test is 0.012， so the network structure finally determined is 7-0.6-1.Leadership characteristics，achievement orientation，interpersonal network sensitivity value is low.Crisis management，analytical understanding，executive ability and innovation have a significant impact on network accuracy.

【Key words】PNN；Mid-level commander；Evaluation model；Human resources；Competence

0 前言

陸軍主要由偵查并、工程兵、步兵、通信兵、炮兵、陸軍防空兵、陸軍航空兵、電子對抗并等兵種組織。伴隨著國際局勢的復雜多變，加速具有中國特色的軍隊建設和積極推進中國信息化的軍事改革的思想要求下，我黨和人民對我陸軍提出了更高的要求。陸軍中級指揮官是指在司令部、政治、后勤、裝備等部門擔任旅（團）級領導職務的指揮軍官。其是連接高層領導和基層人員的重要位置，該部門人員的主要職責有制定組織發(fā)展戰(zhàn)略計劃、將組織戰(zhàn)略分解、制定本部門工作計劃、負責跨部門協(xié)調、執(zhí)行工作計劃。確切的說，該職位人員要為高層領導提出謀劃和建議，同時還要將高層領導的思想和精神傳達至下層部隊中，還要監(jiān)督和檢查高層領導決策的最終落實結果。因此考核和評價出執(zhí)行任務出色、實踐經驗豐富陸軍中級指揮官是我陸軍工作的首要工作內容之一[1]。目前，考核和評價陸軍中級指揮官主要靠人工進行判斷，在考核和評價過程中，由于考官的主觀性常常對部分優(yōu)秀的中級指揮官造成誤判，從而導致個別優(yōu)秀的中級指揮官失去了為我陸軍發(fā)揮其才能的機會。伴隨著互聯(lián)網和人工智能的發(fā)展，基于人工神經網絡法的自適應概率神經網絡（PNN）因其與大數據相結合，且該網絡具有良好容錯性、自適應性和強大的非線性、可快速并行處理和樣本學習能力而廣泛應用于信息分析、故障診斷、模式識別等領域[2]。本文基于APNN法對陸軍中級指揮官的考核和評價內容進行研究，為豐富陸軍中級指揮官考核和評價方法進行一種新思路。

1 原理

PNN網絡是由徑向基函數算法而研究出的一種前饋型神經網絡，該研究方法以貝葉斯決策理論為基礎，當其網絡中的分布密度接近0時，該網絡構成了最臨界的分類器；當其網絡最大時，構成了臨界分類器。PNN的網絡結構如圖1所示，從圖1可見由輸入層，模式層，求和層和輸出層組織。

輸入層接受輸入樣本的數據。模式層計算輸入特征向量各個模式的匹配關系，模式層神經元的個數等于各個類別矯直樣本數之和。求和層是將屬于某類的概率計算累積，按照公式1計算，從而得到故障模式的估算值。求和層單元的輸出與各類基于內核的概率密度的估計成比例，通過輸出層的歸一化處理，就能夠得到各類的概率估計[2]。

F（X，Wi）=exp- （公式1）

2 實驗

選取某陸軍300組中級指揮管統(tǒng)計的領導特質、成就導向、人際關系、危機管理、分析認識能力、執(zhí)行能力和創(chuàng)新精神類數據。然后隨機將抽樣的方式分為實驗組（200組）和測試組（100組）。其中用于實驗組現(xiàn)用PNN網絡進行模擬，確定出陸軍中級指揮官的PNN網絡考核和評分模型。測試組用來測試模擬結果的準確性。通過均方誤差（RMSE）來描述實際值與網絡輸出值之間的精度， 公式（2）是均方誤差的表達形式。其中Ti實際實測結果，Yi是網絡輸出值。

RMSE= （公式2）

3 結果與分析

3.1 模型構建

標準的PNN網絡主要由三層結構構成，本文建立的PNN網絡輸入層為領導特質、成就導向、人際關系、危機管理、分析認識能力、執(zhí)行能力和創(chuàng)新精神，輸出層為陸軍中級指揮官的考核和評價結果。目前試錯法[2]確定隱含層節(jié)點Speard的數值，通過均方誤差（RMSE）來描述實際值與網絡輸出值之間的精度。圖2為Spread在0至1.4范圍內，均方誤差對應的數值分布圖。從圖2可見，當Spread值為0.6時候，模型測試均方誤差最小值為0.012，所以最終確定的網絡結構為7-0.6-1。

3.2 測試應用

網絡敏感性分析（Sensitivity analysis，簡稱SA）是衡量每一個輸入變量對神經網絡運算精度影響大小的參數[12]。其主要作用是確定出影響網絡運算精度每一個輸入變量，避免無意義輸入變量數據的采集，其公式如公式（3）所示：

SA（%）= ×100%（公式3）

PNN網絡敏感分析結果如圖3所示。從圖3可見，領導特質、成就導向、人際關系的網絡敏感性值較低。因此危機管理、分析認識能力、執(zhí)行能力和創(chuàng)新精神對網絡精度影響很大。在后續(xù)找那個應加強領導特質、成就導向、人際關系的內容訓練和培養(yǎng)。

x

4 結論

（1）本文基于PNN方法建立了陸軍中級指揮官考核評價模型。PNN網絡輸入層為領導特質、成就導向、人際關系、危機管理、分析認識能力、執(zhí)行能力和創(chuàng)新精神，輸出層為陸軍中級指揮官的考核和評價結果。

（2）網絡模型測試均方誤差最小值為0.012，所以最終確定的網絡結構為7-0.6-1。

（3）領導特質、成就導向、人際關系的網絡敏感性值較低。危機管理、分析認識能力、執(zhí)行能力和創(chuàng)新精神對網絡精度影響很大。

【參考文獻】

[1]黃景仁，黃邱朝，江藹云等.陸海野戰(zhàn)訓練官兵個性與情緒不穩(wěn)定因素分析[J].中國心理衛(wèi)生雜志，2002，16（8）：525-526.

[2]李國勇.神經模糊控制理論及應用[M].北京，電子工業(yè)出版社，2009：18-67.endprint