关闭

关闭

关闭

封号提示

内容

首页 管理学论文-基于Elman神经网络的江苏技术人才需求预测

管理学论文-基于Elman神经网络的江苏技术人才需求预测.doc

管理学论文-基于Elman神经网络的江苏技术人才需求预测

Blanche林 2017-12-22 评分 0 浏览量 0 0 0 0 暂无简介 简介 举报

简介:本文档为《管理学论文-基于Elman神经网络的江苏技术人才需求预测doc》,可适用于人文社科领域,主题内容包含管理学论文基于Elman神经网络的江苏技术人才需求预测摘要Elman神经网络是一种典型的动态回归神经网络它具有适应时变性的能力。以江苏省技术人才系统符等。

管理学论文基于Elman神经网络的江苏技术人才需求预测摘要Elman神经网络是一种典型的动态回归神经网络它具有适应时变性的能力。以江苏省技术人才系统为例说明了Elman神经网络在人才需求预测中的应用并将其预测结果与基于BP静态神经网络的预测值进行了比较。指出了Elman神经网络在对人才系统这样的动态系统进行预测时优越性。关键词人才预测Elman神经网络BP神经网络随着知识经济的到来人才在区域经济中的作用日益彰显人力资源规划已经成为区域经济发展的重要影响因素。因此人力资源需求预测逐渐被接纳和重视。人才预测的方法有很多种神经网络是较为常用的方法之一。目前大多数采用的是基于BP算法的神经网络它可以看成是输入与输出集合之间的一种非线性映射通过对有限样本的学习来模拟系统的内部结构。但BP网络作为一种静态前馈网络它对动态系统进行辨识时将动态时间建模问题变为静态空间建模问题。Elman回归神经网络是一种典型的动态神经元网络它是在BP网络基本结构的基础上通过存储内部状态使其具备映射动态特征的功能从而使系统具有适应时变特性的能力。因此考虑到人才系统具有动态性的特点尝试采用Elman神经网络以江苏省技术人才系统为例进行预测。一、Elman神经网络Elman神经网络是Elman于年提出的该模型在前馈网络的隐含层中增加一个承接层作为一步延时算子达到记忆的目的从而是系统具有适应时变特性的能力能直接反映动态过程系统的特性。Elman神经网络结构Elman神经网络一般分为层:输入层、中间层(隐含层)、承接层、输出层如图所示。其输入层、隐含层、输出层的连接类似于前馈网络输入层的单元仅起信号传输作用输出层单元起线性加权作用。隐含层单元的一步传递函数可采用线性或非线性函数承接层又称为上下文层或状态层它用来记忆隐含层单元前一时刻的输出值可以认为是一个延时算子。Elman神经网络的特点是隐含层的输出通过承接层的延迟与存储自联到隐含层的输入这种自联方式使其对历史状态的数据具有敏感性内部反馈网络的加入增加了网络本身处理动态信息的能力从而达到了动态建模的目的。Elman神经网络的学习过程以图为例Elman网络的非线性状态空间表达式为:其中y,x,u,xc分别表示m维输出结点向量n维中间层结点单元向量r维输入向量和n维反馈状态向量。w,w,w分别表示中间层到输出层、输入层到中间层、承接层到中间层的连接权值。g(*)为输出神经元的传递函数是中间层输出的线性组合。f(*)为中间层神经元的传递函数常采用S函数。Elman网络也采用BP算法进行权值修正学习指标函数采用误差平方和函数:其中为目标输出向量。二、基于Elman神经网络的江苏技术人才需求预测Elman网络样本设计在实际的人力资源规划中江苏省年的技术人才需求不仅受到年江苏经济状况的影响由于人才需求的时滞性而且受到等年份诸多因素的影响具有动态性。表给出了年~年江苏省的地区生产总值(GDP)和技术人才数量。现在利用前年的数据作为网络的训练样本每年的人才数和第年的地区生产总值作为输入向量第年的人才数作为目标向量。这样可以得到组训练样本。第、年的数据作为网络的测试样本主要看网络能否合理地预测出当年的数据。表江苏省技术人才数和地区生产总值(年~年)Elman网络训练与测试获得样本数据后由于原始样本中各向量的数量级差别很大为了防止部分神经元达到饱和状态在研究中使用MATLAB对样本进行的输入进行归一。接下来是设计Elman网络的结构。合理的网络结构是预测性能的基础。实际上结构的确定尤其是中间层神经网络元数的确定是一个经验性的问题需要大量的实验。分别使用不同的中间层神经网络元数来构造Elman网络使用训练样本进行学习训练用测试样本进行测试分析预测值和实际值的误差观察其训练曲线和预测误差曲线。经过反复试算中间层神经网络元数目为传递函数为tansig时网络收敛于允许误差的范围内。图给出了Elman神经网络预测值与实际值的比较。图Elman网络输出值与实际值对比与BP神经网络预测比较分析BP神经网络是人才预测中最常见的非线性方法是一种单向传播的多层次前向网络。经过反复训练建立结构为的江苏技术人才需求BP神经网络预测模型算出江苏技术人才需求的BP网络预测值并与Elman神经网络预测值进行比较。图是BP神经网络的拟合曲线与图相比可以看出Elman神经网络的拟合曲线更接近于实际值曲线。因此Elman神经网络在江苏技术人才需求趋势的拟合上有着BP神经网络不可比拟的优势。部分预测结果的比较分析见表。图BP网络输出值与实际值对比表Elman神经网络拟合与预测结果三、结论Elman神经网络是在BP网络的基础上加入反馈信号利用内部状态反馈来描述系统的非线性动力学行为提高了学习速度适合动态系统的实时辨识。Elman神经网络代表了神经网络建模、辨识与控制的发展方向。若能将其与灰色模型、多元回归模型结合起来则有可能进一步提高人才预测的精度并能在人力资源规划中发挥更大的作用。参考文献:董长虹:MATLAB神经网络与应用M国防工业出版社,李涛宋光兴:区域人才资源需求预测方法研究J云南财经大学学报,,()盛艳波:基于BP神经网络和ARIMA组合模型预测浙江省人均国内生产总值J商场现代化,,()林春燕朱东华:基于Elman神经网络的股票价格预测研究J计算机应用,,()袁礼柏满迎:中国空间科技人才的需求量预测分析J哈尔滨工业大学学报,,()

用户评论(0)

0/200

精彩专题

上传我的资料

每篇奖励 +1积分

资料评分:

/4
0下载券 下载 加入VIP, 送下载券

意见
反馈

立即扫码关注

爱问共享资料微信公众号

返回
顶部

举报
资料