基于Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)的江蘇技術(shù)人才需求預(yù)測

1、基于神經(jīng)網(wǎng)絡(luò)的江蘇技術(shù)人才需求預(yù)測摘要Elan神經(jīng)網(wǎng)絡(luò)是一種典型的動態(tài)回歸神經(jīng)網(wǎng)絡(luò)，它具有適應(yīng)時變性的才能。以江蘇省技術(shù)人才系統(tǒng)為例，說明了Elan神經(jīng)網(wǎng)絡(luò)在人才需求預(yù)測中的應(yīng)用，并將其預(yù)測結(jié)果與基于BP靜態(tài)神經(jīng)網(wǎng)絡(luò)的預(yù)測值進展了比較。指出了Elan神經(jīng)網(wǎng)絡(luò)在對人才系統(tǒng)這樣的動態(tài)系統(tǒng)進展預(yù)測時優(yōu)越性。關(guān)鍵詞人才預(yù)測Elan神經(jīng)網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò)隨著知識經(jīng)濟的到來，人才在區(qū)域經(jīng)濟中的作用日益彰顯，人力資源規(guī)劃已經(jīng)成為區(qū)域經(jīng)濟開展的重要影響因素。因此人力資源需求預(yù)測逐漸被接納和重視。人才預(yù)測的方法有很多種，神經(jīng)網(wǎng)絡(luò)是較為常用的方法之一。目前大多數(shù)采用的是基于BP算法的神經(jīng)網(wǎng)絡(luò)，它可以看成是輸入與輸出

2、集合之間的一種非線性映射，通過對有限樣本的學(xué)習(xí)來模擬系統(tǒng)的內(nèi)部構(gòu)造。但BP網(wǎng)絡(luò)作為一種靜態(tài)前饋網(wǎng)絡(luò)，它對動態(tài)系統(tǒng)進展辨識時將動態(tài)時間建模問題變?yōu)殪o態(tài)空間建模問題。Elan回歸神經(jīng)網(wǎng)絡(luò)是一種典型的動態(tài)神經(jīng)元網(wǎng)絡(luò)，它是在BP網(wǎng)絡(luò)根本構(gòu)造的根底上，通過存儲內(nèi)部狀態(tài)使其具備映射動態(tài)特征的功能，從而使系統(tǒng)具有適應(yīng)時變特性的才能。因此，考慮到人才系統(tǒng)具有動態(tài)性的特點，嘗試采用Elan神經(jīng)網(wǎng)絡(luò)以江蘇省技術(shù)人才系統(tǒng)為例進展預(yù)測。一、Elan神經(jīng)網(wǎng)絡(luò)Elan神經(jīng)網(wǎng)絡(luò)是Elan于1990年提出的，該模型在前饋網(wǎng)絡(luò)的隱含層中增加一個承接層，作為一步延時算子，到達記憶的目的，從而是系統(tǒng)具有適應(yīng)時變特性的才能，能直接反

3、映動態(tài)過程系統(tǒng)的特性。1.Elan神經(jīng)網(wǎng)絡(luò)構(gòu)造Elan神經(jīng)網(wǎng)絡(luò)一般分為4層：輸入層、中間層隱含層、承接層、輸出層，如圖1所示。其輸入層、隱含層、輸出層的連接類似于前饋網(wǎng)絡(luò)，輸入層的單元僅起信號傳輸作用，輸出層單元起線性加權(quán)作用。隱含層單元的一步傳遞函數(shù)可采用線性或非線性函數(shù)，承接層又稱為上下文層或狀態(tài)層，它用來記憶隱含層單元前一時刻的輸出值，可以認為是一個延時算子。Elan神經(jīng)網(wǎng)絡(luò)的特點是隱含層的輸出通過承接層的延遲與存儲，自聯(lián)到隱含層的輸入，這種自聯(lián)方式使其對歷史狀態(tài)的數(shù)據(jù)具有敏感性，內(nèi)部反應(yīng)網(wǎng)絡(luò)的參加增加了網(wǎng)絡(luò)本身處理動態(tài)信息的才能，從而到達了動態(tài)建模的目的。2.Elan神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程

4、以圖1為例，Elan網(wǎng)絡(luò)的非線性狀態(tài)空間表達式為：其中，y,x,u,x分別表示維輸出結(jié)點向量，n維中間層結(jié)點單元向量，r維輸入向量和n維反應(yīng)狀態(tài)向量。3,2,1分別表示中間層到輸出層、輸入層到中間層、承接層到中間層的連接權(quán)值。g(*)為輸出神經(jīng)元的傳遞函數(shù)，是中間層輸出的線性組合。f(*)為中間層神經(jīng)元的傳遞函數(shù)，常采用S函數(shù)。Elan網(wǎng)絡(luò)也采用BP算法進展權(quán)值修正，學(xué)習(xí)指標函數(shù)采用誤差平方和函數(shù)：其中為目的輸出向量。二、基于Elan神經(jīng)網(wǎng)絡(luò)的江蘇技術(shù)人才需求預(yù)測1.Elan網(wǎng)絡(luò)樣本設(shè)計在實際的人力資源規(guī)劃中，江蘇省年的技術(shù)人才需求不僅受到年江蘇經(jīng)濟狀況的影響，由于人才需求的時滯性，而且受到等

5、年份諸多因素的影響，具有動態(tài)性。表1給出了1989年2022年江蘇省的地區(qū)消費總值GDP和技術(shù)人才數(shù)量。如今利用前14年的數(shù)據(jù)作為網(wǎng)絡(luò)的訓(xùn)練樣本，每4年的人才數(shù)和第5年的地區(qū)消費總值作為輸入向量，第5年的人才數(shù)作為目的向量。這樣可以得到11組訓(xùn)練樣本。第15、16年的數(shù)據(jù)作為網(wǎng)絡(luò)的測試樣本，主要看網(wǎng)絡(luò)能否合理地預(yù)測出當年的數(shù)據(jù)。轉(zhuǎn)貼于論文聯(lián)盟.ll.表1江蘇省技術(shù)人才數(shù)和地區(qū)消費總值(1989年2022年)2.Elan網(wǎng)絡(luò)訓(xùn)練與測試獲得樣本數(shù)據(jù)后，由于原始樣本中各向量的數(shù)量級差異很大，為了防止局部神經(jīng)元到達飽和狀態(tài)，在研究中使用ATLAB7對樣本進展的輸入進展歸一。接下來是設(shè)計Elan網(wǎng)絡(luò)的構(gòu)

6、造。合理的網(wǎng)絡(luò)構(gòu)造是預(yù)測性能的基矗實際上構(gòu)造確實定尤其是中間層神經(jīng)網(wǎng)絡(luò)元數(shù)確實定是一個經(jīng)歷性的問題，需要大量的實驗。分別使用不同的中間層神經(jīng)網(wǎng)絡(luò)元數(shù)來構(gòu)造Elan網(wǎng)絡(luò)，使用訓(xùn)練樣本進展學(xué)習(xí)訓(xùn)練，用測試樣本進展測試分析預(yù)測值和實際值的誤差，觀察其訓(xùn)練曲線和預(yù)測誤差曲線。經(jīng)過反復(fù)試算，中間層神經(jīng)網(wǎng)絡(luò)元數(shù)目為8，傳遞函數(shù)為tansig時，網(wǎng)絡(luò)收斂于允許誤差的范圍內(nèi)。圖2給出了Elan神經(jīng)網(wǎng)絡(luò)預(yù)測值與實際值的比較。圖2Elan網(wǎng)絡(luò)輸出值與實際值比照3.與BP神經(jīng)網(wǎng)絡(luò)預(yù)測比較分析BP神經(jīng)網(wǎng)絡(luò)是人才預(yù)測中最常見的非線性方法，是一種單向傳播的多層次前向網(wǎng)絡(luò)。經(jīng)過反復(fù)訓(xùn)練，建立構(gòu)造為5-9-1的江蘇技術(shù)人才需

7、求BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，算出江蘇技術(shù)人才需求的BP網(wǎng)絡(luò)預(yù)測值，并與Elan神經(jīng)網(wǎng)絡(luò)預(yù)測值進展比較。圖3是BP神經(jīng)網(wǎng)絡(luò)的擬合曲線，與圖2相比可以看出，Elan神經(jīng)網(wǎng)絡(luò)的擬合曲線更接近于實際值曲線。因此，Elan神經(jīng)網(wǎng)絡(luò)在江蘇技術(shù)人才需求趨勢的擬合上有著BP神經(jīng)網(wǎng)絡(luò)不可比較的優(yōu)勢。局部預(yù)測結(jié)果的比較分析見表2。圖3BP網(wǎng)絡(luò)輸出值與實際值比照表2Elan神經(jīng)網(wǎng)絡(luò)擬合與預(yù)測結(jié)果三、結(jié)論Elan神經(jīng)網(wǎng)絡(luò)是在BP網(wǎng)絡(luò)的根底上參加反應(yīng)信號，利用內(nèi)部狀態(tài)反應(yīng)來描繪系統(tǒng)的非線性動力學(xué)行為，進步了學(xué)習(xí)速度，合適動態(tài)系統(tǒng)的實時辨識。Elan神經(jīng)網(wǎng)絡(luò)代表了神經(jīng)網(wǎng)絡(luò)建模、辨識與控制的開展方向。假設(shè)能將其與灰色模型、多元回歸模型結(jié)合起來，那么有可能進一步進步人才預(yù)測的精度，并能在人力資源規(guī)劃中發(fā)揮更大的作用。參考文獻：1董長虹：ATLAB神經(jīng)網(wǎng)絡(luò)與應(yīng)用.國防工業(yè)出版社,20222李濤宋光興：區(qū)域人才資源需求預(yù)測方法研究J.云南財經(jīng)大學(xué)學(xué)報,2022,(3)3盛艷波：基于BP神經(jīng)網(wǎng)絡(luò)和ARIA組合模型預(yù)測浙江省人均國內(nèi)消