还剩6页未读,继续阅读
文本内容:
基于BP神经网络的专家遴选-人力资源基于BP神经网络的专家遴选刘宝李正荣吉方代毅中国工程物理研究院机械制造工艺研究所摘要专家遴选是科技人才队伍建设的重要内容分析了专家队伍现状及其遴选方式的不足,对反映科技人员能力和成果的要素进行量化,并采用BP神经网络方法建立了专家遴选模型结果表明应用该方法对科技人员进行分类筛选能减少人为因素的影响,满足专家遴选的要求关键词专家遴选评价指标BP神经网络模型验证中图分类号C961文献标识码B高层次科技人才是我国人才队伍的核心,而高水平专家是专业技术人才的精华,也是高层次科技人才的代表专家的遴选与培养一直备受各大科研机构的重视,它不仅是激发科技人才积极性,促进学科发展和技术进步的重要措施,也是加强梯队建设,推动高层次人才队伍可持续发展的基本保证
一、研究所专家队伍现状在我国,专家一般指那些在所从事领域中得到广泛认可,具有精湛造诣,能够进行创新性劳动并取得突出成就的人群现以某工程类研究所为例,对科技专家队伍的现状进行分析
1.专家的数量不足古语云“千军易得,一将难求”高层次专家位于人才队伍的“塔尖”,在把握学科发展方向和带领团队方面起着关键作用要打造“创新型一流研究所”,必须加强和巩固优势学科地位,进一步提升科研水平,而这些必须以一支数量可观的专家队伍为基础研究所近年来虽然承担了不少重大科研项目,也获得了很多国家级和省部级奖励,但仔细分析就能发现很多项目负责人和获奖者都高度重复,剔出这些重复出现的人员,高水平科技专家的数量并不多,更鲜见在国内相关领域具有较高影响力的领军人物现有科技专家数量不足的同时,许多科研水平较高的技术骨干却缺少成为专家的机会,难以享受专家的荣誉和待遇,也没有积极性去履行专家的责任与义务,对研究所的科技进步和队伍建设没有起到应有的推动作用
2.专家的年龄偏大据统计,人的创造力在35岁左右达到巅峰,这个时期正是做科研、出成果的黄金期研究所近五年所获各类科技奖项人数共171人,其中仅有6人年龄在35岁以下,且全部为项目参与者在最富创造力的时期难以成为科研主力,科技人才队伍的年龄结构不尽合理专家的年龄偏大是有其客观原因的,当前科技项目特别是重大科技项目一般要由知名专家作为负责人才容易获得通过一方面,少数资深专家作为科研主力,承担的任务多、压力大;另一方面,年轻科技人员缺少重大项目的锻炼机会,不利于个人成长
3.专家遴选方式待改进专家的作用不仅体现在对经济发展和科技进步的直接贡献上,而且体现在对整个人才队伍建设的示范和带动作用上研究所为加强专业梯队建设,充分发挥高层次专家在各自学科、专业领域的学术和技术带头作用,提高专业技术人才队伍的整体素质,近年来致力于开展专家的遴选培养工作,初步营造了“尊重劳动、尊重知识、尊重人才、尊重创造”的良好环境然而科技专家的遴选仍存在一些待改进之处一是专家遴选方式相对粗放,如“德才兼备”等要求都是定性描述,客观量化成份很少遴选过程不仅受限于评审专家知识的局限性,而且易受部门和个人的利益冲突及少数专家的学术道德水平影响,不排除走过场、印象分等现象的发生,难以完全客观、真实地反映科技人员的能力水平二是专家资格的有效期限不符合人才发展规律科技人员一旦被授予专家称号,往往一直到退休都是专家,随之而来的是项目、资金、名誉的高度聚集,一方面挤占了年轻科技人员的晋升空间,另一方面也不利于研究所的科技发展研究所科技专家数量不足、年龄偏大,迫切需要关注年轻科技人才的成长和发展,加大专家遴选与培养工作的力度,形成人才辈出、百花齐放的良好局面应建立一个专家库,将年轻的、优秀的科技骨干纳入到这个库中,实时更新专家库中科技人员的项目、成果信息,并进行动态管理,适时将一部分优秀专家推荐上去,将另一部分平庸专家筛选下来,形成灵活高效的专家新陈代谢机制
二、科技专家遴选模型的构建
1.BP神经网络的基本思想BP神经网络是模仿生物神经网络功能的一种经验模型,它含有输人层、输出层以及处于输入输出层之间的中间隐层,其算法由数据流的前向计算正向传播和误差信号的反向传播两个过程构成正向传播时,传播方向为输入层-隐层-输出层,每层神经元的状态只影响下一层神经元若在输出层得不到期望的输出,则转向误差信号的反向传播流程通过这两个过程的交替进行,在权向量空间执行误差函数梯度下降策略,动态迭代搜索一组权向量,使网络误差函数达到最小值,从而完成信息提取和记忆过程神经网络方法不需要了解数据处理过程的输入输出参量之间的变化规律,而主要根据所提供的数据通过学习和训练找出输入与输出的内在联系BP神经网络具有很强的非线性学习和模式识别的能力可以近似任何非线性函数通过它进行专家人选的评价、分类和遴选,避免了非客观的人为因素当然,BP神经网络的缺点也很明显,它不能提供解析表达式,无法得出一个“显性”的遴选模型,权值也没有实际意义,但这些并不影响BP神经网络在专家遴选中的应用探索
2.样本选择与赋值对高层次人才队伍进行层次分类和条件界定可以加强人才队伍建设的重点和针对性层次的分类要考虑结构和梯队建设的需要不同层次间要相互联系形成递进的结构和合理的梯队本研究选取了资深高水平专家、优秀科研骨干和一般科技人员三类样本,每类人数为5人,共15人收集整理了公认能反映科研水平和能力的样本信息,主要有学历、专利、论文、项目、奖项等,如表1所示学习经历是学习能力的标志和科研工作的基础;人才培养体现了学术水平和带领团队的能力;承担项目体现了解决问题的能力;发表论文体现了理论研究能力;专利体现了创新能力和探索精神;奖项是社会对其科研成果的认同,体现了科研能力的强弱各量化要素的赋值主要参照了研究所职称评定量化计分条件,部分内容作了修改除学习经历和人才培养要素外,其余要素只统计科技人员近五年的数据,重复项目只按最高计分统计
3.BP神经网络设计与求解BP神经网络的输入为科技人员各量化指标的实际数据,输出可设置为某固定常数本文将资深高水平专家、优秀科研骨干和一般科技人员的输出分别设置为
3、
2、1,输出达到2及以上的科技人员就可以纳入动态专家库每类人员选取4个样本,共12个样本进行训练,如表2所示神经网络训练参数设置如下,采用输入层、隐层、输出层三层神经网络结构,其中输入层为13个神经元,输出层为1个神经元,隐含层神经元个数的确定目前还没有特别好的方法本文根据经验和反复试验取隐含层个数为15这样网络的基本结构为13-15-1型三层BP神经网络专家系统采用MATLAB神经网络工具箱对网络进行训练,隐层训练函数为tansig,输出层训练函数为purelin;为保证训练结果的收敛,神经网络训练次数设置为1000次;为提高训练的精度,训练误差设置为1E-7,其余参数按默认设置在确定了网络的结构后,要通过输入和输出样本集对网络进行训练,即对网络的阈值和权值进行学习和修正,以使网络实现既定的输入输出映射关系当训练误差达到了精度要求,训练停止训练后的神经网络模型结构如下输入层到隐层的权值矩阵为隐层到输出层的阈值为-
0.31将编号为
13、
14、15的样本作为仿真样本来检验网络的预测结果,将样本数据输入所建立的网络模型得到客观预测数据,如表3所示测试数据预测结果分类方法为按就近原则分类,将计算结果与训练数据中的类别常数321进行比较,与哪个值接近则测试数据就属于哪个类别测试样本
13、
14、15分别为
3、
2、1类别,模型预测结果与科技人员实际分类及量化计分结果相符,说明BP神经网络模型对专家进行分类遴选是可行且有效的
三、结束语“十年树木,百年育人”,高层次科技人才队伍建设是一项任重而道远的工作本文仅就科技人员学术上的成就进行分析和探讨,为杰出专家人才的遴选工作提供参考实际应用时,应进一步增加样本数量,优化遴选模型,根据不同的评价目的,针对不同类型的人才制定不同的评价指标体系,才能科学合理地对人才进行分类,满足专家遴选的要求参考文献
[1]王松梅.我国科技人才评价中存在的问题及对策研究[J].科技与管理20056
[2]韩立群.人工神经网络理论、设计及应用[M].北京:化学工业出版社2002
[3]马强陈义涛.基于BP神经网络的人力资源价值定量分析[J].现代商贸工业20111作者简介刘宝,1979—,男,安徽淮北人,硕士,工程师,研究方向为人力资源管理。