基于人工神经网络的成败原因诊断模型
神经与进化计算
2010-05-07 v1
摘要
本文尝试识别最重要的人力资源因素，并基于人工神经网络的反向传播和联结主义模型方法提出一个诊断模型。研究聚焦于印度的移动通信行业。基于ANN的方法尤为重要，因为传统的解决问题方法（如算法方法）有其固有的缺点。算法方法适用于那些被充分理解且已知解决方案的问题。另一方面，ANN具有通过示例学习的能力，以及类似于人脑的处理能力。由于ANN相对于传统的算法类方法具有固有优势，并且具备训练和类似人类直觉的决策能力，因此本文采用了ANN方法。因此，这种基于ANN的方法可能有助于研究人员和组织在管理人力资源问题上找到更好的解决方案。这项研究尤其重要，因为许多研究已在发达国家进行，但在像印度这样的发展中国家此类研究还很缺乏。本文使用联结主义ANN方法推导出一个模型，并通过反向传播算法进行了改进和验证。这个建议的基于ANN的模型可用于测试任何通信行业中的成功与失败的人力因素。结果基于联结主义模型获得，并进一步通过BPNN精炼至99.99%的准确率。任何公司都可以直接部署此模型来预测因人力资源因素导致的失败。
引用
@article{arxiv.1005.0965,
title = {Artificial Neural Network based Diagnostic Model For Causes of Success and Failures},
author = {Bikrampal Kaur and Himanshu Aggarwal},
journal= {arXiv preprint arXiv:1005.0965},
year = {2010}
}
备注
IEEE Publication format, International Journal of Computer Science and Information Security, IJCSIS, Vol. 8 No. 1, April 2010, USA. ISSN 1947 5500, http://sites.google.com/site/ijcsis/