[發明專利]一種基于BP神經網絡的項目人才管理方法

在審

• 申請號: 201911370351.0
• 申請日: 2019-12-26
• 公開（公告）號: CN111160758A
• 公開（公告）日: 2020-05-15
• 發明（設計）人: 樂識非
• 申請（專利權）人: 紫光云（南京）數字技術有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于BP神經網絡的項目人才管理方法，其特征在于，包括如下步驟：

S1,團隊素質量化分析，團隊素質量化分為優秀團隊、良好團隊、問題團隊和需要重組團隊四個等級；

S2,神經網絡模型的建立，根據BP算法建立ANN模型；

S3,神經網絡樣本訓練，若干個團隊作為標準樣本，若干團隊作為檢驗樣本，取每個團隊相應各影響因素的量化值，由專家判斷打分，作為輸入值錄入，利用標準樣本的輸入值和輸出值在神經網絡模型中進行多于一萬次的訓練，并利用檢驗樣本進行檢驗；

S4，輸入數據，并得出結果，采集影響一個團隊素質評價的各因素，輸入到神經網絡模型中并得出團隊素質水平結果。

2.根據權利要求1所述的一種基于BP神經網絡的項目人才管理方法，其特征在于：所述S1中，0.9≤優秀團隊輸出值＜1、0.75≤良好團隊輸出值＜0.9、0.6≤問題團隊輸出值＜0.75、0＜需要重組團隊輸出值＜0.6。

3.根據權利要求1所述的一種基于BP神經網絡的項目人才管理方法，其特征在于：所述S2中，ANN模型輸入變量包括X1管理人員結構比、X2高級人才結構比、X3高層人才結構比、X4平均年齡、X5平均學歷、X6平均職稱、X7人員流失率、X8人員需求平均年齡、X9人員需求平均學歷、X10人員勝任能力平均水平、X11管理層平均薪酬和X12專門技術人員平均薪酬。

4.根據權利要求3所述的一種基于BP神經網絡的項目人才管理方法，其特征在于：所述S2中，建立神經網絡模型計算步驟如下，連接權重、閾值的選取范圍為均勻分布在[-0.3,0.3]隨機數；閾值θ0、θ1和θ2的取值范圍是[0,0.3]均勻分布隨機數；

激活函數選擇，

首先給ω₁、ω₂,、θ₀、θ₁和θ₂隨機賦較小的值；得到輸入層的激活值，

計算隱含層的輸入和激活值，

計算輸出層的輸入和激活值，

計算誤差，

輸出層誤差信號,令

計算隱含層誤差信號，

。

5.根據權利要求1所述的一種基于BP神經網絡的項目人才管理方法，其特征在于：所述S4中，取12個團隊，其中10個團隊作為標準樣本，2個團隊作為檢驗樣本，取每個團隊相應各影響因素的量化值，并由專家對該12個團隊進行判斷打分，作為輸出值錄入，利用現有10組標準樣本的輸入值和輸出值，可以對已經建立的神經網絡進行上萬次的訓練，并利用后兩組檢驗樣本進行檢驗，待神經網絡訓練成熟，即可用于對未來若干團隊的素質評價中。