基于Ｅｌｍａｎ神经网络的江苏技术人才需求预测.docx

基于Ｅｌｍａｎ神经网络的江苏技术人才需求预测.doc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,奥说明了Elman神经网络在人才需求预觏测中的应用,并将其预测结果与基于BP淡静态神经网络的预测值进行了比较。指出冻了Elman神经网络在对人才系统这样痊的动态系统进行预测时优越性。
[关键Ж词]人才预测Elman神经网络BP神彦经网络
随着知识经济的到来,人才在区话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惋。人才预测的方法有很多种,神经网络是玑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****来模拟系统的内砀部结构。但BP网络作为一种静态前馈网钲络,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。Elm吞an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婺上,通过存储内部状态使其具备映射动态埸特征的功能,从而使系统具有适应时变特矮性的能力。因此,考虑到人才系统具有动奉态性的特点,尝试采用Elman神经网
敝络以江苏省技术人才系统为例进行预测。踹
一、Elman神经网络
Elman揲神经网络是Elman于1990年提出摧的,该模型在前馈网络的隐含层中增加一剑个承接层,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啜能力,能直接反映动态过程系统的特性。坜
神经网络结构
Elman神经网络一兄般分为4层:输入层、中间层、承接层、惭输出层,如图1所示。其输入层、隐含层带、输出层的连接类似于前馈网络,输入层滏的单元仅起信号传输作用,输出层单元起裴线性加权作用。隐含层单元的一步传递函ぎ数可采用线性或非线性函数,承接层又称愈为上下文层或状态层,它用来记忆隐含层仓单元前一时刻的输出值,可以认为是一个抽延时算子。
Elman神经网络的特点喋是隐含层的输出通过承接层的延迟与存储浣,自联到隐含层的输入,这种自联方式使酶其对历史状态的数据具有敏感性,内部反殓馈网络的加入增加了网络本身处理动态信视息的能力,从而达到了动态建模的目的。脲
神经网络的学****过程
以图1为例,E彳lman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碉维输出结点向量,n维中间层结点单元向榻量,r维输入向量和n维反馈状态向量。瞟w3,w2,w1分别表示中间层到输出帷层、输入层到中间层、承接层到中间层的参连接权值。g(*)为输出神经元的传递筚函数,是中间层输出的线性组合。f(*锵)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算法濑进行权值修正,学****指标函数采用误差平方和函数:
其中为目标输出向量。
二馑、基于Elman神经网络的江苏技术人摩才需求预测
网络样本设计
在实际的人皱力资源规划中,江苏省年的技术人才需求吸不仅受到年江苏经济状况的影响,由于人罹才需求的时滞性,而且受到等年份诸多因︼素的影响,具有动态性。表1给出了19悸89年~XX年江苏省的地区生产总值和黠技术人才数量。现在利用前14年的数据S作为网络的训练样本,每4年的人才数和诶第5年的地区生产总值作为