参考BP神经络的的大学毕业生就业信息分析以辽宁工程技术大学为例.docx
- 文档编号:30156706
- 上传时间:2023-08-05
- 格式:DOCX
- 页数:14
- 大小:21.73KB
参考BP神经络的的大学毕业生就业信息分析以辽宁工程技术大学为例.docx
《参考BP神经络的的大学毕业生就业信息分析以辽宁工程技术大学为例.docx》由会员分享,可在线阅读,更多相关《参考BP神经络的的大学毕业生就业信息分析以辽宁工程技术大学为例.docx(14页珍藏版)》请在冰豆网上搜索。
参考BP神经络的的大学毕业生就业信息分析以辽宁工程技术大学为例
BP神经网络的大学毕业生就业信息分析——以辽宁工程技术大学为例
第l3卷第3期
2011年5月
辽宁工程技术大学(社会科学版)
.
J...
o
...
u
....
r
...
n
....
a
....
1
....
o
....
f
.....
L.....
i
..
a
...
o
.....
n
...
i
..
n
....
g—————.
T
....—
e
———
c
—
hnicalUniversity(SocialScienceEdition)May2011
BP神经网络的大学毕业生就业信息分析
——
以辽宁工程技术大学为例
樊春兰,高殿军
(辽宁T程技术大学工商管理学院,辽宁葫芦岛125105)
摘要:
针对近年来中国大学毕业生就业难问题,采用BP神经网络对高校毕业生就业信息进行分析,并借助计算机对就业
信息进行挖掘,以辽宁工程技术大学毕业生情况调查的数据为基础,通过实例验证,结果表明BP神经网络具有较高的预测
精度和良好的泛化能力.BP神经网络对大学毕业生就业指导有着现实的意义.
关键词:
大学毕业生;就业;BP神经网络;预测;数据挖掘
中图分类号:
C93—03文献标识码:
A文章编号:
1o08—391X(2011)03—0272—03
Employmentinformationanalysesofcollegeanduniversitygraduatesbased
onBPneuralnetwork
——acasestudyofLiaoningTechnicalUniversity
FANChunlan.GAODianiun
(CollegeofBusinessAdministration,LiaoningTechnicalUniversity,Huludao125105,China)
Abstract:
InviewofrecentemploymentdifficultyofcollegeanduniversitygraduatesinChina,employmentinfor-
marionofthesegraduateswasanalysedbymeansofBPneuralnetworkandduguponcomputer.Thestu#,based
ontheemploymentinformationdataofLiaoningTechnicalUniversitygraduates,showsthatBPneuralnetwork
hashigherpredictionaccuracyandgoodgeneralizationcapacity.BPneuralnetworkprovidespracticalguidance-
fortheemploymentofcollegeanduniversitygraduates.
Keywords:
collegeanduniversitygraduates;employment;BPneuralnetwork;prediction;digging-upofdata
0引言
近年来,随着中国教育制度的一系列变革,特
别是高校毕业生就业转向了以市场为导向的机制,
使得逐年递增的大学毕业生就业问题引起社会的
普遍关注.如何使莘莘学子们能更快找到满意的
工作是每个高校所面临的现实问题.针对这一情
况,借助人工神经网络对就业信息进行数据挖掘,
寻找影响就业的因素以便对学校今后的教学和学
生工作提出指导性建议n.
BP神经网络作为数据挖掘技术的一种,它具
有高度的并行结构和并行处理能力,具有固有的非
线性特性和自学习,自组织,自适应能力.BP模型
具有较高的预测精度和良好的泛化能力团,它通过
对实例训练来自动获取知识,不需要分析和整理,
对难以用数学方法建立精确模型的信息,工艺等能
够进行有效地建模.把BP神经网络用于毕业生就
业信息分析中,为信息社会的高校学生工作提供了
一
种全新的思路和方法.
1BP神经网络模型
1.1BP神经网络的基本原理
BP神经网络也称为反向传播网络(BackPropa—
gationNetwork1是1986年由Rumelhart和McCeUand
为首的科学家小组提出,是一种按误差逆传播算法
训练的多层前馈网络,是目前最为广泛,最具影响
的人工神经网络(ArtificialNeuralNetworks,简记作
ANN)学习算法之一.它可以从大量的离散实验数
据中,经过学习训练,提取其领域知识,并将知识表
示为网络连接权值的大小与分布,建立起反映实际
过程内在规律的数学模型.
收稿日期:
2010—02-25
作者简介:
樊春~(1982一),女,山东荷泽人,硕士研究生,主要从事企业资源规划研究.
第3期樊春兰,等:
BP神经网络的大学毕业生就业信息分析一以辽宁工程技术大学为例273
BP神经网络模型拓扑结构包括输人层(in—
put),隐层(hidelayer)和输出层(outputlayer).它
能学习和存贮大量的输入一输出模式映射关系,而
无需事前揭示描述这种映射关系的数学方程口.
BP神经网络的学习规则是使用最速下降法,通过
反向传播来不断调整网络的权值和阈值,使网络的
误差平方和最小.而且在模式样本相对较少的情
况下,较少的隐层节点,可以实现模式样本空间的
超平面划分.由此,本文使用具有单隐层的人工神
经网络来实现.
1.2BP神经网络模型的建立
建立一个BP神经网络的基本步骤H如下:
(1)输入N个学习样本(,)(k=1,2,…,n),在
这里表示样本的输人向量,表示样本的输出向
量.
(2)建立BP网络结构.由学习样本的输入向
量的长度n确定网络输人层节点数为n,由学习
样本的输出向量的长度m确定网络输出层节点
数为m.首先确定网络层数L23和各层节点数,第Z
层的节点数为,z且0='L=77z.定义各层间的
连接权矩阵,第Z层连接第Z+1层的连接矩阵为
W∞.=l
…
-
w(t]×:
+1,(其中z=1,2,…,L一1),初始化各
连接权矩阵的元素值.
(3)输人允许误差£和学习速率r/
('7可取O到1间的数值),初始化迭代计算次数l,学
习样本序号是=1.
(4)如果取第七个学习样本(xk,Yk),则有
Xk=(xlk,X2k….,z),=(ylk,y2k….,础)
(1)
(5)由学习样本的输入向量进行正向传播
计算,则输入层各节点的输出为
=厂((:
1,2,…,)
(2)
逐层计算各层各节点的输入和输出为:
一
0
=
∑Wq'0(3)fl
其中Oj
(1)=厂(),(其中2,…,L;j=I,2,…,"】).
(6)计算输出层(第L层)的各输出节点的均方
误差为
=
(4)
=
吉一.(其中=1,2,…,)
(5)
(7)假如对N个学习样本的任一实例K值,
难≤(卢1,2,…,),则学习过程结束;否则,进行
误差反向传播修改各连接权矩阵.
(8)误差反向传播的计算,修改第L一1层隐层
至输出层L层)的连接权矩阵:
'
:
_-
(一)(瓒')(6)
△叫-1)=0(L0(7)
硼(z+1)=训-1)(£)+△(£)
(8)
(=1,2,…,,z(L-1);卢1,2,…,)
反向逐层修改各隐层的连结权矩阵:
(,'n
:
厂)龄碟(9)
g1
A,(1-1))=一0'0o)
w.
q
'+1):
(t,
+A7o//')
(11)
(=1,2,…,(1-1)j:
1,
2,…,c1);l=l,2,…,L一1)
(9)若是志=走+l,+l,则转至步骤4进行新
一
轮的学习.
2实例
2.1训练样本
利用BP神经网络分析大学生就业信息,首先
收集辽宁工程技术大学已毕业的学生信息,对获得
的数据信息进行合并,形成结构统一的高校毕业生
就业信息数据源.然后对数据源进行数据预处理,
去掉其中高分支属性和与决策无关的属性,处理含
空缺值的屙陛.最后根据随机算法,在训练样本的
数据库中抽取2/3的数据用于训练网络,而剩余1/3
的数据则用于测试该模型的准确率.本文所用到
的数据如表1所示.
表1毕业生就业信息(部分)
Tab.1employmentinformationofgraduates
序号性别政治面貌学生干部综合测评毕业论文就业情况
274辽宁工程技术大学会科学版)第13卷
由表1中的数据可以看出,原始样本中很多属
性的值是文本类型,并且综合测评的属性值是大于
1的整数,而BP神经网络所处理的数值在【0,1]~l'aq
上,因此在研究中需要将这些属性值转化为[0,1]区
间上的数据.对综合测评属性值采用的归一化【公
式如下:
叠=__=(12)
Xmax—Z嘶
其余的属性值分别用1或0来代替,具体见表2.
表2规范化后的数据
Tab.n0rmalizeddata
序号性别政治面貌学生干部综合测评毕业论文就业情况
ll
21
3O
4l
51
6O
7l
8O
91
l00
l1O
l21
2.2网络训练.
实例采用了三层BP网络来进行建立模型.主
要原因是:
对于一般的模式识别问题,用三层网络
就可以很好的解决;三层的神经网络中,输入层神
经元个数和隐层神经元个数.之间有以下近似关
系:
2=2nl+1(13)
因此,本例中网络的输入层神经元个数9个,
输出层神经元个数为1个,由公式(13)可以求出隐
层的神经元个数为19个.这里隐层的神经元个数
并不是固定不变的,需要经过实际训练检验不断调
整.运用MATLAB7.0嗍来对数据进行模拟仿真测
试,网络中间层的神经元传递函数采用Sigmoid函
数中正切函数tansig,输出层神经元传递函数采用S
型对数函数logsig,其余训练参数的设定如表3.
裘3训练参数
Tab.3trainingparameters
训练次数训练目标学习速率
0.0010.1
2.3结果分析
抽取表1中2/3的数据进行神经网络训练,经
过多次尝试,模型采用9—20—1的网络结构,并采用
表3所示的训练参数,经过4~Jl[练后,网络的性能
就达到了要求,如图1.
Performanceis0.000262425,Goalis0.001
.'..'
\
I●lI●
图1训练结果
Fig.1trainingresults
神经网络训练成功后,利用表1中剩余的l,3
数据对神经网络模型进行预测精确度检验m,所得
出的预测结果与实际值进行比较.从表4中可以
清楚的看到,利用BP神经网络进行预测所获得的
结果和实际结果较为接近,误差值也较小,实验结
果表明BP神经网络对所搜集来的就业信息数据具
有较高的预测精度,可以用来进行预测计算.
表4实验结果分析
Tab.4experimentresultanalysis
3结论
通过运用BP神经网络对近两年来辽宁工程技
术大学毕业生就业信息的研究来看,BP网络具有
)i3B一∞●0∞nI口一II一∞卤
OOOOOl1OOOOO
OOlO1OOlOOOO
OlOO0OOOOOlO
OOOlOOOO1OO●
2O869O736122砌勰H卯卯
nOO1OOOOOO
lOlOOOOO1OOO
OO1OlOOOlOOO
第l3卷第3期
2011年5月
辽宁工程技术大学(社会科学版)
JournalofLiaoningTechnicalUniversity(SocialScienceEdition)
V01.13.No.3
May2011
担保项目风险评价与控制
'
张秀芳,景凤英,张秋福.
(1.辽宁省阜新市水源工程公司,辽宁阜新123000;2.辽宁省阜新市自来水总公司,辽宁阜新123000)
摘要:
针对担保项目的风险控制问题,采用归纳分析的方法,分析了担保项目风险的评价方法和风险分析方法,提出借鉴
企业信用等级评价标准构建信用评价体系,从道德风险经营风险等角度分析担保项目风险,关注担保全过程风险监控等建
议.研究结果为担保企业控制项目风险有借鉴意义.
关键词:
担保;项目风险;信用体系;风险控制;经营风险
中图分类号:
F272.2.5文献标识码:
A文章编号:
1008—391X(2011)03—0275—04
Assessmentandcontrolofguaranteeprojectrisk
ZHANGXiufang,JINGFengying2,ZHANGQiufu
(1.FuxinWaterSourceProjectCorporation,Fuxin123000,China;2.FuxinRunningWaterCorporation,
Fuxin123000,China)
Abstract:
Inviewofproblemsinriskcontrollingofguaranteeproject,conductiveanalysiswasmadeofassessing
andanalysingmethodsofguaranteeprojectrisk.Suggestionswereputforwardtobuiltcreditevaluationsystemby
referringtoevaluationcriteriaforenterprises'creditrate,toanalyzeguaranteeprojectriskinlightofmoraland
operatingrisk,andtopaycloseattentiontoriskcontrollinginthewholeprocessofguarantee.Theconclusionpm—
videsreferenceforguaranteeingenterprises.projectriskcontro1.
Keywords:
guarantee;projectrisk;creditsystem;riskcontrol;operatingrisk
O引言
担保公司为企业提供融资贷款担保,尤其是
为中小企业提供融资贷款担保项目面临的风险很
多,有些担保公司内部管理制度尚不规范,风险管
理方面经验不足,在实际的担保业务操作过程中出
现了很多问题.尤其是对担保项目进行风险评价
与分析方面缺乏科学的理论方法,研究担保项目的
风险评估和风险控制问题很必要的.
1担保项目风险评价
风险评价是按照一定的程序和方法对企业基
其他网络难以企及的自适应性和学习训练能力Ia],
具有高度非线性函数映射功能.它使得对高校毕
业生就业信息评价结果的精度大大提高.实例证
明了其可以精确地预测毕业生就业信息,这不但有
助于高效合理的整合教育资源,提高高校教育效
能,而且对社会本身也有着积极的现实意义.
参考文献:
…1张华,潘华.大学生综合素质评价的神经网络模型[J].
哈尔滨师范大学自然科学,2003,19(4):
65—67.
[2]朱帮助,林健.基于神经网络集成的经济预测模型[J].
辽宁工程技术大学:
自然科学版,2006,25(S1):
257-259.
[31赵冬梅,刘海峰,刘晨光.基于BP神经网络的信息安全风
险评估[J].计算机工程与应用,2007,43
(1):
139—141.
[4]赵全超,汪波,梁镇.BP神经网络在企业综合绩评中
的应用研究与改进[J].工业工程,2005,8(3):
102—107.
[5]颜佳华,宁国良,盛明科.基于BP神经网络的电子政务
绩效评价研究[J].中国管理科学,2005,13(6):
125—130.
[6]飞思科技产品研发中心.神经网络理论与MATLAB7实
现[M].北京:
电子工业出版社,2005.
【7】傅毓维,尹航,杨贵彬.BP神经网络在企业经营绩效评
价中的应用[J].运筹与管理,2006,15(4):
137—140.
[8]朱璨,蔡敏,谈亮.基于BP神经网络的高校毕业生
专业对口性评估[J].科技信息,2010(21):
51—52.
[责任编辑:
韩晓晨】
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 参考 BP 神经 大学毕业生 就业 信息 分析 辽宁 工程技术 大学
![提示](https://static.bdocx.com/images/bang_tan.gif)