微处理机
微處理機
미처리궤
MICROPROCESSORS
2015年
3期
34-37
,共4页
绩效评价%主成分分析%人工神经网络%BP 神经网络
績效評價%主成分分析%人工神經網絡%BP 神經網絡
적효평개%주성분분석%인공신경망락%BP 신경망락
Performance appraisal%PCA%ANN%BP neural network
随着多指标综合评价方法和计算机技术的高速发展，针对不同评价对象，基于不同评价方法的评价系统得到广泛应用。BP 神经网络通过训练来得到被评对象的价值模型，可以有效解决非线性综合评价问题。利用主成分分析降低变量的维数，该方法在保证系统数据信息损失最小的原则下，对评价指标实现有效降维并消除数据与数据间的相关性，降低了神经元网络模型的复杂度。提出了一种基于 PCA －BP 的员工绩效评价模型，其神经元网络训练收敛速度大大加快，精度可以较好的逼近预测输出，提高了评价结果的客观性。实验结果表明，该方法可以较好的逼近专家评价结果，降低了神经网络模型的复杂度，提高了神经网络模型的效率。
隨著多指標綜閤評價方法和計算機技術的高速髮展，針對不同評價對象，基于不同評價方法的評價繫統得到廣汎應用。BP 神經網絡通過訓練來得到被評對象的價值模型，可以有效解決非線性綜閤評價問題。利用主成分分析降低變量的維數，該方法在保證繫統數據信息損失最小的原則下，對評價指標實現有效降維併消除數據與數據間的相關性，降低瞭神經元網絡模型的複雜度。提齣瞭一種基于 PCA －BP 的員工績效評價模型，其神經元網絡訓練收斂速度大大加快，精度可以較好的逼近預測輸齣，提高瞭評價結果的客觀性。實驗結果錶明，該方法可以較好的逼近專傢評價結果，降低瞭神經網絡模型的複雜度，提高瞭神經網絡模型的效率。
수착다지표종합평개방법화계산궤기술적고속발전，침대불동평개대상，기우불동평개방법적평개계통득도엄범응용。BP 신경망락통과훈련래득도피평대상적개치모형，가이유효해결비선성종합평개문제。이용주성분분석강저변량적유수，해방법재보증계통수거신식손실최소적원칙하，대평개지표실현유효강유병소제수거여수거간적상관성，강저료신경원망락모형적복잡도。제출료일충기우 PCA －BP 적원공적효평개모형，기신경원망락훈련수렴속도대대가쾌，정도가이교호적핍근예측수출，제고료평개결과적객관성。실험결과표명，해방법가이교호적핍근전가평개결과，강저료신경망락모형적복잡도，제고료신경망락모형적효솔。
Evaluation system,used for different evaluation objects,based on different evaluation methods,has been widely used with the perfection of multiple -parameters comprehensive evaluation method.Through training,BP neural network gets the rated value objects to effectively solve the problem of comprehensive evaluation of nonlinear.This paper performs analysis to reduce the dimension of the variables using principal components and the complexity of the neural network model.It puts forward a model of staff performance evaluation based on PCA -BP neural network,greatly accelerates the speed and improves the objectivity of evaluation result.This method can better approximate the results evaluate by the expert to reduce the complexity of neural network model and improve the efficiency of the neural network model.
