Контрольная работа: Мягкие вычисления в задачах управления персоналом

В работе продемонстрируем возможности нейросетевого подхода при подборе персонала.

Искусственные НС представляют собой модели, используемые для решения задач нелинейной классификации и регрессии, которые обучаются на основе базы примеров (данных). На рис.3 представлена типичная схема биологического нейрона, состоящего из тела (ядра нейрона), дендритов и аксонов, служащих для приема и передачи сигналов, соответственно.

Рис. 5. Схема биологического нейрона

Показанные синапсы определяют промежуток (щель), который электризуется и проводит сигналы от соседних нейронов. Характер возбуждения этого синапса - нелинейный, и в целом нейрон становится активным и передает сигналы соседним нейронам в случае превышения суммы входящих сигналов некоторой пороговой величины. Нейронные сети инспирированы структурой и поведением биологических нейронов и нервной системы человека. В настоящее время описано около 50 типов НС, которые используются при решении различных задач. Нейронные сети состоят из многих вычислительных элементов, обычно называемых нейронами. Сила связи (соединений) между двумя нейронами определяет вес. Значения весов представляют собой те параметры сетей, которые являются субъектами обучения в нейросетевой технологии.

. Постановка и решение задачи

Задача ставится следующим образом. В качестве решателя о приеме на работу используется НС в виде трехслойного персептрона. Входной слой сети содержит количество нейронов, равное числу требований, предъявляемых к соискателю. На выходе сети выбирается два нейрона, соответствующих двум классам: принять на работу не принять. Иногда в выходном слое находится один бинарный нейрон, принимающий значения: 0 и 1. В скрытом слое число нейронов выбирается произвольным образом: обычно это делает сама программа.

На вход обученной сети подаются признаки соискателя, и сеть выносит решение о приеме (не приеме) очередного соискателя на работу.

Кандидаты, соответствующие требованиям и критериям отбора, проходят его; претенденты же, не удовлетворяющие этим критериям, продолжают поиск работы.

Конкретизируем задачу. Положим, что подбираем претендента на должность "помощник кондитера". В качестве входных данных выбираем:

Х1 - возраст, год; Х2 - стаж работы по специальности, год; Х3 - обучаемость, 10 баллов. Проанализируем эти переменные.

Х1 - возраст: для данной позиции существуют возрастные ограничения, поэтому целесообразно установить диапазон 20-26 лет как приемлемый для соискателя.

Х2 - стаж работы по специальности: кандидат, имеющий стаж работы от 1 года до 3 лет, подходит данной фирме.

Х3 - обучаемость: желательно, чтобы по этому параметру кандидат набирал не менее 7 баллов.

При использовании НС обязательным условием является наличие базы примеров для обучения сети.

Для формирования этой базы воспользуемся методом Монте-Карло с учетом указанных выше требований к входным переменным.

Разыгранная база примеров приведена в табл. 2.

Таблица 2

База примеров

Выберем НС в виде трехслойного персептрона, показанного на рис. 6.

Рис. 6. Архитектура сети

Обучение сети осуществляется методом обратного распространения ошибки, а результаты обучения показаны в табл.3, где приведена классификационная матрица, сформированная по разыгранным значениям.

Таблица 3

Результаты обучения

Как видно из табл.3, нейронная сеть безошибочно работает на смоделированных данных.

В рабочем режиме на вход сети можно подать любые значения входных данных х1, х2, х3, и обученная сеть должна классифицировать входные наблюдения. Пример ввода значений пользователя, подаваемых на вход сети, показан на рис. 7.

Рис. 7. Ввод значений пользователя

Результат работы сети показан на рис. 8, откуда видно, что НС отнесла новые наблюдения, не "виденные" сетью ранее, к классу 1 (принимаемый кандидат).

Рис. 8. Прогноз наблюдения пользователя

Выводы

.        Показана возможность применения методов мягких вычислений в задаче управления персоналом.

.        С использованием нечеткой логики приведено решение задачи о выборе работы соискателем с учетом определенных ограничений с его стороны.

.        Применяя аппарат нейронных сетей и соответствующий программный продукт, продемонстрирован способ подбора персонала по ряду выделенных критериев.

Использованные источники

1.      Кричевский М.Л Интеллектуальные методы в менеджменте. - СПб.: Питер, 2005 г.

2.      Международный центр дистанционного обучения "Управление персоналом" книга 3. Эффективный менеджмент.

.        Майкл Армстронг. Практика управления человеческими ресурсами. 8-е издание. Питер 2008 г.

.        О.М. Хотяшева. Инновационный менеджмент 2-е издание СПб, Питер 2006 г.