基于SOM神經網絡的人力資源管理風險預警模型研究

徐靜,王勃

(1.陜西國防工業職業技術學院 經濟管理學院,陜西 西安 710302；2.陜西國防工業職業技術學院 電子信息學院,陜西 西安 710302)

基于SOM神經網絡的人力資源管理風險預警模型研究

徐靜1,王勃2

(1.陜西國防工業職業技術學院 經濟管理學院,陜西 西安 710302；2.陜西國防工業職業技術學院 電子信息學院,陜西 西安 710302)

隨著世界經濟的發展,人力資源管理成功與否,直接關系到企業能否立足于激烈的市場競爭過程中。而企業在實際運行過程中,人力資源管理將會面對多種樣式的風險。本文以人力資源管理風險的內涵為研究對象,通過SOM神經網絡,建立人力資源管理風險預警模型,并對預警模型進行訓練、學習和測試。并將其運用到人力資源管理風險預警中,為企業及時預防人力資源管理風險,為提出應對策略提供了詳實的依據,具有較大的應用價值。

SOM神經網絡；人力資源管理；風險；預警模型

自上世紀90年代,隨著全球化競爭和市場經濟的深入發展,企業間的競爭愈加激烈,而人力資源管理也成為企業取得成功的重要因素。企業在實際運行過程中,對人力資源的依賴逐步提升,進而造成人力資源管理將會面對多種樣式的風險［1］。

人力資源管理風險是由于用人組織對相關的人力資源未能合理使用,造成人力資源有形或者無形的浪費,甚至出現風險。該風險出現的范圍將會涉及到人力資源的招聘、培訓、績效考核、薪酬等關鍵環節,這些重要環節的風險企業如果處理不當,將會對企業造成難以估量的損失,甚至造成企業的衰敗。

因此,企業或者相關組織應當建立日常的人力資源管理風險預警,用于監測早期人力資源管理風險,以便使企業能夠及早對風險做出有效的分析、判斷,采取相關的措施,這對企業在競爭激烈的市場經濟環境下取得優勢有著及其重要的作用。

1 人力資源管理風險預警模型的理論基礎

1.1 人力資源管理風險的涵義

在當前市場經濟條件下,人力資源管理風險主要集中于企業在生產過程中忽視了人力資源管理,使企業在設置崗位、員工招聘過程、員工培訓等相關條件脫節,對企業的生產造成了無法預計的損失,從而阻礙了企業發展的源動力［2］。

1.2 SOM神經網絡的涵義

SOM（Self—organizing feature Map）神經網絡是一種自組織神經網絡,它是一種無導師的學習神經網絡,它可以通過自身捕獲樣本中的屬性和規律,類似于人腦的感覺通道,當有大量感覺單位接近于人類感覺器官時,大腦的相關特定神經元開始興奮,并接近輸出。最終形成特有的網絡結構,這個過程就是學習過程［3］。

SOM神經網絡中的輸入層收集外部相關信息,將輸入的信息傳遞給競爭層,該層將這些信息重新進行分類組合,尋找其中的規律,按序分類排列。其中,神經元之間的最小傳遞距離可用公式（1）表示:

其中,a,b為兩點神經元,E為神經元a,b之間的權重值,Fa是神經元a的輸出值。Pa越小,E與Fa之間的距離就越近,兩者也就越相似［4］。

SOM神經網絡通過有督導訓練模式來進行相關信息的傳遞,其訓練過程可以用公式（2）表示:

其中,Eab表示神經元a到神經元b的權重值,h為時間間隔,Gb是神經元的預計輸出值,Fb是神經元的實際輸出值, Sa是神經元a在h時刻所處的狀態,如神經元a處于活動狀態,則Sa用1表示,如神經元a處于休眠狀態,則Sa用0表示。δ一個訓練過程中速度常數。

1.3 基于SOM神經網絡的人力資源管理風險研究的可行性

SOM神經網絡具有較強的自適應能力、運行速度快等特點,適用于輸入信息與輸出信息的非線性映射,使它用最快的時間通過自適應能力學習相關參數,使預警時間更加提前。同時,SOM神經網絡具有全局性的特征,人力資源管理風險預警是線性結構,任意一種線性風險將有可能后造成難以估量的損失,由此可知,人力資源管理風險預警也具有全局性結構,這與SOM神經網絡具有相同的屬性。因此,人力資源管理風險預警模型的研究采用SOM神經網絡系統開發［5］。

2 人力資源管理風險預警模型的構建

基于SOM神經網絡的人力資源管理風險預警模型的構建如圖1所示。

圖1 基于SOM神經網絡的人力資源管理風險預警模型Fig.1 Human resources management risk early warning model of S based on OM neural network

該模型的構建主要使用以下步驟:

1）對數據分析確定風險要素集合

企業可以選擇與切合本單位實際的人力資源風險要素,如招聘風險、培訓風險、績效考核風險、薪酬風險等作為風險評價標準［6］,按照公式（3）所示:

其中,Wmn為風險評價標準函數,δ一個訓練過程中速度常數,Wm為風險要素集合初值,Wn為風險要素集合終值。

2）選擇SOM神經網絡的輸入信息點

在該風險預警模型使用中,其預測的及時性、準確性將取決于對輸入信息點的選擇,在以人力資源管理風險為預警對象時,將會使用前期確定的風險要素集合,并將其自動轉變為閉合區間,取值范圍［0,1］。使用歸一計算過程來處理風險預警結果有可能出現模糊的問題［7］。其歸一化函數如公式（4）所示:

其中,Wm=mix（Wmn）,Wn=max（Wmn）,Pmn∈［0,1］為歸一化函數結果。

3）選擇SOM神經網絡的隱藏信息點

在該風險預警模型使用中,其訓練效率的提高主要取決于隱藏信息點選擇的正確性,隱藏信息點選擇的過少,SOM？神經網絡得到的有效信息將會減少,降低網絡捕獲的準確性。隱藏信息點選擇的過少,SOM？神經網絡得到的有效信息將會過多,增加訓練時間。可使用公式（5）來來獲得最佳隱藏信息點的數量。

其中,Q為最佳隱藏信息點的數量,P為隨機常數。通過計算可以得出最佳訓練時間,其效率、精度將會得到最佳狀態。

4）選擇SOM神經網絡的輸出信息點

該系統最后的輸出結果直接決定風險預警的結果,不同的風險確定出不同的風險等級,通常風險等級從高到低可分為5個等級,分別是一級（最安全）、二級（安全）、三級（基本安全）、四級（危險）、五級（最危險）。其可用公式（6）所示:

其中,H為輸出信息點類數,j為風險要素的比重,L為系統常數,用以調節輸出結果的速度。

3 人力資源管理風險預警模型訓練及結果

使用該模型進行訓練,導入相關數據,開始創建網絡,啟動訓練模式,主要使用的參數包括,使用三層網絡結構, TRAINLM訓練函數,該函數用于解決訓練樣本數量的問題。LEARNGDM權值調節函數,該函數用以控制訓練的時間,提升效率。MSC性能函數,該函數用以調節輸入信息點和輸出信息點的誤差值。設置期望誤差值為0.000 1［8］。根據相關參數得到如圖2所示的預警模型訓練曲線圖。

4 結 論

現代企業在激烈的市場競爭中,人力資源管理已上升到極其重要的地位,企業管理者及時獲取企業人力資源管理風險,化解企業人力資源管理風險已成為一個需要解決的問題。本文通過建立基于SOM神經網絡的人力資源管理風險預警模型,使之能夠從多個方面對人力資源管理良性運行提供有效的保障,為企業快速發展提供動力。

圖2 基于SOM神經網絡的人力資源管理風險預警模型訓練曲線圖Fig.2 Training curve of human resources management risk early warning model based on SOM neural network

［1］Tae Yoon Kim,Kyong Joo Oh,I nsuk Sohn,et al.Usefulness of artificial neural net works for early warning system of economic crisis［J］.Expert Systems with Applications,2004: 43-45.

［2］Wrigh P M,Boswell W R.Desegregating HRM:a review and synthesis of micro and macro human resource man-agement research［J］.Journal of Management,2002,28(3):247-276.

［3］Cortes C,Vapnik V N.Support vector network［J］.Machine learn-ing,1995(20):273-297.

［4］張蘭霞,王俊.基于 BP網絡的人力資源管理風險預警模型［J］.南開管理評論,2007(10):78-85.ZHANG Lan-xia,WANG Jun.The human resources management risk early warning model of BP network based on［J］.Nankai Business Review,2007(10):78-85.

［5］楊乃定,張亞莉.企業人力資源風險成因及對策研究［J］.西北工業大學學報:社會科學版,1999,19(2):13-16.YANG Nai-ding,ZHANG Ya-li.Theenterprisehuman resources risk on the causes and Countermeasures of［J］.Northwest Industrial:Social Science Edition,1999,19(2):13-16.

［6］胡蓓,李毅.人才流失危機預測預警管理［J］.中國人力資源開發,2004(12):36-37.HU Bei,LI Yi.Prediction and early-warning management of crisis of personnel loss［J］.China Human Resources Development,2004(12):36-37.

［7］張明親,謝立仁.企業人力資源管理風險預警指標體系的研究［J］.西安工業學院學報,2004(12):68-69.ZHANG Ming-qin,XIE Li-ren.Research on the enterprise human resources management risk early warning index system［J］.Journal of Xi'an Technological University,2004 (12):68-69.

［8］黃建強,劉中紅.企業人力資源風險存在的機理分析［J］.企業技術開發,2005(2):47-49.HUANG Jian-qiang,LIU Zhong-hong.Analysis ofthe existing mechanism of enterprise human resources risk［J］.Enterprise Technology Development,2005(2):47-49.

Research on human resource risk management based on self-organizing feature map

XU Jing1,WANG Bo2
（1.School of Economics and Management,Shaanxi Institute of Technology,Xi’an 710302,China；2.Electronic and Information Engineering,Shaanxi Institute of Technology,Xi’an 710302,China）

With the development of the world economy,human resources management is successful or not,directly related to the enterprises can foothold in the fierce market competition in the process of.And enterprises in the actual operation of the process,human resources management will face the risk of a variety of styles.In this paper,based on the connotation of human resource risk management as the research object,through the Self-organizing feature Map,the establishment of human resource management risk early warning model,and the early warning model of training,learning and testing.And apply it to the human resources management for the enterprise risk early warning,timely prevent the risk of human resource management,provides a detailed basis for the coping strategies,and has great application value.

self-organizing feature map；human resource management；risk；early warning model

F272

：A

：1674-6236（2015）18-0134-03

2015-01-14稿件編號：201501114

徐 靜(1980—),女,陜西西安人,碩士,講師。研究方向:人力資源管理、企業管理和行政管理的理論與實踐等。