基于BP神經(jīng)網(wǎng)絡(luò)的大學(xué)生創(chuàng)業(yè)素質(zhì)評(píng)價(jià)

楊 雪,李文生

(華北水利水電學(xué)院,河南鄭州450011)

基于BP神經(jīng)網(wǎng)絡(luò)的大學(xué)生創(chuàng)業(yè)素質(zhì)評(píng)價(jià)

楊 雪,李文生

(華北水利水電學(xué)院,河南鄭州450011)

“以創(chuàng)業(yè)促就業(yè)”,支持和鼓勵(lì)大學(xué)生創(chuàng)業(yè)成為解決當(dāng)前大學(xué)生就業(yè)困境的最有效途徑之一。對(duì)于創(chuàng)業(yè)的大學(xué)生來(lái)講,大學(xué)生創(chuàng)業(yè)素質(zhì)評(píng)價(jià)必不可少。從大學(xué)生自身出發(fā),建立了大學(xué)生創(chuàng)業(yè)素質(zhì)評(píng)價(jià)指標(biāo)體系,并利用BP神經(jīng)網(wǎng)絡(luò)對(duì)大學(xué)生創(chuàng)業(yè)素質(zhì)進(jìn)行了評(píng)價(jià),實(shí)現(xiàn)了評(píng)價(jià)的非線性映射,具有一定的理論和現(xiàn)實(shí)意義。

BP算法;人工神經(jīng)網(wǎng)絡(luò);大學(xué)生創(chuàng)業(yè)素質(zhì)

受金融危機(jī)影響,高校大學(xué)生的就業(yè)面臨巨大的挑戰(zhàn),而大學(xué)生創(chuàng)業(yè)成為解決當(dāng)前困境的最有效途徑之一。然而,并不是每個(gè)大學(xué)生都適合創(chuàng)業(yè)。有關(guān)調(diào)查顯示,大學(xué)生創(chuàng)業(yè)成功率只有0.01%[1],這遠(yuǎn)低于一般的創(chuàng)業(yè)成功率。而影響大學(xué)生創(chuàng)業(yè)成功率的一個(gè)主要因素就是大學(xué)生的創(chuàng)業(yè)素質(zhì)。因此,要通過(guò)促進(jìn)大學(xué)生創(chuàng)業(yè)來(lái)緩解大學(xué)生就業(yè)壓力,必須首先提高大學(xué)生的創(chuàng)業(yè)素質(zhì)。要提高大學(xué)生的創(chuàng)業(yè)素質(zhì),對(duì)大學(xué)生創(chuàng)業(yè)者進(jìn)行創(chuàng)業(yè)素質(zhì)評(píng)價(jià)就顯得有必要。

一、構(gòu)建評(píng)價(jià)指標(biāo)體系的基本原則

大學(xué)生創(chuàng)業(yè)素質(zhì)包含的內(nèi)容十分豐富,構(gòu)建大學(xué)生創(chuàng)業(yè)素質(zhì)評(píng)價(jià)指標(biāo)體系很關(guān)鍵。大學(xué)生創(chuàng)業(yè)素質(zhì)評(píng)價(jià)指標(biāo)體系建立的基本原則主要有以下幾個(gè)方面。

一是導(dǎo)向性原則。堅(jiān)持導(dǎo)向性原則,就是評(píng)價(jià)指標(biāo)體系的建立和使用要在素質(zhì)教育的指導(dǎo)思想、指標(biāo)設(shè)定、權(quán)重分配等方面對(duì)評(píng)價(jià)對(duì)象的行為有引導(dǎo)作用,即能充分利用指標(biāo)體系讓學(xué)生的知識(shí)、能力、品格等得到全面和諧的發(fā)展,引導(dǎo)大學(xué)生更加注重全面素質(zhì)的提高。

二是注重實(shí)效的原則。大學(xué)生創(chuàng)業(yè)素質(zhì)評(píng)價(jià)的目的是為了更好地調(diào)動(dòng)各方面的積極性,以便有針對(duì)性地開(kāi)展創(chuàng)業(yè)素質(zhì)教育,提高學(xué)生創(chuàng)業(yè)素質(zhì)和實(shí)踐能力。在評(píng)價(jià)的過(guò)程中要克服形式主義,注重實(shí)際效果。

三是全面性原則。指標(biāo)體系應(yīng)盡可能體現(xiàn)與素質(zhì)教育相關(guān)的重要內(nèi)容,能從多個(gè)層面、多個(gè)視角、多條主線反映大學(xué)生的素質(zhì)狀況,以保證評(píng)價(jià)結(jié)果全面準(zhǔn)確地反映大學(xué)生的素質(zhì)。

根據(jù)這些指導(dǎo)原則,大學(xué)生創(chuàng)業(yè)素質(zhì)主要包括創(chuàng)業(yè)意識(shí)和品質(zhì)、創(chuàng)業(yè)知識(shí)、創(chuàng)業(yè)能力以及創(chuàng)業(yè)環(huán)境掌控力等四大組成部分[2]。其中創(chuàng)業(yè)意識(shí)和品質(zhì)主要包括創(chuàng)業(yè)者的勇氣和膽量、意志和毅力、吃苦耐勞、社會(huì)責(zé)任感、信用等方面;創(chuàng)業(yè)知識(shí)包括管理知識(shí)、專(zhuān)業(yè)知識(shí)、市場(chǎng)經(jīng)濟(jì)知識(shí)、創(chuàng)業(yè)基本知識(shí)、法律知識(shí)等;創(chuàng)業(yè)能力包括資源整合能力、領(lǐng)導(dǎo)和管理能力、表達(dá)能力、人際交往能力、經(jīng)營(yíng)業(yè)務(wù)能力等。創(chuàng)業(yè)環(huán)境掌控力包括環(huán)境適應(yīng)力、機(jī)遇把握力、資金獲取力以及法律政策把握力和人力資源把握力等。

二、基于BP神經(jīng)網(wǎng)絡(luò)的大學(xué)生創(chuàng)業(yè)素質(zhì)評(píng)價(jià)模型

在大學(xué)生創(chuàng)業(yè)素質(zhì)評(píng)價(jià)的方法上,國(guó)內(nèi)學(xué)者也做了許多工作,提出了一些評(píng)價(jià)方法,如層次分析法和模糊綜合評(píng)價(jià)法等。但是,大學(xué)生創(chuàng)業(yè)素質(zhì)評(píng)價(jià)指標(biāo)體系涉及面廣、層次多、量化手段復(fù)雜,單一評(píng)價(jià)指標(biāo)較多,而且往往相互之間缺少可比性。大學(xué)生創(chuàng)業(yè)素質(zhì)和指標(biāo)之間是一種高的非線性關(guān)系,采用常規(guī)方法很難對(duì)整個(gè)指標(biāo)體系做出一個(gè)滿意的評(píng)價(jià)結(jié)果。

而人工神經(jīng)網(wǎng)絡(luò)是從人腦的生理結(jié)構(gòu)出發(fā)來(lái)研究人的智能行為,模擬人腦信息處理功能。它具有信息存儲(chǔ)和計(jì)算處理并行、分布式存儲(chǔ)、容錯(cuò)性、學(xué)習(xí)能力、自適應(yīng)性等特點(diǎn),在預(yù)測(cè)、識(shí)別、建模、信號(hào)處理、系統(tǒng)控制等領(lǐng)域得到廣泛應(yīng)用。該研究在建立大學(xué)生創(chuàng)業(yè)素質(zhì)評(píng)價(jià)指標(biāo)體系的基礎(chǔ)上,利用人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力和自適應(yīng)性等特點(diǎn),采用BP神經(jīng)網(wǎng)絡(luò)建立了大學(xué)生創(chuàng)業(yè)素質(zhì)評(píng)價(jià)模型。該模型能夠完成輸入數(shù)據(jù)(評(píng)價(jià)指標(biāo))和輸出數(shù)據(jù)(創(chuàng)業(yè)素質(zhì))之間的非線性映射,使評(píng)價(jià)結(jié)果更為有效。

(一)BP神經(jīng)網(wǎng)絡(luò)算法

典型的BP網(wǎng)絡(luò)是由輸入層、隱含層以及輸出層組成的三層結(jié)構(gòu)。其中,輸入層各神經(jīng)元負(fù)責(zé)接收外界信息,并傳遞給隱含層各神經(jīng)元;隱含層是內(nèi)部信息處理層,負(fù)責(zé)信息變換;隱含層傳遞到輸出層各神經(jīng)元的信息,經(jīng)進(jìn)一步整理后,完成一次學(xué)習(xí)的正向傳播處理過(guò)程,由輸出層向外界輸出信息處理結(jié)果。當(dāng)實(shí)際輸出與期望輸出不符時(shí),進(jìn)入誤差的反向傳播階段。正向傳播和誤差反向傳播過(guò)程的不斷進(jìn)行,各層權(quán)值也就不斷地得到調(diào)整。具體算法描述如下[3]:

第一,對(duì)神經(jīng)元i到神經(jīng)元j之間的權(quán)重w ji和神經(jīng)元j的闕值θj進(jìn)行初始化。

第二,給出樣本數(shù)據(jù)的輸入集{xpl}和相應(yīng)的輸出集{ypl},其中p為樣本數(shù),l表示輸入向量數(shù)。

第三,計(jì)算各層輸出Opi。其中,輸入層的輸入和輸出相同,而隱含層和輸出層神經(jīng)元的輸出計(jì)算為:

第四,求出各層神經(jīng)元的誤差信號(hào)δpj。

第五,進(jìn)行誤差反向傳播,以修正權(quán)重。具體計(jì)算為其中,a表示學(xué)習(xí)速度。

第六,求出誤差Er。當(dāng)Er小于給定的擬合誤差,結(jié)束網(wǎng)絡(luò)學(xué)習(xí),否則轉(zhuǎn)到第三步。

(二)評(píng)價(jià)模型的結(jié)構(gòu)設(shè)計(jì)

本研究將評(píng)價(jià)模型結(jié)構(gòu)分成以下三層進(jìn)行構(gòu)建。[4]

第一,輸入層設(shè)計(jì):根據(jù)大學(xué)生創(chuàng)業(yè)素質(zhì)評(píng)價(jià)指標(biāo)體系,以最低層指標(biāo)數(shù)作為輸入層神經(jīng)元數(shù)。

第二,隱含層設(shè)計(jì):隱含層神經(jīng)元數(shù)的選取能夠直接影響到整個(gè)網(wǎng)絡(luò)的學(xué)習(xí)效率和精確度。目前,確定隱含層神經(jīng)元數(shù)還缺乏相應(yīng)的指導(dǎo)原則。這里,我們參照來(lái)確定隱含層神經(jīng)元的個(gè)數(shù)。其中,n表示隱含層神經(jīng)元數(shù),n1表示輸入節(jié)點(diǎn),n0表示輸出節(jié)點(diǎn),a為常數(shù),其中

第三,輸出層設(shè)計(jì):設(shè)置輸出層神經(jīng)元數(shù)為1。同時(shí),將評(píng)價(jià)集設(shè)定為:好、較好、一般、較差、差五個(gè)級(jí)別,評(píng)價(jià)的原則是:當(dāng)O≥0.8,評(píng)價(jià)結(jié)果為好;當(dāng)0.6≤O<0.8,評(píng)價(jià)結(jié)果為較好;當(dāng)0.4≤O<0.6,評(píng)價(jià)結(jié)果為一般;當(dāng)0.2

(三)基于BP神經(jīng)網(wǎng)絡(luò)的大學(xué)生創(chuàng)業(yè)素質(zhì)評(píng)價(jià)模型的步驟

第一,進(jìn)行BP網(wǎng)絡(luò)訓(xùn)練。按照大學(xué)生創(chuàng)業(yè)素質(zhì)的評(píng)價(jià)指標(biāo)體系,搜集不同樣本大學(xué)生的評(píng)價(jià)指標(biāo)值并進(jìn)行數(shù)據(jù)處理,得出樣本大學(xué)生的輸入集{xpl}和相應(yīng)的輸出集{ypl},將輸入集和輸出集輸入到神經(jīng)網(wǎng)絡(luò)中,然后按照BP算法進(jìn)行網(wǎng)絡(luò)訓(xùn)練。

第二,搜集需要評(píng)價(jià)的大學(xué)生樣本的指標(biāo)值,然后針對(duì)這些指標(biāo)值進(jìn)行標(biāo)準(zhǔn)化處理。

第三,將標(biāo)準(zhǔn)化處理后的樣本數(shù)據(jù)輸入到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中,計(jì)算相應(yīng)的輸出。

第四,根據(jù)輸出結(jié)果,按照前文中的評(píng)價(jià)原則對(duì)大學(xué)生創(chuàng)業(yè)素質(zhì)作出評(píng)價(jià)結(jié)論。

三、大學(xué)生創(chuàng)業(yè)素質(zhì)評(píng)價(jià)

對(duì)河南省某高校20個(gè)學(xué)生進(jìn)行創(chuàng)業(yè)素質(zhì)評(píng)價(jià),經(jīng)篩選比較,選定10個(gè)具有代表性的大學(xué)生樣本,6個(gè)做訓(xùn)練樣本,4個(gè)做測(cè)試樣本。根據(jù)前面所建立的評(píng)價(jià)指標(biāo)體系,建立一個(gè)輸入層、隱含層和輸出層的神經(jīng)元數(shù)分別為20、10、1的三層BP神經(jīng)網(wǎng)絡(luò)模型(輸出層的輸出0≤O≤1)。

(一)BP網(wǎng)絡(luò)學(xué)習(xí)

使用Matlab 7.0軟件實(shí)現(xiàn)編程,建立大學(xué)生創(chuàng)業(yè)素質(zhì)評(píng)價(jià)的三層BP神經(jīng)網(wǎng)路結(jié)構(gòu),利用訓(xùn)練樣本進(jìn)行訓(xùn)練。其中,輸入樣本矩陣P為20行6列的一個(gè)矩陣,訓(xùn)練輸出樣本矩陣T為1行6列的矩陣。經(jīng)過(guò)1 457步訓(xùn)練后達(dá)到設(shè)置的精度要求,如圖1所示。

(二)對(duì)4個(gè)測(cè)試樣本進(jìn)行計(jì)算

取4個(gè)樣本作為測(cè)試樣本,利用訓(xùn)練后的網(wǎng)絡(luò)進(jìn)行測(cè)試計(jì)算。具體如下:

其中Ptest為測(cè)試樣本的指標(biāo)數(shù)據(jù),它是一個(gè)20行1列的矩陣,分別計(jì)算出這4個(gè)測(cè)試樣本的模擬結(jié)果(輸出),具體見(jiàn)表1。

圖1 網(wǎng)絡(luò)訓(xùn)練的誤差下降曲線

表1 測(cè)試樣本的結(jié)果及誤差表

模擬結(jié)果表明,4個(gè)測(cè)試樣本中,有3個(gè)大學(xué)生的創(chuàng)業(yè)素質(zhì)為較差(0.2

同時(shí),由表1可以看出,利用神經(jīng)網(wǎng)絡(luò)模型得到的結(jié)果與專(zhuān)家評(píng)價(jià)值相對(duì)偏差仍在±3%以內(nèi),驗(yàn)證了該模型的有效性和實(shí)用性。以上研究中,由于訓(xùn)練樣本較少,最終確定的BP神經(jīng)網(wǎng)絡(luò)不是十分穩(wěn)定,每次的訓(xùn)練結(jié)果會(huì)有不同幅度的變化,但利用其計(jì)算出來(lái)的衡量結(jié)果已能比較準(zhǔn)確地評(píng)價(jià)大學(xué)生創(chuàng)業(yè)素質(zhì),也驗(yàn)證了BP神經(jīng)網(wǎng)絡(luò)模型在大學(xué)生創(chuàng)業(yè)素質(zhì)評(píng)價(jià)中的可行性。

四、結(jié)語(yǔ)

人工神經(jīng)網(wǎng)絡(luò)方法是一種非線性映射方法,不像其它評(píng)價(jià)方法如層次分析法、模糊綜合評(píng)判法、灰色聚類(lèi)法等帶有明顯的主觀臆斷,它只需將處理過(guò)的數(shù)據(jù)輸入到網(wǎng)絡(luò)中,通過(guò)計(jì)算即可產(chǎn)生評(píng)價(jià)結(jié)果,不需要人為地確定權(quán)重,確實(shí)減少了評(píng)價(jià)過(guò)程中的人為因素,提高了評(píng)價(jià)的可靠性,使評(píng)價(jià)結(jié)果更有效、更客觀。

但是它也存在著一些缺點(diǎn):一是BP神經(jīng)網(wǎng)絡(luò)模型要求有一定的學(xué)習(xí)樣本,學(xué)習(xí)樣本的數(shù)量和質(zhì)量在很大程度上影響著神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)性能。但是,選取合適的學(xué)習(xí)樣本并不是一件容易的事情。二是網(wǎng)絡(luò)的層數(shù)和隱含層神經(jīng)元數(shù)的選取在很大程度上影響著整個(gè)網(wǎng)絡(luò)的學(xué)習(xí)能力和學(xué)習(xí)效率。但是,目前關(guān)于這個(gè)問(wèn)題還沒(méi)有形成一般的指導(dǎo)性原則,在確定層數(shù)和隱含層神經(jīng)元數(shù)時(shí),往往會(huì)因人為因素,可能降低BP網(wǎng)絡(luò)的性能。盡管如此,BP神經(jīng)網(wǎng)絡(luò)模型還是為大學(xué)生創(chuàng)業(yè)素質(zhì)評(píng)價(jià)提出了一種新的方法。

[1] 馮華,王振紅.金融危機(jī)下大學(xué)生創(chuàng)業(yè)問(wèn)題剖析[J].商業(yè)時(shí)代,2009,(7).

[2] 彭璐等.大學(xué)生創(chuàng)業(yè)素質(zhì)指標(biāo)體系初探[J].科技創(chuàng)業(yè),2008,(2).

[3] 王慧,李印海.基于BP神經(jīng)網(wǎng)絡(luò)的高技術(shù)企業(yè)技術(shù)創(chuàng)新能力評(píng)價(jià)[J].科技管理研究,2007,(11).

[4] 陳建新.BP神經(jīng)網(wǎng)絡(luò)在企業(yè)技術(shù)創(chuàng)新風(fēng)險(xiǎn)評(píng)價(jià)中的應(yīng)用[J].科技管理研究,2007,(10).

The Evaluation on the Quality of Collage Student Entrepreneurial Based on BP Neural Network

YANG Xue,LI Wen-sheng
(Noth China Institute of Water Conservancy and Hydroelectric Power,Zheng Zhou450011,China)

“Promoting employment with the use of entrepreneurial”,so collage student entrepreneur has become one of the most effective ways to solve the current plight.The quality of collage student entrepreneur is essential for college students.In this paper,the evaluation index system of collage student entrepreneur quality is established and the BP neural network is also used to conduct an evaluation for college students,which a chieved non-linearm apping in evaluation.so it has a certain amount of theoretical and practical significance in our community.

Bp calculation method;Artificial neural network;The quality of collage student entrepreneurial

G645

A

1008—4444(2010)01—0090—03

2009-06-25

楊 雪(1966—),女,河南光山人,華北水利水電學(xué)院特聘教授。

(責(zé)任編輯:宋孝忠)