基于BP神经网络的军队卫生专业士兵技能评定专家系统

赵 多，李思睿

随着我军士官制度的建立和不断完善，卫生专业士兵的地位不断提升，前途更加广阔[1]。加强卫生专业士兵队伍建设，提高卫生专业士兵队伍整体素质，对巩固和提高部队战斗力具有十分重要的意义。职业技能鉴定站在职业技能鉴定工作中发挥着十分重要的作用。BP神经网络 （Back-Propagati on Net work）是目前在各领域中研究和应用最广泛的人工神经网络，体现了人工神经网络理论和应用中最精华的部分，它擅长的是处理那种规律隐含在大量杂乱无章数据中的映射逼近问题。卫生专业士兵职业技能评定受到很多人为及客观因素的影响，这些影响并不是孤立的，它们之间相互联系、相互制约，形成了一个复杂的非线性系统。作为一种解决非线性系统问题的有效工具，笔者研究构建了基于BP神经网络的军队卫生专业士兵技能评定模型，并用于军队卫生专业士兵职业技能的综合评价。

1 BP神经网络评价模型

人工神经网络（Artificial Neural Net work）是由大量处理单元（神经元Neurons）广泛互连而成的网络，是对人脑信息处理功能的模拟和延伸，是一种动态学习系统。人工神经网络处理信息是通过信息样本对神经网络的训练，使其具有良好的自学习、自适应、联想记忆、并行处理和非线性转换的能力，避免了复杂的数学推导，克服了主管因素的问题，在多变量非线性系统的建模方面有着广泛的应用。BP神经网络是目前最成熟、应用最为广泛的一种前馈神经网络，其结构由一个输入层、一个或多个隐含层、一个输出层组成，各层由若干个神经元（节点）构成，每一个节点的输出值与输入值的关系由作用函数和阈值决定，神经元可以实现输入和输出之间的任意非线性映射。

2 卫生专业士兵技能评定指标标准化处理

由于在卫生专业士兵职业技能鉴定评定指标体系中，既有定性指标，也有定量指标，为了使各指标在整个评价系统中具有可比性，必须对各指标进行处理，使其标准化，转化为无单位的变量，然后再将标准化的指标数据作为BP神经网络的输入信号。

2.1 定量指标 采取以下公式将指标的实际值xij换算成介于 0～1 的评价值。 如下:

其中，amax=1，amin=0.1，j表示第 j个项目，i表示第 j个项目的第i个指标的评价值。

2.2 定性指标 定性指标往往是用现象达到的程度、等级描述，而不是用标准量化的统计指标表示。为使其同度量，需进行标准化处理。对于评价指标体系中的定性指标，采用模糊统计方法，这些定性指标按其优劣等级统一划分为 “优、良、中、差、劣”五个标准，分别对其赋值 019、017、015、013、011，让参与评价的专家按上述标准评定，然后计算平均数，即为该指标的评价值。

3 效果验证

以2012年某战区卫生专业士兵职业技能鉴定中选取30名卫生专业士兵职业技能鉴定的评定数据作为数据样本集，其中编号为 1～25的数据作为训练样本，26～30的数据作为测试样本。

本文使用 MAT LAB710软件实现，具体代码：net=newff （minmax （P）， [7，1]， {’logsig’，’l ogsig’}，’net=newff（minmax（P），[7，1]，{’ l ogsig’，’ l ogsig’}，’traingdm’）；%新建BP神经网络。

net1trainParam1epochs=5000；%网络训练次数

net1trainParam1goal=0101；%网络训练目标

net1trainParam1lr=0105；%网络学习速率

net=train（net，P，T）；%训练网络

在网络训练3599步后，训练误差达到期望误差，网络的收敛效果良好。测试样本的预测值与实际值误差见表1。

表 1 测试样本误差表

由此可见，评价结果和实际结果非常接近，验证了BP神经网络模型在军队卫生专业士兵职业技能鉴定评定中的可行性。

总之，基于BP神经网络构建的军队卫生专业士兵职业技能评定专家系统指标体系，为职业技能鉴定工作摆脱过去主要依靠人工的传统模式，发展基于信息化、智能化、远程化的系统鉴定评定平台提供了科学的方法。BP神经网络作为目前最成熟、应用最为广泛的一种前馈神经网络，可以实现任意线性和非线性的函数映射，避免了人为的确定权重，减少了评价过程中的随机性和评价人员主观上的不确定性及其认识上的模糊性，并通过系统的训练学习使系统误差达到精度要求，提高了评价的可靠性，使评价结果更有效、更客观。

[1]刘爱国，支国成．卫生士官培训面临的挑战及改革对策[J]．白求恩军医学院学报，2010，8（5）：362-363．