基于SOM神经网络的人力资源管理风险预警模型研究

徐静,王勃

(1.陕西国防工业职业技术学院 经济管理学院,陕西 西安 710302；2.陕西国防工业职业技术学院 电子信息学院,陕西 西安 710302)

基于SOM神经网络的人力资源管理风险预警模型研究

徐静1,王勃2

(1.陕西国防工业职业技术学院 经济管理学院,陕西 西安 710302；2.陕西国防工业职业技术学院 电子信息学院,陕西 西安 710302)

随着世界经济的发展,人力资源管理成功与否,直接关系到企业能否立足于激烈的市场竞争过程中。而企业在实际运行过程中,人力资源管理将会面对多种样式的风险。本文以人力资源管理风险的内涵为研究对象,通过SOM神经网络,建立人力资源管理风险预警模型,并对预警模型进行训练、学习和测试。并将其运用到人力资源管理风险预警中,为企业及时预防人力资源管理风险,为提出应对策略提供了详实的依据,具有较大的应用价值。

SOM神经网络；人力资源管理；风险；预警模型

自上世纪90年代,随着全球化竞争和市场经济的深入发展,企业间的竞争愈加激烈,而人力资源管理也成为企业取得成功的重要因素。企业在实际运行过程中,对人力资源的依赖逐步提升,进而造成人力资源管理将会面对多种样式的风险［1］。

人力资源管理风险是由于用人组织对相关的人力资源未能合理使用,造成人力资源有形或者无形的浪费,甚至出现风险。该风险出现的范围将会涉及到人力资源的招聘、培训、绩效考核、薪酬等关键环节,这些重要环节的风险企业如果处理不当,将会对企业造成难以估量的损失,甚至造成企业的衰败。

因此,企业或者相关组织应当建立日常的人力资源管理风险预警,用于监测早期人力资源管理风险,以便使企业能够及早对风险做出有效的分析、判断,采取相关的措施,这对企业在竞争激烈的市场经济环境下取得优势有着及其重要的作用。

1 人力资源管理风险预警模型的理论基础

1.1 人力资源管理风险的涵义

在当前市场经济条件下,人力资源管理风险主要集中于企业在生产过程中忽视了人力资源管理,使企业在设置岗位、员工招聘过程、员工培训等相关条件脱节,对企业的生产造成了无法预计的损失,从而阻碍了企业发展的源动力［2］。

1.2 SOM神经网络的涵义

SOM（Self—organizing feature Map）神经网络是一种自组织神经网络,它是一种无导师的学习神经网络,它可以通过自身捕获样本中的属性和规律,类似于人脑的感觉通道,当有大量感觉单位接近于人类感觉器官时,大脑的相关特定神经元开始兴奋,并接近输出。最终形成特有的网络结构,这个过程就是学习过程［3］。

SOM神经网络中的输入层收集外部相关信息,将输入的信息传递给竞争层,该层将这些信息重新进行分类组合,寻找其中的规律,按序分类排列。其中,神经元之间的最小传递距离可用公式（1）表示:

其中,a,b为两点神经元,E为神经元a,b之间的权重值,Fa是神经元a的输出值。Pa越小,E与Fa之间的距离就越近,两者也就越相似［4］。

SOM神经网络通过有督导训练模式来进行相关信息的传递,其训练过程可以用公式（2）表示:

其中,Eab表示神经元a到神经元b的权重值,h为时间间隔,Gb是神经元的预计输出值,Fb是神经元的实际输出值, Sa是神经元a在h时刻所处的状态,如神经元a处于活动状态,则Sa用1表示,如神经元a处于休眠状态,则Sa用0表示。δ一个训练过程中速度常数。

1.3 基于SOM神经网络的人力资源管理风险研究的可行性

SOM神经网络具有较强的自适应能力、运行速度快等特点,适用于输入信息与输出信息的非线性映射,使它用最快的时间通过自适应能力学习相关参数,使预警时间更加提前。同时,SOM神经网络具有全局性的特征,人力资源管理风险预警是线性结构,任意一种线性风险将有可能后造成难以估量的损失,由此可知,人力资源管理风险预警也具有全局性结构,这与SOM神经网络具有相同的属性。因此,人力资源管理风险预警模型的研究采用SOM神经网络系统开发［5］。

2 人力资源管理风险预警模型的构建

基于SOM神经网络的人力资源管理风险预警模型的构建如图1所示。

图1 基于SOM神经网络的人力资源管理风险预警模型Fig.1 Human resources management risk early warning model of S based on OM neural network

该模型的构建主要使用以下步骤:

1）对数据分析确定风险要素集合

企业可以选择与切合本单位实际的人力资源风险要素,如招聘风险、培训风险、绩效考核风险、薪酬风险等作为风险评价标准［6］,按照公式（3）所示:

其中,Wmn为风险评价标准函数,δ一个训练过程中速度常数,Wm为风险要素集合初值,Wn为风险要素集合终值。

2）选择SOM神经网络的输入信息点

在该风险预警模型使用中,其预测的及时性、准确性将取决于对输入信息点的选择,在以人力资源管理风险为预警对象时,将会使用前期确定的风险要素集合,并将其自动转变为闭合区间,取值范围［0,1］。使用归一计算过程来处理风险预警结果有可能出现模糊的问题［7］。其归一化函数如公式（4）所示:

其中,Wm=mix（Wmn）,Wn=max（Wmn）,Pmn∈［0,1］为归一化函数结果。

3）选择SOM神经网络的隐藏信息点

在该风险预警模型使用中,其训练效率的提高主要取决于隐藏信息点选择的正确性,隐藏信息点选择的过少,SOM？神经网络得到的有效信息将会减少,降低网络捕获的准确性。隐藏信息点选择的过少,SOM？神经网络得到的有效信息将会过多,增加训练时间。可使用公式（5）来来获得最佳隐藏信息点的数量。

其中,Q为最佳隐藏信息点的数量,P为随机常数。通过计算可以得出最佳训练时间,其效率、精度将会得到最佳状态。

4）选择SOM神经网络的输出信息点

该系统最后的输出结果直接决定风险预警的结果,不同的风险确定出不同的风险等级,通常风险等级从高到低可分为5个等级,分别是一级（最安全）、二级（安全）、三级（基本安全）、四级（危险）、五级（最危险）。其可用公式（6）所示:

其中,H为输出信息点类数,j为风险要素的比重,L为系统常数,用以调节输出结果的速度。

3 人力资源管理风险预警模型训练及结果

使用该模型进行训练,导入相关数据,开始创建网络,启动训练模式,主要使用的参数包括,使用三层网络结构, TRAINLM训练函数,该函数用于解决训练样本数量的问题。LEARNGDM权值调节函数,该函数用以控制训练的时间,提升效率。MSC性能函数,该函数用以调节输入信息点和输出信息点的误差值。设置期望误差值为0.000 1［8］。根据相关参数得到如图2所示的预警模型训练曲线图。

4 结 论

现代企业在激烈的市场竞争中,人力资源管理已上升到极其重要的地位,企业管理者及时获取企业人力资源管理风险,化解企业人力资源管理风险已成为一个需要解决的问题。本文通过建立基于SOM神经网络的人力资源管理风险预警模型,使之能够从多个方面对人力资源管理良性运行提供有效的保障,为企业快速发展提供动力。

图2 基于SOM神经网络的人力资源管理风险预警模型训练曲线图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］张兰霞,王俊.基于 BP网络的人力资源管理风险预警模型［J］.南开管理评论,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］杨乃定,张亚莉.企业人力资源风险成因及对策研究［J］.西北工业大学学报:社会科学版,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.人才流失危机预测预警管理［J］.中国人力资源开发,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］张明亲,谢立仁.企业人力资源管理风险预警指标体系的研究［J］.西安工业学院学报,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］黄建强,刘中红.企业人力资源风险存在的机理分析［J］.企业技术开发,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稿件编号：201501114

徐 静(1980—),女,陕西西安人,硕士,讲师。研究方向:人力资源管理、企业管理和行政管理的理论与实践等。