基于人工神经网络的成功与失败原因诊断模型
摘要：在这篇论文中，我们尝试了识别最重要的人力资源因素，并提出了一个基于反向传播和联结模型方法的人工神经网络（ANN）诊断模型。研究的重点是印度的移动通信行业。ANN的方法特别重要，因为传统的方法（如算法）对问题解决有其固有的缺点。算法方法适用于已经被理解和已知解决方案的问题。另一方面，ANN具有类似于人脑的学习和处理能力。ANN被选择是因为它相对于传统的算法方法具有固有的优势，并具有能力、培训和与人类类似的直觉决策能力。因此，这种基于ANN的方法有可能帮助研究人员和组织找到更好的解决人力资源管理问题的方法。这项研究特别重要，因为许多研究已经在发达国家进行，但在印度等发展中国家的研究还较少。在这里，我们使用联结式ANN方法推导出了一个模型，并通过反向传播算法进行改进和验证。这个建议的基于ANN的模型可以用于测试通信行业中任何人力资源因素的成功和失败。根据联结模型获得了结果，而BPNN将其进一步提高到99.99%的准确性。任何一家公司都可以直接使用这个模型来预测由于人力资源因素而导致的失败。
作者：Bikrampal Kaur, Himanshu Aggarwal
论文ID：1005.0965
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2010-05-07