杨 雪,李文生

(华北水利水电学院,河南郑州450011)

基于BP神经网络的大学生创业素质评价

杨 雪,李文生

(华北水利水电学院,河南郑州450011)

“以创业促就业”,支持和鼓励大学生创业成为解决当前大学生就业困境的最有效途径之一。对于创业的大学生来讲,大学生创业素质评价必不可少。从大学生自身出发,建立了大学生创业素质评价指标体系,并利用BP神经网络对大学生创业素质进行了评价,实现了评价的非线性映射,具有一定的理论和现实意义。

BP算法;人工神经网络;大学生创业素质

受金融危机影响,高校大学生的就业面临巨大的挑战,而大学生创业成为解决当前困境的最有效途径之一。然而,并不是每个大学生都适合创业。有关调查显示,大学生创业成功率只有0.01%[1],这远低于一般的创业成功率。而影响大学生创业成功率的一个主要因素就是大学生的创业素质。因此,要通过促进大学生创业来缓解大学生就业压力,必须首先提高大学生的创业素质。要提高大学生的创业素质,对大学生创业者进行创业素质评价就显得有必要。

一、构建评价指标体系的基本原则

大学生创业素质包含的内容十分丰富,构建大学生创业素质评价指标体系很关键。大学生创业素质评价指标体系建立的基本原则主要有以下几个方面。

一是导向性原则。坚持导向性原则,就是评价指标体系的建立和使用要在素质教育的指导思想、指标设定、权重分配等方面对评价对象的行为有引导作用,即能充分利用指标体系让学生的知识、能力、品格等得到全面和谐的发展,引导大学生更加注重全面素质的提高。

二是注重实效的原则。大学生创业素质评价的目的是为了更好地调动各方面的积极性,以便有针对性地开展创业素质教育,提高学生创业素质和实践能力。在评价的过程中要克服形式主义,注重实际效果。

三是全面性原则。指标体系应尽可能体现与素质教育相关的重要内容,能从多个层面、多个视角、多条主线反映大学生的素质状况,以保证评价结果全面准确地反映大学生的素质。

根据这些指导原则,大学生创业素质主要包括创业意识和品质、创业知识、创业能力以及创业环境掌控力等四大组成部分[2]。其中创业意识和品质主要包括创业者的勇气和胆量、意志和毅力、吃苦耐劳、社会责任感、信用等方面;创业知识包括管理知识、专业知识、市场经济知识、创业基本知识、法律知识等;创业能力包括资源整合能力、领导和管理能力、表达能力、人际交往能力、经营业务能力等。创业环境掌控力包括环境适应力、机遇把握力、资金获取力以及法律政策把握力和人力资源把握力等。

二、基于BP神经网络的大学生创业素质评价模型

在大学生创业素质评价的方法上,国内学者也做了许多工作,提出了一些评价方法,如层次分析法和模糊综合评价法等。但是,大学生创业素质评价指标体系涉及面广、层次多、量化手段复杂,单一评价指标较多,而且往往相互之间缺少可比性。大学生创业素质和指标之间是一种高的非线性关系,采用常规方法很难对整个指标体系做出一个满意的评价结果。

而人工神经网络是从人脑的生理结构出发来研究人的智能行为,模拟人脑信息处理功能。它具有信息存储和计算处理并行、分布式存储、容错性、学习能力、自适应性等特点,在预测、识别、建模、信号处理、系统控制等领域得到广泛应用。该研究在建立大学生创业素质评价指标体系的基础上,利用人工神经网络的学习能力和自适应性等特点,采用BP神经网络建立了大学生创业素质评价模型。该模型能够完成输入数据(评价指标)和输出数据(创业素质)之间的非线性映射,使评价结果更为有效。

(一)BP神经网络算法

典型的BP网络是由输入层、隐含层以及输出层组成的三层结构。其中,输入层各神经元负责接收外界信息,并传递给隐含层各神经元;隐含层是内部信息处理层,负责信息变换;隐含层传递到输出层各神经元的信息,经进一步整理后,完成一次学习的正向传播处理过程,由输出层向外界输出信息处理结果。当实际输出与期望输出不符时,进入误差的反向传播阶段。正向传播和误差反向传播过程的不断进行,各层权值也就不断地得到调整。具体算法描述如下[3]:

第一,对神经元i到神经元j之间的权重w ji和神经元j的阙值θj进行初始化。

第二,给出样本数据的输入集{xpl}和相应的输出集{ypl},其中p为样本数,l表示输入向量数。

第三,计算各层输出Opi。其中,输入层的输入和输出相同,而隐含层和输出层神经元的输出计算为:

第四,求出各层神经元的误差信号δpj。

第五,进行误差反向传播,以修正权重。具体计算为其中,a表示学习速度。

第六,求出误差Er。当Er小于给定的拟合误差,结束网络学习,否则转到第三步。

(二)评价模型的结构设计

本研究将评价模型结构分成以下三层进行构建。[4]

第一,输入层设计:根据大学生创业素质评价指标体系,以最低层指标数作为输入层神经元数。

第二,隐含层设计:隐含层神经元数的选取能够直接影响到整个网络的学习效率和精确度。目前,确定隐含层神经元数还缺乏相应的指导原则。这里,我们参照来确定隐含层神经元的个数。其中,n表示隐含层神经元数,n1表示输入节点,n0表示输出节点,a为常数,其中

第三,输出层设计:设置输出层神经元数为1。同时,将评价集设定为:好、较好、一般、较差、差五个级别,评价的原则是:当O≥0.8,评价结果为好;当0.6≤O<0.8,评价结果为较好;当0.4≤O<0.6,评价结果为一般;当0.2

(三)基于BP神经网络的大学生创业素质评价模型的步骤

第一,进行BP网络训练。按照大学生创业素质的评价指标体系,搜集不同样本大学生的评价指标值并进行数据处理,得出样本大学生的输入集{xpl}和相应的输出集{ypl},将输入集和输出集输入到神经网络中,然后按照BP算法进行网络训练。

第二,搜集需要评价的大学生样本的指标值,然后针对这些指标值进行标准化处理。

第三,将标准化处理后的样本数据输入到训练好的神经网络中,计算相应的输出。

第四,根据输出结果,按照前文中的评价原则对大学生创业素质作出评价结论。

三、大学生创业素质评价

对河南省某高校20个学生进行创业素质评价,经筛选比较,选定10个具有代表性的大学生样本,6个做训练样本,4个做测试样本。根据前面所建立的评价指标体系,建立一个输入层、隐含层和输出层的神经元数分别为20、10、1的三层BP神经网络模型(输出层的输出0≤O≤1)。

(一)BP网络学习

使用Matlab 7.0软件实现编程,建立大学生创业素质评价的三层BP神经网路结构,利用训练样本进行训练。其中,输入样本矩阵P为20行6列的一个矩阵,训练输出样本矩阵T为1行6列的矩阵。经过1 457步训练后达到设置的精度要求,如图1所示。

(二)对4个测试样本进行计算

取4个样本作为测试样本,利用训练后的网络进行测试计算。具体如下:

其中Ptest为测试样本的指标数据,它是一个20行1列的矩阵,分别计算出这4个测试样本的模拟结果(输出),具体见表1。

图1 网络训练的误差下降曲线

表1 测试样本的结果及误差表

模拟结果表明,4个测试样本中,有3个大学生的创业素质为较差(0.2

同时,由表1可以看出,利用神经网络模型得到的结果与专家评价值相对偏差仍在±3%以内,验证了该模型的有效性和实用性。以上研究中,由于训练样本较少,最终确定的BP神经网络不是十分稳定,每次的训练结果会有不同幅度的变化,但利用其计算出来的衡量结果已能比较准确地评价大学生创业素质,也验证了BP神经网络模型在大学生创业素质评价中的可行性。

四、结语

人工神经网络方法是一种非线性映射方法,不像其它评价方法如层次分析法、模糊综合评判法、灰色聚类法等带有明显的主观臆断,它只需将处理过的数据输入到网络中,通过计算即可产生评价结果,不需要人为地确定权重,确实减少了评价过程中的人为因素,提高了评价的可靠性,使评价结果更有效、更客观。

但是它也存在着一些缺点:一是BP神经网络模型要求有一定的学习样本,学习样本的数量和质量在很大程度上影响着神经网络模型的学习性能。但是,选取合适的学习样本并不是一件容易的事情。二是网络的层数和隐含层神经元数的选取在很大程度上影响着整个网络的学习能力和学习效率。但是,目前关于这个问题还没有形成一般的指导性原则,在确定层数和隐含层神经元数时,往往会因人为因素,可能降低BP网络的性能。尽管如此,BP神经网络模型还是为大学生创业素质评价提出了一种新的方法。

[1] 冯华,王振红.金融危机下大学生创业问题剖析[J].商业时代,2009,(7).

[2] 彭璐等.大学生创业素质指标体系初探[J].科技创业,2008,(2).

[3] 王慧,李印海.基于BP神经网络的高技术企业技术创新能力评价[J].科技管理研究,2007,(11).

[4] 陈建新.BP神经网络在企业技术创新风险评价中的应用[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

杨 雪(1966—),女,河南光山人,华北水利水电学院特聘教授。

(责任编辑:宋孝忠)