Этап обучения нейронной модели

 

Оптимальная структура нейронной сети представляет собой персептрон, имеющий 7 входных нейронов, один скрытый слой с 3 нейронами и один выходной нейрон.

В качестве активационных функций (функция, вычисляющая выходной сигнал искусственного нейрона. В качестве аргумента принимает сигнал , получаемый на выходе входного сумматора )[CF7] нейронов скрытого слоя и выходного нейрона использовались сигмоидные функции (монотонно возрастающая всюду дифференцируемая -образная нелинейная функция с насыщением. Сигмоид позволяет усиливать слабые сигналы и не насыщаться от сильных сигналов).

В режиме «Обучение» в верхнее поле было занесено множество обучающих примеров, при помощи кнопки «Загрузить из Excel» (рис. 2). Количество обучающих примеров равно 36. В нижнее поле было занесено множество тестирующих примеров, которое равно 14.

 

Рис. 2. Обучающее и тестирующее множество

 

График, изображающий зависимость ошибки обучения и ошибки тестирования от количества эпох обучения представлен на рис.3.

Рис. 3. График обучения

 

Среднеквадратичная погрешность тестирования нейронной сети, в том числе, определенная по методике многократной перекрестной проверки [CF8] равна 8,7 %. Таким образом, можно утверждать, что нейронная сеть усвоила закономерности моделируемой предметной области и адекватна ей.

 

 

Тестирование нейронной сети

После обучения прогностические свойства нейронной сети проверялись на примерах тестирующего множества (табл. 2.), которые не использовались при ее обучении.

В режиме «Проверка» были загружены данные тестирующего множества, после чего было проведено вычисление (рис.2). [CF9]

Рис. 2. Проверка работы персептрона на тестирующем множестве

 

Среднеквадратичная погрешность равна 8,7%.

 

Результат тестирования представлен на рис. 2. в виде гистограммы, позволяющей сопоставить желаемые (заданные анкетами) и действительные (вычисленных нейронной сетью) значения данных.

 

Рис. 3. Соотношение желаемых и действительных значений

 

Теперь мы видим, как работа нейросети проверена на тестовых примерах и, таким образом, проверена адекватность нейросетевой математической модели.

 

 

Заключение

В результате работы была построения нейросетевой модели - рекрутинг персонала, позволяющая подобрать наиболее подходящий персонал к выбранной нами должности – продавец-консультант. Выявлены и исследованы наиболее значимые параметры, оказывающие наибольшее влияние на хорошую работу. Показана принципиальная возможность применения нейросетевых технологий в рекрутинге. Компьютерная модель может быть использована для достижения лучших показателей в выбранной нами сфере.

В заключение хочется отметить, что искусственные нейронные сети имеют хороший потенциал для моделирования процесса подбора персонала.

Список литературы

1. Черепанов Ф.М., Ясницкий Л.Н. Нейросимулятор 5.0. Свидетельство о государственной регистрации программы для ЭВМ № 2014618208. Заявка Роспатент № 2014614649. Зарегистрировано в Реестре программ для ЭВМ 12 августа 2014.

2. URL: http://www.navigator.ru/arts.php?mode=r&art=r24# [Дата обращение 01.06.16]

3. Хайкин С. Нейронные сети: полный курс. 2-е изд. / пер. с англ. М.: Издат. дом «Вильямс», 2006.

4. Барский А.Б. Нейронные сети: распознавание, управление, приня- тие решений. М.: Финансы и статистика, 2004.

5. Ясницкий Л.Н., Бондарь В.В. Пермская научная школа искусственного интеллекта и ее инновационные проекты. 2-е изд. М.; Ижевск: НИЦ «Регулярная и хаотическая динамика», 2008. 75 с.

6. Ясницкий Л.Н. Введение в искусственный интеллект. М.: Издательский центр «Академия», 2005. – 176 с.

7. Ясницкий Л.Н., Данилевич Т.В. Современные проблемы науки. М.: БИНОМ. Лаборатория знаний, 2008. 294 c.

 

 

[CF1]Уже нет

[CF2]Не понятно что она делает, персонал сама нанимает?

[CF3]Ссылка – это часть предложения, вставляется до точки.

[CF4]Как-то маловато теории, 3 страницы на всё, надо добавить что-то.

[CF5]А почему именно такая анкета?

[CF6]А не только обучающие примеры нужны?

[CF7]Много где формулы вверх уехали.

[CF8]А Вы знаете как она делается? В симуляторе такой нет.

[CF9]Смотрю первый пример, он не из тестирующего множества, а из обучающего, последний. Второй тоже. Дальше проверять не буду, т.к. адекватность модели под сомнением.