導(dǎo)語(yǔ)：如何才能寫好一篇神經(jīng)網(wǎng)絡(luò)情感分析，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

關(guān)鍵詞：粒子群 徑向基 神經(jīng)網(wǎng)絡(luò) 語(yǔ)音識(shí)別

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2013）04-0109-02

近年來，語(yǔ)音識(shí)別作為一種便捷的人機(jī)交互方式被大量研究，并在日常生活中得到廣泛應(yīng)用。大體上講，語(yǔ)音識(shí)別就是在給定的語(yǔ)料庫(kù)中找出與待識(shí)別詞語(yǔ)相同的語(yǔ)料，其識(shí)別方法的選擇對(duì)識(shí)別效果至關(guān)重要。語(yǔ)音識(shí)別的方法主要有3種：基于語(yǔ)音特征和聲道模型的方法、模板匹配的方法和人工神經(jīng)網(wǎng)絡(luò)[1]。第1種方法出現(xiàn)較早，但由于其模型過于復(fù)雜，并未得到實(shí)際應(yīng)用。第2種方法較為成熟，主要通過動(dòng)態(tài)時(shí)間規(guī)整（DTW）、隱馬爾可夫模型（HMM）和矢量量化（VQ）技術(shù)實(shí)現(xiàn)[2]。第3種方法充分利用人工神經(jīng)網(wǎng)絡(luò)較強(qiáng)的分類能力和輸入——輸出映射能力，非常適合解決語(yǔ)音識(shí)別這類難以用算法描述而又有大量樣本可供學(xué)習(xí)的問題[3]。

因此，本文將智能領(lǐng)域廣泛使用的RBF神經(jīng)網(wǎng)絡(luò)運(yùn)用到語(yǔ)音識(shí)別中，針對(duì)RBF神經(jīng)網(wǎng)絡(luò)隱層基函數(shù)的中心值和寬度隨機(jī)確定的缺陷，運(yùn)用具有全局尋優(yōu)能力的粒子群算法（PSO）進(jìn)行優(yōu)化，來提高網(wǎng)絡(luò)的泛化能力和收斂速度，從而提高識(shí)別率。實(shí)驗(yàn)結(jié)果表明，粒子群優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)用于語(yǔ)音識(shí)別，能夠顯著提升識(shí)別性能。

1 粒子群優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)

1.1 RBF神經(jīng)網(wǎng)絡(luò)

1.2 粒子群優(yōu)化RBF網(wǎng)絡(luò)算法

因此，RBF神經(jīng)網(wǎng)絡(luò)隱層基函數(shù)中心值和寬度的優(yōu)化過程就是PSO算法依據(jù)輸入樣本進(jìn)行聚類的過程，其基本流程為：

（1）參數(shù)初始化，包括粒子速度、位置，個(gè)體最優(yōu)位置和全局最優(yōu)位置；

（2）據(jù)（5）式計(jì)算慣性權(quán)重；

（3）據(jù)（3）（4）式更新粒子的速度和位置；

（4）據(jù)（6）式計(jì)算各粒子適應(yīng)度值，并更新個(gè)體最優(yōu)位置和全局最優(yōu)位置；

（5）用全局最優(yōu)粒子代替本次迭代適應(yīng)度差的粒子；

（6）反復(fù)迭代，直到最大迭代次數(shù)則停止，得聚類中心。

2 PSO優(yōu)化RBF語(yǔ)音識(shí)別系統(tǒng)

語(yǔ)音識(shí)別過程主要包括信號(hào)預(yù)處理、特征提取、網(wǎng)絡(luò)訓(xùn)練及識(shí)別[6]。預(yù)處理主要對(duì)語(yǔ)音進(jìn)行分幀、預(yù)加重和加窗處理。特征提取用于提取語(yǔ)音中反映聲學(xué)特征的相關(guān)參數(shù)，本文采用的是過零峰值幅度（ZCPA）。網(wǎng)絡(luò)訓(xùn)練是在識(shí)別之前從語(yǔ)音樣本中去除冗余信息，提取關(guān)鍵參數(shù)，再按照一定規(guī)則對(duì)數(shù)據(jù)加以聚類，形成模式庫(kù)。網(wǎng)絡(luò)識(shí)別是通過已訓(xùn)練好的網(wǎng)絡(luò)，計(jì)算測(cè)試樣本數(shù)據(jù)與模式庫(kù)之間的相似度，判斷出輸入語(yǔ)音所屬的類別。粒子群優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的語(yǔ)音識(shí)別系統(tǒng)原理框圖如圖1所示。

PSO優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行語(yǔ)音識(shí)別的實(shí)驗(yàn)步驟如下：

第1步：提取特征。

首先對(duì)用于訓(xùn)練和識(shí)別的各種信噪比的語(yǔ)音文件進(jìn)行ZCPA特征提取。語(yǔ)音信號(hào)的采樣頻率為11.025kHz，每幀為256個(gè)采樣點(diǎn)，經(jīng)過時(shí)間和幅度歸一化處理后，得到256維特征矢量序列。

第2步：網(wǎng)絡(luò)訓(xùn)練。

網(wǎng)絡(luò)訓(xùn)練的過程就是調(diào)整RBF神經(jīng)網(wǎng)絡(luò)基函數(shù)的中心和寬度以及隱層到輸出層之間的連接權(quán)值。實(shí)驗(yàn)中，類別數(shù)為待識(shí)別的詞匯數(shù)，如對(duì)10個(gè)詞進(jìn)行識(shí)別，則隱層節(jié)點(diǎn)數(shù)、輸出層節(jié)點(diǎn)數(shù)和聚類中心均為10，如對(duì)20個(gè)詞進(jìn)行識(shí)別，則隱層節(jié)點(diǎn)數(shù)、輸出層節(jié)點(diǎn)數(shù)和聚類中心均為20，以此類推，本文對(duì)10詞、20詞、30詞和40詞分別進(jìn)行訓(xùn)練識(shí)別。利用PSO優(yōu)化算法通過聚類獲取隱層基函數(shù)的中心值和寬度，網(wǎng)絡(luò)輸出權(quán)值使用偽逆法得到。在PSO算法中，種群大小為20，最大進(jìn)化迭代次數(shù)為40。

第3步：網(wǎng)絡(luò)識(shí)別。

RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練好后，將測(cè)試集中的樣本輸入網(wǎng)絡(luò)進(jìn)行識(shí)別測(cè)試。每輸入一個(gè)單詞的特征矢量，經(jīng)過隱層、輸出層的計(jì)算后可得一個(gè)單詞分類號(hào)，將這個(gè)分類號(hào)與輸入詞自帶的分類號(hào)進(jìn)行對(duì)比，相等則認(rèn)為識(shí)別正確，反之，識(shí)別錯(cuò)誤。最后將識(shí)別正確的個(gè)數(shù)與所有待識(shí)別單詞數(shù)的比值作為最終的識(shí)別率。

3 實(shí)驗(yàn)仿真分析

本文運(yùn)用matlab在PC機(jī)上仿真實(shí)現(xiàn)了PSO優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的孤立詞語(yǔ)音識(shí)別系統(tǒng)，選用在不同高斯白噪聲條件下（包含15dB、20dB、25dB和無噪聲），18個(gè)人分別錄制40詞各三次，形成實(shí)驗(yàn)語(yǔ)音數(shù)據(jù)，實(shí)驗(yàn)時(shí)選其中10人的10詞、20詞、30詞、40詞語(yǔ)音數(shù)據(jù)分別作為訓(xùn)練樣本，另外8個(gè)人對(duì)應(yīng)的10詞、20詞、30詞、40詞語(yǔ)音數(shù)據(jù)分別作為測(cè)試樣本進(jìn)行實(shí)驗(yàn)，得到了不同噪聲和詞匯量下的粒子群優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的語(yǔ)音識(shí)別結(jié)果。

表1所示為在不同詞匯量和不同SNR下，分別基于PSO優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)和標(biāo)準(zhǔn)RBF神經(jīng)網(wǎng)絡(luò)采用ZCPA語(yǔ)音特征參數(shù)的語(yǔ)音識(shí)別結(jié)果。由表中識(shí)別率的變化可知，基于PSO優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)的識(shí)別率在不同詞匯量和不同信噪比下都比標(biāo)準(zhǔn)RBF神經(jīng)網(wǎng)絡(luò)的高，正確識(shí)別出的詞匯量明顯增多，這充分證明改進(jìn)后的RBF神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)性和強(qiáng)大的分類能力，縮短網(wǎng)絡(luò)訓(xùn)練時(shí)間的同時(shí)，提高了系統(tǒng)的識(shí)別性能，尤其在大詞匯量的語(yǔ)音識(shí)別中表現(xiàn)出更加明顯的優(yōu)勢(shì)。

4 結(jié)語(yǔ)

本文采用粒子群優(yōu)化算法來聚類RBF神經(jīng)網(wǎng)絡(luò)隱層基函數(shù)中心值和寬度，并將PSO改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)用于語(yǔ)音識(shí)別中。通過仿真實(shí)驗(yàn)，得出了其與標(biāo)準(zhǔn)RBF神經(jīng)網(wǎng)絡(luò)在不同詞匯量和不同SNR下的語(yǔ)音識(shí)別結(jié)果。通過分析比較，證明了PSO優(yōu)化后的RBF神經(jīng)網(wǎng)絡(luò)有較高的識(shí)別率，且訓(xùn)練時(shí)間明顯縮短，表明神經(jīng)網(wǎng)絡(luò)方法非常適宜求解語(yǔ)音識(shí)別這類模式分類問題。

參考文獻(xiàn)

[1]Edmondo Trentin， Marco Gori. A survey of hybrid ANN/HMM models for automatic speech recognition[J].Neurocomputing，2001，（37）：91-126.

[2]王凱.免疫粒子群改進(jìn)LBG的孤立詞語(yǔ)音識(shí)別算法研究[J].數(shù)字技術(shù)與應(yīng)用，2013，（1）：111-113.

[3]夏妍妍，黃健，尹麗華.基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的語(yǔ)音識(shí)別[J].大連海事大學(xué)學(xué)報(bào)，2007，（S1）：157-159.

[4]孟艷，潘宏俠.PSO聚類和梯度算法結(jié)合的RBF神經(jīng)網(wǎng)絡(luò)優(yōu)化[J].自動(dòng)化儀表，2011，（02）：6-8.

篇2

關(guān)鍵詞：人工智能 機(jī)器學(xué)習(xí) 機(jī)器人情感獲得 發(fā)展綜述

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-9082 （2017） 04-0234-01

引言

人類自從工業(yè)革命結(jié)束之后，就已然開始了對(duì)人工智能的探索，究其本質(zhì)，實(shí)際上就是對(duì)人的思維進(jìn)行模仿，以此代替人類工作。人工智能的探索最早可以追溯到圖靈時(shí)期，那時(shí)圖靈就希望未來的智能系統(tǒng)能夠像人一樣思考。在20世紀(jì)五十年代，人工智能被首次確定為一個(gè)新興的學(xué)科，并吸引了大批的學(xué)者投入到該領(lǐng)域的研究當(dāng)中。經(jīng)過長(zhǎng)時(shí)間的探索和嘗試，人工智能的許多重要基本理論已經(jīng)形成，如模式識(shí)別、特征表示與推理、機(jī)器學(xué)習(xí)的相關(guān)理論和算法等等。進(jìn)入二十一世紀(jì)以來，隨著深度學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展，人工智能再一次成為研究熱點(diǎn)。人工智能技術(shù)與基因過程、納米科學(xué)并列為二十一世紀(jì)的三大尖端技術(shù)， 并且人工智能涉及的學(xué)科多，社會(huì)應(yīng)用廣泛，對(duì)其原理和本質(zhì)的理解也更為復(fù)雜。 一、人工智能的發(fā)展歷程

回顧人工智能的產(chǎn)生與發(fā)展過程 ，可以將其分為：初期形成階段，綜合發(fā)展階段和應(yīng)用階段。

1.初期形成階段

人工智能這一思想最早的提出是基于對(duì)人腦神經(jīng)元模型的抽象。其早期工作被認(rèn)為是由美國(guó)的神經(jīng)學(xué)家和控制論學(xué)者 Warren McCulloch與Walter Pitts共同完成的。在1951年，兩名普林斯頓大學(xué)的研究生制造出了第一臺(tái)人工神經(jīng)元計(jì)算機(jī)。而其真正作為一個(gè)新的概念被提出是在1956年舉行的達(dá)茅斯會(huì)議上。由麥卡錫提議并正式采用了“人工智能”（Artificial Intelligence）礱枋穌庖謊芯咳綰斡沒器來模擬人類智能的新興學(xué)科。1969年的國(guó)際人工智能聯(lián)合會(huì)議標(biāo)志著人工智能得到了國(guó)際的認(rèn)可。至此，人工智能這一概念初步形成，也逐漸吸引了從事數(shù)學(xué)、生物、計(jì)算機(jī)、神經(jīng)科學(xué)等相關(guān)學(xué)科的學(xué)者參與該領(lǐng)域的研究。

2.綜合發(fā)展階段

1.7 7年， 費(fèi)根鮑姆在第五屆國(guó)際人工智能聯(lián)合會(huì)議上正式提出了“知識(shí)工程”這一概念。而后其對(duì)應(yīng)的專家系統(tǒng)得到發(fā)展，許多智能系統(tǒng)紛紛被推出，并應(yīng)用到了人類生活的方方面面。20世紀(jì)80年代以來，專家系統(tǒng)逐步向多技術(shù)、多方法的綜合集成與多學(xué)科、多領(lǐng)域的綜合應(yīng)用型發(fā)展。大型專家系統(tǒng)開發(fā)采用了多種人工智能語(yǔ)言、多種知識(shí)表示方法、多種推理機(jī)制和多種控制策略相結(jié)合的方式， 并開始運(yùn)用各種專家系統(tǒng)外殼、專家系統(tǒng)開發(fā)工具和專家系統(tǒng)開發(fā)環(huán)境等等。在專家系統(tǒng)的發(fā)展過程中，人工智能得到了較為系統(tǒng)和全面的綜合發(fā)展，并能夠在一些具體的任務(wù)中接近甚至超過人類專家的水平。

3.應(yīng)用階段

進(jìn)入二十一世紀(jì)以后，由于深度人工神經(jīng)網(wǎng)絡(luò)的提出，并在圖像分類與識(shí)別的任務(wù)上遠(yuǎn)遠(yuǎn)超過了傳統(tǒng)的方法，人工智能掀起了前所未有的。2006年，由加拿大多倫多大學(xué)的Geoffery Hinton及其學(xué)生在《Science》雜志上發(fā)表文章，其中首次提到了深度學(xué)習(xí)這一思想，實(shí)現(xiàn)對(duì)數(shù)據(jù)的分級(jí)表達(dá)，降低了經(jīng)典神經(jīng)網(wǎng)絡(luò)的訓(xùn)練難度。并隨后提出了如深度卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network， CNN），以及區(qū)域卷積神經(jīng)網(wǎng)絡(luò)（Region-based Convolutional Neural Network， R-CNN），等等新的網(wǎng)絡(luò)訓(xùn)練結(jié)構(gòu)，使得訓(xùn)練和測(cè)試的效率得到大幅提升，識(shí)別準(zhǔn)確率也顯著提高。

二、人工智能核心技術(shù)

人工智能由于其涉及的領(lǐng)域較多，內(nèi)容復(fù)雜，因此在不同的應(yīng)用場(chǎng)景涉及到許多核心技術(shù)，這其中如專家系統(tǒng)、機(jī)器學(xué)習(xí)、模式識(shí)別、人工神經(jīng)網(wǎng)絡(luò)等是最重要也是發(fā)展較為完善的幾個(gè)核心技術(shù)。

1.專家系統(tǒng)

專家系統(tǒng)是一類具有專門知識(shí)和經(jīng)驗(yàn)的計(jì)算機(jī)智能程序系統(tǒng)，通過對(duì)人類專家的問題求解能力建模，采用人工智能中的知識(shí)表示和知識(shí)推理技術(shù)來模擬通常由專家才能解決的復(fù)雜問題，達(dá)到具有與專家同等解決問題能力的水平。對(duì)專家系統(tǒng)的研究，是人工智能中開展得較為全面、系統(tǒng)且已經(jīng)取得廣泛應(yīng)用的技術(shù)。許多成熟而先進(jìn)的專家系統(tǒng)已經(jīng)被應(yīng)用在如醫(yī)療診斷、地質(zhì)勘測(cè)、文化教育等方面。

2.機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)是一個(gè)讓計(jì)算機(jī)在非精確編程下進(jìn)行活動(dòng)的科學(xué)，也就是機(jī)器自己獲取知識(shí)。起初，機(jī)器學(xué)習(xí)被大量應(yīng)用在圖像識(shí)別等學(xué)習(xí)任務(wù)中，后來，機(jī)器學(xué)習(xí)不再限于識(shí)別字符、圖像中的某個(gè)目標(biāo)，而是將其應(yīng)用到機(jī)器人、基因數(shù)據(jù)的分析甚至是金融市場(chǎng)的預(yù)測(cè)中。在機(jī)器學(xué)習(xí)的發(fā)展過程中，先后誕生了如凸優(yōu)化、核方法、支持向量機(jī)、Boosting算法等等一系列經(jīng)典的機(jī)器學(xué)習(xí)方法和理論。機(jī)器學(xué)習(xí)也是人工智能研究中最為重要的核心方向。

3.模式識(shí)別

模式識(shí)別是研究如何使機(jī)器具有感知能力 ，主要研究圖像和語(yǔ)音等的識(shí)別。其經(jīng)典算法包括如k-means，主成分分析（PCA），貝葉斯分類器等等。在日常生活各方面以及軍事上都有廣大的用途。近年來迅速發(fā)展起來應(yīng)用模糊數(shù)學(xué)模式、人工神經(jīng)網(wǎng)絡(luò)模式的方法逐漸取代傳統(tǒng)的基于統(tǒng)計(jì)學(xué)習(xí)的識(shí)別方法。圖形識(shí)別方面例如識(shí)別各種印刷體和某些手寫體文字，識(shí)別指紋、癌細(xì)胞等技術(shù)已經(jīng)進(jìn)入實(shí)際應(yīng)用。語(yǔ)音識(shí)別主要研究各種語(yǔ)音信號(hào)的分類，和自然語(yǔ)言理解等等。模式識(shí)別技術(shù)是人工智能的一大應(yīng)用領(lǐng)域，其非常熱門的如人臉識(shí)別、手勢(shì)識(shí)別等等對(duì)人們的生活有著十分直接的影響。

4.人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)是在研究人腦的結(jié)構(gòu)中得到啟發(fā)， 試圖用大量的處理單元模仿人腦神經(jīng)系統(tǒng)工程結(jié)構(gòu)和工作機(jī)理。而近年來發(fā)展的深度卷積神經(jīng)網(wǎng)絡(luò)（Convolutional neural networks， CNNs）具有更復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)，與經(jīng)典的機(jī)器學(xué)習(xí)算法相比在大數(shù)據(jù)的訓(xùn)練下有著更強(qiáng)的特征學(xué)習(xí)和表達(dá)能力。含有多個(gè)隱含層的神經(jīng)網(wǎng)絡(luò)能夠?qū)斎朐紨?shù)據(jù)有更抽象喝更本質(zhì)的表述，從而有利于解決特征可視化以及分類問題。另外，通過實(shí)現(xiàn)“逐層初始化”這一方法，實(shí)現(xiàn)對(duì)輸入數(shù)據(jù)的分級(jí)表達(dá)，可以有效降低神經(jīng)網(wǎng)絡(luò)的訓(xùn)練難度。目前的神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別任務(wù)中取得了十分明顯的進(jìn)展，基于CNN的圖像識(shí)別技術(shù)也一直是學(xué)術(shù)界與工業(yè)界一致追捧的熱點(diǎn)。

三、機(jī)器人情感獲得

1.智能C器人現(xiàn)狀

目前智能機(jī)器人的研究還主要基于智能控制技術(shù)，通過預(yù)先定義好的機(jī)器人行動(dòng)規(guī)則，編程實(shí)現(xiàn)復(fù)雜的自動(dòng)控制，完成機(jī)器人的移動(dòng)過程。而人類進(jìn)行動(dòng)作、行為的學(xué)習(xí)主要是通過模仿及與環(huán)境的交互。從這個(gè)意義上說，目前智能機(jī)器人還不具有類腦的多模態(tài)感知及基于感知信息的類腦自主決策能力。在運(yùn)動(dòng)機(jī)制方面，目前幾乎所有的智能機(jī)器人都不具備類人的外周神經(jīng)系統(tǒng)，其靈活性和自適應(yīng)性與人類運(yùn)動(dòng)系統(tǒng)還具有較大差距。

2.機(jī)器人情感獲得的可能性

人腦是在與外界永不停息的交互中，在高度發(fā)達(dá)的神經(jīng)系統(tǒng)的處理下獲得情感。智能機(jī)器人在不斷的機(jī)器學(xué)習(xí)和大數(shù)據(jù)處理中，中樞處理系統(tǒng)不斷地自我更新、升級(jí)，便具備了獲得情感的可能性及幾率。不斷地更新、升級(jí)的過程類似于生物的進(jìn)化歷程，也就是說，智能機(jī)器人有充分的可能性獲得與人類同等豐富的情感世界。

3.機(jī)器人獲得情感的利弊

機(jī)器人獲得情感在理論可行的情況下，伴之而來的利弊則眾說紛紜。一方面，擁有豐富情感世界的機(jī)器人可以帶來更多人性化的服務(wù)，人機(jī)合作也可進(jìn)行地更加深入，可以為人類帶來更為逼真的體驗(yàn)和享受。人類或可與智能機(jī)器人攜手共創(chuàng)一個(gè)和諧世界。但是另一方面，在機(jī)器人獲得情感時(shí)，機(jī)器人是否能徹底貫徹人類命令及協(xié)議的擔(dān)憂也迎面而來。

4.規(guī)避機(jī)器人情感獲得的風(fēng)險(xiǎn)

規(guī)避智能機(jī)器人獲得情感的風(fēng)險(xiǎn)應(yīng)預(yù)備強(qiáng)制措施。首先要設(shè)計(jì)完備的智能機(jī)器人情感協(xié)議，將威脅泯滅于未然。其次，應(yīng)控制智能機(jī)器人的能源獲得，以限制其自主活動(dòng)的能力，杜絕其建立獨(dú)立體系的可能。最后，要掌控核心武器，必要時(shí)強(qiáng)行停止運(yùn)行、回收、甚至銷毀智能機(jī)器人。

三、總結(jié)

本文梳理了人工智能的發(fā)展歷程與核心技術(shù)，可以毋庸置疑地說，人工智能具有極其廣闊的應(yīng)用前景，但也伴隨著極大的風(fēng)險(xiǎn)。回顧其發(fā)展歷程，我們有理由充分相信，在未來人工智能的技術(shù)會(huì)不斷完善，難題會(huì)被攻克。作為世界上最熱門的領(lǐng)域之一，在合理有效規(guī)避其風(fēng)險(xiǎn)的同時(shí)，獲得情感的智能機(jī)器人會(huì)造福人類，并極大地幫助人們的社會(huì)生活。

參考文獻(xiàn)

[1]韓曄彤.人工智能技術(shù)發(fā)展及應(yīng)用研究綜述[J].電子制作，2016，（12）：95.

[2]曾毅，劉成林，譚鐵牛.類腦智能研究的回顧與展望[J].計(jì)算機(jī)學(xué)報(bào)，2016，（01）：212-222.

[3]張?jiān)?人工智能綜述：讓機(jī)器像人類一樣思考

篇3

作者簡(jiǎn)介：白琳(1979－　)，女，順德職業(yè)技術(shù)學(xué)院酒店及旅游管理系助教。研究方向：酒店管理。岑成德(1957－　)，男，中山大學(xué)管理學(xué)院教授。研究方向：旅游市場(chǎng)調(diào)研、市場(chǎng)研究方法。

摘 要 本文采用實(shí)證的方法，通過因子分析、人工神經(jīng)網(wǎng)絡(luò)方法和邏輯回歸分析，對(duì)賓館員工工作滿意感的影響因素及其影響程度進(jìn)行研究。本項(xiàng)研究得出以下結(jié)論：(1)賓館員工工作滿意感的影響因素有8類，在這8類影響因素中，工作本身對(duì)員工工作滿意感的影響最大，其后依次是主管管理風(fēng)格、賓館政策及實(shí)施、同事關(guān)系、賓館經(jīng)營(yíng)、個(gè)人能力發(fā)揮、培訓(xùn)與晉升、工作報(bào)酬；(2)人工神經(jīng)網(wǎng)絡(luò)方法的預(yù)測(cè)正確率高于回歸分析方法的預(yù)測(cè)正確率，并且前者的模型擬合優(yōu)度要優(yōu)于后者，這說明人工神經(jīng)網(wǎng)絡(luò)方法在分析賓館員工工作滿意感時(shí)，優(yōu)于回歸分析方法。

關(guān)鍵詞 員工；工作滿意感；人工神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào) F719．2　文獻(xiàn)標(biāo)識(shí)碼A　文章編號(hào)　1006―575(2006)―05―0026―10

一、引言

與制造業(yè)不同，賓館業(yè)為顧客提供的服務(wù)是無形的，服務(wù)的好壞往往靠顧客的感受和以往的消費(fèi)經(jīng)歷來判斷，具有很強(qiáng)的主觀性；員工提供服務(wù)與顧客消費(fèi)服務(wù)是同時(shí)發(fā)生的，員工與顧客的接觸非常頻繁，賓館能否獲得顧客的忠誠(chéng)感，關(guān)鍵在于員工與顧客的關(guān)系發(fā)展到了何種程度。許多學(xué)者的研究結(jié)果表明，如果服務(wù)人員不滿意，他們?cè)跒轭櫩吞峁┓?wù)時(shí)，就極有可能將自己的壞心情傳遞給顧客。因此，對(duì)賓館來說，員工工作滿意感影響因素的研究非常重要。本文將探討影響工作滿意感的因素，并探討各因素對(duì)員工滿意感的不同影響。

目前，大多數(shù)關(guān)于工作滿意感與其影響因素之間關(guān)系的研究，都是用傳統(tǒng)的統(tǒng)計(jì)方法，如回歸分析方法和通徑分析方法來進(jìn)行的。這些實(shí)證研究對(duì)工作滿意感理論的發(fā)展起到了重要的作用。但是，這些統(tǒng)計(jì)分析方法本身有一些局限性，例如常用的多元線性回歸分析方法不僅要求變量間是線性關(guān)系，還要求變量近似服從正態(tài)分布，方差相等等。很多學(xué)者卻忽視了這些局限性，這使他們的研究結(jié)果產(chǎn)生了一定的偏差，并且有可能得出錯(cuò)誤的結(jié)果。目前，理論界已經(jīng)普遍認(rèn)為人工神經(jīng)網(wǎng)絡(luò)方法是很好的研究工具，能夠代替回歸分析方法，并且可以在不同的領(lǐng)域廣泛應(yīng)用，但是從筆者查閱到的國(guó)內(nèi)外文獻(xiàn)資料來看，在賓館員工的滿意感與其影響因素之間關(guān)系方面，使用人工神經(jīng)網(wǎng)絡(luò)方法來進(jìn)行研究還相當(dāng)少見。本文將通過對(duì)賓館員工的實(shí)證調(diào)查，使用人工神經(jīng)網(wǎng)絡(luò)方法研究員工滿意感與其影響因素之間的關(guān)系，并將對(duì)比回歸方法和人工神經(jīng)網(wǎng)絡(luò)方法得出的結(jié)果，希望能為此方面的研究提供一些借鑒。本文也試圖通過探討各因素對(duì)員工滿意感的影響程度，使賓館管理人員了解員工更重視哪些影響因素，并希望文中的模型與分析結(jié)論能夠?qū)e館業(yè)人力資源管理工作以及內(nèi)部營(yíng)銷策略具有一定的借鑒意義。

二、相關(guān)文獻(xiàn)回顧

(一)工作滿意感

1．工作滿意感的定義

目前，理論界對(duì)員工滿意感的定義多種多樣。一方面，滿意感并不是每個(gè)人都會(huì)擁有的普遍現(xiàn)象，而且不同行業(yè)的員工有不同的衡量標(biāo)準(zhǔn)；另一方面，學(xué)者對(duì)工作滿意感的研究還在繼續(xù)，出于不同的研究目的，他們會(huì)給工作滿意感下不同的定義，歸納起來可以分為3大類。

(1)綜合性定義

綜合性定義將工作滿意感的概念作一般性的解釋，指的是員工對(duì)工作本身及工作相關(guān)環(huán)境因素所持有的一種一般性態(tài)度，也就是員工對(duì)其全部工作角色的情感反應(yīng)，是整體的工作滿意感。例如，美國(guó)心理學(xué)家洛克(Locke)指出，工作滿意感為員工在對(duì)個(gè)人工作或工作經(jīng)歷的評(píng)估中產(chǎn)生的愉悅或正向的情感狀態(tài)。汪純孝等人指出，工作滿意感指員工覺得自己的工作可實(shí)現(xiàn)或有助于實(shí)現(xiàn)自己的工作價(jià)值觀而產(chǎn)生的愉快情感，職務(wù)和工作環(huán)境中的一切特點(diǎn)都會(huì)影響員工的工作滿意感。

(2)結(jié)構(gòu)性定義

結(jié)構(gòu)性定義強(qiáng)調(diào)工作滿意感由多個(gè)維度構(gòu)成。工作是一個(gè)很復(fù)雜的概念，其本身很少成為單一的研究對(duì)象，與個(gè)人工作有關(guān)的滿意感，其實(shí)是個(gè)人對(duì)工作各個(gè)不同維度的滿意程度。例如，美國(guó)康奈爾大學(xué)的史密斯和胡林(Smith和Hulin)等人認(rèn)為工作滿意感是個(gè)人根據(jù)自己的參考體系對(duì)工作特征加以解釋后所得到的結(jié)果。因此，他們把工作滿意感分為工作本身、升遷、主管監(jiān)督、薪水及工作伙伴5個(gè)方面的滿意感。

(3)期望差距定義

期望差距定義將工作的滿意程度看作是由員工在特定的工作環(huán)境中實(shí)際獲得的價(jià)值與他預(yù)期應(yīng)獲得的價(jià)值之間的差距而定。美國(guó)組織行為學(xué)家波特和勞勒(Porter和Lawler)等人對(duì)滿意感的解釋就屬于期望差距定義。

2．工作滿意感的相關(guān)理論

學(xué)者們因其對(duì)工作滿意感的定義及研究對(duì)象的不同，所建立的理論也有所差異?？藏悹?Campbell)等學(xué)者一般將與工作滿意感相關(guān)的理論分為內(nèi)容理論和程序理論兩大類。內(nèi)容理論主要研究影響工作滿意感的因素，注重研究需要、價(jià)值和期望對(duì)員工滿意感的影響程度，例如需要層次理論、雙因素理論和ERG理論等。程序理論主要研究如何激勵(lì)、指揮、維持和終止個(gè)體行為的過程，它關(guān)注的是工作中個(gè)體的需要、價(jià)值與期望之間的相互作用、相互影響，例如期望理論、公平理論和差距理論等。這兩種理論之間并沒有很明顯的界限，而且程序理論之中已經(jīng)包含了內(nèi)容理論，內(nèi)容理論是程序理論的研究重點(diǎn)。

3．工作滿意感的測(cè)量

員工的工作不僅是等待顧客等明顯的活動(dòng)，他們還需要與同事和上司接觸、遵循組織的規(guī)章和政策、達(dá)到期望的績(jī)效標(biāo)準(zhǔn)等等。員工總是處在一定工作情景之中，員工評(píng)估自己對(duì)工作滿意與否是十分復(fù)雜的。目前，比較廣泛使用的評(píng)估方法有兩種：?jiǎn)我徽w法和工作要素總和評(píng)分法。工作要素總和評(píng)分法比較復(fù)雜，首先要確定工作及相關(guān)方面的關(guān)鍵維度，然后詢問員工對(duì)各個(gè)維度的感覺。在實(shí)際中，這種方法比較常用，其經(jīng)常使用的測(cè)量工具有：

(1)明尼蘇達(dá)滿意感量表(MSQ)。它分為短式量表和長(zhǎng)式量表，前者包括20個(gè)題目，可測(cè)量員工的內(nèi)在滿意感、外在滿意感及一般滿意感；后者則有100個(gè)題目，可測(cè)量員工對(duì)20個(gè)工作層面的滿意感和一般滿意感。(2)工作說明量表(JDI)。它可測(cè)量員工對(duì)工作本身、薪資、升遷、上司和同事等5個(gè)維度的工作滿意程度。該量表在美國(guó)被反復(fù)用于研究，測(cè)試效果良好，因此受到了許多學(xué)者的一致推崇。

(二)員工滿意感影響因素

1．一般員工滿意感影響因素

自從工作滿意感這個(gè)概念提出之后，學(xué)者們對(duì)工作滿意感的研究主要集中在尋找滿意感的構(gòu)成維度和影響滿意感的因素上。隨著研究的不斷深入，學(xué)者們對(duì)于工作滿意感影響因素的表述日益紛繁復(fù)雜。

1998年，里斯(Suzanne H．Lease)在文獻(xiàn)研究的過程中發(fā)現(xiàn)了前人主要從個(gè)體差異和工作環(huán)境特征來研究員工滿意感的影響因素，其中，個(gè)體差異主要包括性別、年齡、學(xué)歷、工作年限、婚姻狀況等等；工作環(huán)境 方面的變量有：感覺到的歧視，公正、靈活的程序及政策，工作條件，管理人員和同事的支持，感覺到的控制，晉升機(jī)會(huì)等。

在國(guó)內(nèi)，20世紀(jì)70年代以前，有關(guān)工作滿意感的研究主要“隱身”于諸多激勵(lì)理論之中；80年代以后，在理論上也沒有多少新的建樹。冉斌建立的滿意度模型中涉及5個(gè)影響員工滿意感的因素：工作回報(bào)、工作背景、工作群體、企業(yè)管理和企業(yè)經(jīng)營(yíng)。盧嘉等人認(rèn)為，工作滿意感的影響因素包括組織形象、領(lǐng)導(dǎo)因素、工作回報(bào)、工作協(xié)調(diào)和工作本身等5個(gè)方面。

2．賓館員工滿意感影響因素

在上個(gè)世紀(jì)70年代以前，很少有學(xué)者對(duì)賓館行業(yè)進(jìn)行行為科學(xué)方面的研究，對(duì)賓館員工滿意感的研究則更少。1986年莫卡等人(Connie Mok)在香港運(yùn)用JDI測(cè)量方法，研究賓館員工個(gè)體差異與員工滿意感的關(guān)系，并且從工作本身、主管管理、工資、升遷、同事等5個(gè)方面來衡量工作滿意感。研究結(jié)果表明，53％的調(diào)查對(duì)象認(rèn)為工資是影響滿意感的最重要的一個(gè)方面。2001年，拉姆(Lam)和潘尼(Pine)等人對(duì)香港賓館的管理人員從工作環(huán)境、工作本身、管理人員的自身特征、工作報(bào)酬等方面進(jìn)行實(shí)證研究。研究結(jié)果表明，工作環(huán)境、工作本身、工作報(bào)酬是影響管理人員工作滿意感的3個(gè)最重要的因素。

王華和黃燕玲在對(duì)桂林市星級(jí)飯店的員工進(jìn)行工作滿意感調(diào)查時(shí)發(fā)現(xiàn)，員工滿意感與工作年限、受教育程度、職位、所學(xué)專業(yè)、工作性質(zhì)、工作自主性、變化性、合作性和受賞識(shí)等因素有關(guān)。汪純孝等人對(duì)賓館員工滿意感的實(shí)證研究結(jié)果表明，員工工資待遇、管理人員的管理風(fēng)格、管理人員對(duì)培訓(xùn)工作的重視程度會(huì)影響員工的工作滿意感。其中，工資待遇對(duì)員工滿意感的影響最大。

三、數(shù)據(jù)收集與數(shù)據(jù)分析

(一)數(shù)據(jù)收集

根據(jù)文獻(xiàn)研究的結(jié)果和實(shí)際情況，筆者以康奈爾大學(xué)史密斯和胡林等人編制的JDI量表和相關(guān)理論為研究基礎(chǔ)，但由于這些都是40多年前的研究成果，可能不能準(zhǔn)確地測(cè)量出現(xiàn)代員工所重視的工作滿意感的影響因素。因此，在本次研究中，筆者綜合多位學(xué)者的研究成果以及對(duì)賓館員工進(jìn)行訪談的結(jié)果，添加了一些新的與時(shí)展和員工需求相關(guān)的影響因素，如賓館政策、規(guī)章制度、賓館經(jīng)營(yíng)、溝通、工作能力等，總結(jié)出40個(gè)與員工滿意感有關(guān)的變量，設(shè)計(jì)成最終調(diào)查問卷。

調(diào)查問卷由三部分組成：第一部分用于了解員工對(duì)影響工作滿意感的各個(gè)因素的評(píng)價(jià)，這一組問題采用7點(diǎn)李科特(R．A．Likert)尺度進(jìn)行測(cè)量(“1”表示非常不同意，“7”表示非常同意)，共40個(gè)問題；第二部分調(diào)查總的來說員工是否滿意，用“0”表示“否”，用“1”表示“是”；第三部分用來收集員工的個(gè)人資料。

我們?cè)趶V州的3家賓館同時(shí)發(fā)放問卷。2004年7月12日至2004年8月8日，共發(fā)放600份問卷，回收520份，回收率為86．67％；其中有效問卷453份，有效問卷回收率為75．5％。

(二)數(shù)據(jù)分析

我們使用SPSS10．0統(tǒng)計(jì)分析軟件和Matlab6．5．1軟件中的人工神經(jīng)網(wǎng)絡(luò)工具箱對(duì)有效問卷中的數(shù)據(jù)進(jìn)行了分析。

1．描述性分析

各變量的平均值和標(biāo)準(zhǔn)差統(tǒng)計(jì)結(jié)果見表1。從表1可知，除了變量Q9、Q10、Q14、Q17、Q18、Q19這6個(gè)變量之外，其他34個(gè)變量的平均值都比較高(介于4．00和5．48之間)。這表明員工對(duì)所有各考察項(xiàng)內(nèi)容的同意程度是比較高的。40個(gè)變量的標(biāo)準(zhǔn)差都比較小(介于1．29和1．98之間)，表明樣本內(nèi)部的差異程度都比較小。

因子分析的主要目的是識(shí)別隱藏在大量可觀察變量中的少數(shù)幾個(gè)潛在的、觀察不到的因子。進(jìn)行因子分析后，大量的原始觀測(cè)變量提煉成少數(shù)幾個(gè)因子，研究者就能用這些因子代替原來的觀測(cè)變量進(jìn)行進(jìn)一步的分析。

我們使用SPSS10．0統(tǒng)計(jì)分析軟件對(duì)調(diào)查問卷的第一組問題的40個(gè)變量進(jìn)行因子分析。巴特利特球體檢驗(yàn)與KMO檢驗(yàn)的結(jié)果表明，這次調(diào)查數(shù)據(jù)適合進(jìn)行因子分析(巴特利特球體檢驗(yàn)，統(tǒng)計(jì)量的值為9602．615，其對(duì)應(yīng)的相伴概率值為0．000；KMO統(tǒng)計(jì)量的值為0．887)。我們用主成分法來提取因子，然后用方差最大化正交旋轉(zhuǎn)方法進(jìn)行因子軸旋轉(zhuǎn)，得出的因子載荷矩陣(見表2)。

旋轉(zhuǎn)后的因子載荷矩陣結(jié)構(gòu)明顯表明了35個(gè)變量分別屬于8個(gè)因子。我們根據(jù)各個(gè)因子中所含有變量的共性，為各個(gè)因子進(jìn)行命名。各因子的名稱、特征值、方差貢獻(xiàn)率及累計(jì)方差貢獻(xiàn)率見表3。關(guān)于因子包含的累計(jì)方差貢獻(xiàn)率應(yīng)該達(dá)到多少才合適，沒有嚴(yán)格的標(biāo)準(zhǔn)，往往根據(jù)具體的性質(zhì)來確定，具有一定的主觀性。但一般認(rèn)為在復(fù)雜的社會(huì)科學(xué)、行為科學(xué)研究中，累計(jì)方差貢獻(xiàn)率達(dá)到60％就可以接受。本次研究中，8個(gè)因子的累計(jì)方差貢獻(xiàn)率為66．078％，大于60％。這表明因子保留了原始數(shù)據(jù)中較多的信息，因子分析的結(jié)果是可以接受的。

3．人工神經(jīng)網(wǎng)絡(luò)分析

(1)輸出值是“員工總的滿意感”的人工神經(jīng)網(wǎng)絡(luò)模型

在453個(gè)觀測(cè)樣本中，我們隨機(jī)抽取了263個(gè)作為學(xué)習(xí)樣本，剩余的190個(gè)作為預(yù)測(cè)樣本。我們采用二層BP(Error Back Proragation)神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)進(jìn)行了分析，其中輸入層結(jié)點(diǎn)(i)數(shù)為8，隱含層(第一層)結(jié)點(diǎn)(i)數(shù)為18，輸出層(第二層)節(jié)點(diǎn)數(shù)為1，即網(wǎng)絡(luò)結(jié)構(gòu)為8―18―1。模型如圖1所示。

該模型中學(xué)習(xí)樣本的預(yù)測(cè)正確率為90．49％，預(yù)測(cè)樣本的預(yù)測(cè)正確率為81．58％，模型擬合優(yōu)度是58．69％。模型中權(quán)值和b值見表4。

在本次研究所進(jìn)行的因子分析中，每個(gè)因子得分是經(jīng)過標(biāo)準(zhǔn)化的值，平均值為0，標(biāo)準(zhǔn)差為1。為了比較各個(gè)因素對(duì)員工滿意感的影響程度，筆者分別為每個(gè)因子的平均值增加一個(gè)標(biāo)準(zhǔn)差，作為該神經(jīng)網(wǎng)絡(luò)模型的輸入，即(1，0，0，0，0，0，0，0)T、(0，1，0，0，0，0，0，0)T、(0，0，1，0，0，0，0，0)T、(0，0，0，1，0，0，0，0)T、(0，0，0，0，1，0，0，0)T、(0，0，0，0，0，1，0，0)T、(0，0，0，0，0，0，1，0)T、(0，0，0，0，0，0，0，1)T，然后比較輸出值的大小。結(jié)果見表5。

通過比較輸出值的大小，筆者得出各個(gè)影響因素對(duì)賓館員工滿意感的影響程度由重要到不重要依次為：工作本身、主管管理風(fēng)格、賓館政策及實(shí)施、同事關(guān)系、賓館經(jīng)營(yíng)、個(gè)人能力發(fā)揮、培訓(xùn)與晉升、工作報(bào)酬。

(2)輸出值為“是否會(huì)繼續(xù)留在本賓館工作”的人工神經(jīng)網(wǎng)絡(luò)模型

為了預(yù)測(cè)賓館員工在未來三年內(nèi)“是否會(huì)繼續(xù)留在本賓館工作”，我們建立了人工神經(jīng)網(wǎng)絡(luò)模型，網(wǎng)絡(luò)結(jié)構(gòu)為8―18―1(模型圖略)。該模型中學(xué)習(xí)樣本的預(yù)測(cè)正確率為82．13％，預(yù)測(cè)樣本的預(yù)測(cè)正確率為72．36％，模型的擬合優(yōu)度是37．91％。

4．回歸分析

下面對(duì)數(shù)據(jù)進(jìn)行回歸分析，主要目的是與人工神經(jīng)網(wǎng)絡(luò)方法所得到的結(jié)果進(jìn)行比較。因?yàn)楸敬窝芯康囊蜃兞渴嵌诸愖兞?，故采用了Binary Logistic回歸模型對(duì)原始觀測(cè)數(shù)據(jù)進(jìn)行回歸分析。

(1)輸出值是“員工總的滿意感”的回歸分析結(jié)果(見表6)

從表6可以看出，工作報(bào)酬的P=0．617，培訓(xùn)與晉升的P=0．083，都遠(yuǎn)大于0．05，表明這兩個(gè)自變量無統(tǒng)計(jì)意義。但是，為了能夠與人工神經(jīng)網(wǎng)絡(luò)方法進(jìn)行對(duì)比，筆者還是采用強(qiáng)制方式使8個(gè)自變量全部進(jìn)入回歸模型，進(jìn)行回歸分析。

我們采用Hosmer-Lemeshao方法來檢驗(yàn)回歸模型的擬合優(yōu)度。該模型中用于建立kogistic回歸分析模型的預(yù)測(cè)正確率為82．5％，預(yù)測(cè)樣本的預(yù)測(cè)正確率為74．74％，模型的擬合優(yōu)度R2是40．55％。

(2)輸出值是“是否會(huì)繼續(xù)留在本賓館工作”的回歸分析結(jié)果

該模型也通過了各項(xiàng)檢驗(yàn)(結(jié)果略)。該模型中用于建立Iosistic回歸分析模型的預(yù)測(cè)正確率為73．80％，預(yù)測(cè)樣本的預(yù)測(cè)正確率為65．26％，模型的擬合優(yōu)度R2是22．49％。

四、討論

(一)影響員工滿意感的因素及其影響程度

1．工作本身。本次研究中，工作本身包括“工作富有挑戰(zhàn)性”、“對(duì)現(xiàn)有工作感興趣”、“工作職責(zé)規(guī)定明確”、“提供學(xué)到更多東西的機(jī)會(huì)”、“工作范圍內(nèi)有很大的決定權(quán)”和“工作成就感”等指標(biāo)。本次研究結(jié)果表明，工作本身對(duì)員工滿意感的影響最大。在赫茲伯格的雙因素理論中，工作成就感是最能使員工感到滿意的激勵(lì)因素，工作本身在其理論中也是居前三位的激勵(lì)因素。

2．主管管理風(fēng)格。主管管理風(fēng)格包括主管“愿意傾聽工作有關(guān)問題”、“征詢下屬意見”、“與下屬交流和溝通”、“客觀評(píng)價(jià)下屬的業(yè)績(jī)”、“及時(shí)給予幫助和指導(dǎo)”、“適度授予下屬權(quán)力”、“為員工利益著想”和“按照個(gè)人特點(diǎn)來安排工作”。本次研究結(jié)果表明，主管管理風(fēng)格對(duì)員工滿意感的影響程度比較大。這支持了汪純孝等人的管理人員的管理風(fēng)格會(huì)影響員工的工作滿意感的觀點(diǎn)。

3．賓館政策及實(shí)施。該影響因素主要包括4個(gè)指標(biāo)：“賓館的規(guī)章制度能夠得到有效的執(zhí)行”、“各部門職責(zé)有明確規(guī)定”、“我知道我的工資是怎么計(jì)算的”和“部門之間能定期交流和溝通”。本次研究結(jié)果表明，賓館政策及實(shí)施這個(gè)因素在對(duì)員工滿意感的影響程度上排第三位。從各個(gè)指標(biāo)的內(nèi)容來看，員工對(duì)賓館政策的有效性和與員工利益密切相關(guān)的薪酬制度的透明程度比較重視。赫茲伯格認(rèn)為，公司政策和行政管理是最主要的保健因素之一，缺乏該因素會(huì)引起員工的“不滿意”；在戴維斯和羅佛肯斯特等人開發(fā)的MSQ量表中，公司政策及實(shí)施也是影響員工滿意感的重要因素之一。

4．同事關(guān)系。本次研究中，同事關(guān)系包括“同事之間的互相幫助和鼓勵(lì)”、“工作配合默契”、“交流和溝通順暢”和“同事工作態(tài)度”。研究結(jié)果表明同事關(guān)系是賓館員工十分看重的因素之一。員工不僅是“經(jīng)濟(jì)人”，更重要地還是“社會(huì)人”，個(gè)人需要融入組織之中，獲得社交需要的滿足。根據(jù)ERG理論，賓館在滿足員工低層次生存需要的同時(shí)，更要重視高層次即關(guān)系和成長(zhǎng)的需要，因?yàn)閷?duì)高層次需要的滿足將會(huì)產(chǎn)生持久的激勵(lì)動(dòng)力。因而，營(yíng)造良好的人際關(guān)系和群體氣氛、培育員工的團(tuán)隊(duì)精神是能夠極大地調(diào)動(dòng)廣大員工積極性的。

5．賓館經(jīng)營(yíng)。該影響因素包含3個(gè)指標(biāo)：“清楚賓館經(jīng)營(yíng)狀況”、“清楚賓館遠(yuǎn)景和發(fā)展目標(biāo)”和“賓館短期經(jīng)營(yíng)目標(biāo)能夠有效的實(shí)施”。冉斌認(rèn)為企業(yè)經(jīng)營(yíng)是影響員工滿意感的因素之一。管理人員向員工說明、展示賓館遠(yuǎn)景和發(fā)展目標(biāo)，可使員工了解賓館的價(jià)值觀和今后規(guī)劃，了解自己的工作與賓館目標(biāo)之間的關(guān)系，理解自己可為賓館作出的貢獻(xiàn)，認(rèn)識(shí)自己在整個(gè)賓館運(yùn)作中所處的位置，增強(qiáng)主人翁意識(shí)，從而提高工作滿意感。賓館短期目標(biāo)能夠有效執(zhí)行，并且管理人員能夠?qū)⒔?jīng)營(yíng)情況告知基層員工，可以增強(qiáng)員工的自信心。有學(xué)者的研究結(jié)果表明，員工愿意把自己與經(jīng)營(yíng)實(shí)績(jī)優(yōu)良的企業(yè)聯(lián)系在一起，以增強(qiáng)自信心；避免將自己與經(jīng)營(yíng)實(shí)績(jī)差的企業(yè)聯(lián)系在一起，以保持已有的自信心。因此，當(dāng)企業(yè)經(jīng)營(yíng)實(shí)績(jī)?cè)絻?yōu)良時(shí)，其員工感到滿意和有良好工作表現(xiàn)的可能性越大。

6．個(gè)人能力發(fā)揮。該影響因素包括“工作起來得心應(yīng)手”和“在工作中能充分發(fā)揮自身能力”。在戴維斯和羅佛肯斯特等人開發(fā)的MSQ量表中，把個(gè)人能力發(fā)揮看作是影響員工滿意感的首要因素?？铺?JohnP．Kotter，1998)在《變革的力量》一書中指出：管理者應(yīng)努力使工作安排的性質(zhì)與個(gè)人能力的發(fā)揮相一致，把德才兼?zhèn)涞娜擞玫竭m當(dāng)?shù)暮完P(guān)鍵的位置上去。當(dāng)工作性質(zhì)和工作崗位與自己的能力相符、達(dá)到自己的期望時(shí)，員工就會(huì)感到滿意。

7．培訓(xùn)與晉升。該影。向因素包括“賓館用人提拔主要是重學(xué)歷”、“用人提拔時(shí)不是重經(jīng)驗(yàn)”、“提供的培訓(xùn)不夠系統(tǒng)深入”和“能夠看到自己的晉升前景”。拉姆(Lam)和張(Zhang)在香港對(duì)從事快餐業(yè)的員工進(jìn)行工作滿意感研究時(shí)指出，培訓(xùn)對(duì)于新進(jìn)入這個(gè)行業(yè)的員工來說是很重要的，并且在剛進(jìn)入的時(shí)候?qū)ζ溥M(jìn)行與工作有關(guān)方面的培訓(xùn)，會(huì)有很重要的激勵(lì)作用。從我們收集到的樣本情況來看，此次調(diào)查對(duì)象在賓館行業(yè)工作1年以上的占73．2％，這些員工的工作經(jīng)驗(yàn)比較豐富，而賓館能夠提供的培訓(xùn)又只是些基礎(chǔ)的東西，因此員工不是很看重賓館的培訓(xùn)。而晉升對(duì)于普通的員工來說是遙不可及的：這些員工的學(xué)歷一般較低(本次研究中有80．2％的調(diào)查對(duì)象是大專以下學(xué)歷)，而實(shí)際中賓館往往又是根據(jù)學(xué)歷，而不是根據(jù)工作經(jīng)驗(yàn)來提拔員工，因此晉升制度對(duì)于這些員工來說是虛無的，也就不予以重視。

8．工作報(bào)酬。本次研究中，工作報(bào)酬包括“部門里，不同崗位之間工資差距過大”、“與付出相比，我所得的工資太少”、“發(fā)放的績(jī)效獎(jiǎng)金合理”和“與其他同星級(jí)賓館同等職位相比，本賓館工資偏低”。本次研究結(jié)果表明，這個(gè)因素對(duì)員工滿意感影響最小，這個(gè)結(jié)果與汪純孝等人的研究結(jié)果相反。阿訥特(Dennis B Ar-nett)和拉維勒(Debra A Laverie)在一項(xiàng)研究中發(fā)現(xiàn)，員工認(rèn)為工作報(bào)酬不會(huì)影響他們的工作滿意感(報(bào)酬與滿意感之間的回歸系數(shù)不顯著)，但他們同時(shí)也認(rèn)為，這并不能說明員工不重視工作報(bào)酬這個(gè)因素，而是說明了其它因素(如對(duì)管理人員的評(píng)估等)對(duì)員工滿意感的影響更為重要。在本次研究中，衡量工作報(bào)酬的主要變量(Q9、Q10、Q14)的平均值小于均值(均值為4)，說明員工對(duì)工作報(bào)酬不滿意；但是，有60．3％(453份有效問卷中，對(duì)問題41選擇“是”答案的百分比)的員工認(rèn)為總的來說在本賓館工作是滿意的，這說明還有其它對(duì)工作滿意感的影響更重要的因素，例如工作本身、主管管理風(fēng)格等等。布魯斯(Bruce)和布萊克苯(Black-bum)的一項(xiàng)研究結(jié)果表明，經(jīng)濟(jì)因素并不會(huì)增強(qiáng)員工長(zhǎng)期性的工作滿意感。對(duì)于賓館來說，看重的應(yīng)該是員工長(zhǎng)期性的工作滿意感。

(二)兩種方法的比較

人工神經(jīng)網(wǎng)絡(luò)方法與回歸方法的比較結(jié)果如下(見表7和表8)。

從表7、表8可以得出，人工神經(jīng)網(wǎng)絡(luò)方法在模型的擬合方面和預(yù)測(cè)方面都要優(yōu)于回歸方法。而且，在使用Logistic回歸方法對(duì)兩個(gè)模型進(jìn)行數(shù)據(jù)分析時(shí)，均存在不具有統(tǒng)計(jì)意義的因子，為了與人工神經(jīng)網(wǎng)絡(luò)方法進(jìn)行對(duì)比，才采用強(qiáng)制的方法把這些因子加入回歸模型。從這個(gè)角度看，人工神經(jīng)網(wǎng)絡(luò)方法也優(yōu)于Logis-tic回歸方法。

五、研究貢獻(xiàn)與局限性

(一)研究貢獻(xiàn)

1．迄今為止，我們尚未發(fā)現(xiàn)國(guó)內(nèi)外學(xué)者用人工神經(jīng)網(wǎng)絡(luò)方法對(duì)賓館員工滿意感的影響因素進(jìn)行實(shí)證研究，因而本次研究具有填補(bǔ)空白的意義。此外，我們建立了人工神經(jīng)網(wǎng)絡(luò)模型，可供學(xué)術(shù)界進(jìn)一步深入應(yīng)用人工神經(jīng)網(wǎng)絡(luò)參考借鑒。

2．本次研究得出的8個(gè)主要影響因素多為定性評(píng)價(jià)，但對(duì)賓館來說仍有較大的參考價(jià)值，因?yàn)樵趯?shí)際中，賓館在參考實(shí)證研究的結(jié)果時(shí)并不一定需要具體的數(shù)據(jù)，而應(yīng)更注重于對(duì)各個(gè)因素的改進(jìn)和完善。因此，本次研究具有一定的實(shí)踐貢獻(xiàn)。

3．本次研究結(jié)果表明，工作本身是最能影響員工滿意感的。這些研究結(jié)果對(duì)賓館管理人員更好地管理員工、制定人力資源戰(zhàn)略、實(shí)施更有效的內(nèi)部營(yíng)銷有著重要的意義。

(二)研究的局限性

1．本次研究只調(diào)查了廣州的星級(jí)賓館，因此研究結(jié)果(例如工作報(bào)酬對(duì)滿意感的影n向較弱)是否在其它地區(qū)(例如欠發(fā)達(dá)地區(qū))也適用，還有待于進(jìn)一步檢驗(yàn)。

2．本次研究在比較人工神經(jīng)網(wǎng)絡(luò)方法和回歸分析方法時(shí)，只對(duì)模型的擬合優(yōu)度和預(yù)測(cè)正確率兩個(gè)指標(biāo)進(jìn)行了比較，沒有考慮其它的指標(biāo)。

3．在建立人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)方面，目前還沒有一個(gè)放之四海而皆準(zhǔn)的原則，故本次研究采用8―18―166模型結(jié)構(gòu)是否獲得了最佳的訓(xùn)練速度和最好的預(yù)測(cè)正確率，是否避免了過度匹配，還有待于進(jìn)一步檢驗(yàn)。

4．神經(jīng)網(wǎng)絡(luò)模型屬于黑箱模型，是利用網(wǎng)絡(luò)結(jié)構(gòu)和部分參數(shù)來反映滿意度變化與其主要影響因素之間的關(guān)系，模型的建立比較簡(jiǎn)單；神經(jīng)網(wǎng)絡(luò)模型中的參數(shù)一般沒有具體的物理意義，不能反映滿意度與其影響因素之間的物理關(guān)系。

篇4

摘要:針對(duì)電力安全事故，提出要加強(qiáng)電力安全文化建設(shè)，并指出對(duì)電力企業(yè)安全文化進(jìn)行科學(xué)、全面地評(píng)估具有重要意義。電力企業(yè)安全文化的豐富內(nèi)涵決定了電力企業(yè)安全文化評(píng)估系統(tǒng)是一個(gè)復(fù)雜的非線性系統(tǒng)，傳統(tǒng)的評(píng)估方法不易于操作和實(shí)現(xiàn)。由于人工神經(jīng)網(wǎng)絡(luò)具有良好的非線性逼近能力，為評(píng)估系統(tǒng)的實(shí)現(xiàn)提供了新的思路和方法。該系統(tǒng)從安全意識(shí)、安全價(jià)值觀、安全行為、安全現(xiàn)狀四個(gè)方面出發(fā)，確立了電力企業(yè)安全文化的評(píng)價(jià)指標(biāo)，并采用人工神經(jīng)網(wǎng)絡(luò)中的BP算法，在VisualBasic610平臺(tái)上研制開發(fā)而成。通過泛化能力測(cè)試，該系統(tǒng)具有良好的可行性和有效性，并建立模糊綜合評(píng)價(jià)模型進(jìn)行驗(yàn)證，評(píng)估結(jié)論一致。

隨著社會(huì)經(jīng)濟(jì)的進(jìn)步，電力行業(yè)正在向大電網(wǎng)、大系統(tǒng)的方向飛速發(fā)展，與之相對(duì)的電力科學(xué)技術(shù)也得到了相應(yīng)的提高和改善，但電力系統(tǒng)的安全問題始終不能更好地預(yù)測(cè)和控制。從1996年北京的“1119”停電事故到2003年8月14日的北美大停電、2005年8月18日印度尼西亞的電網(wǎng)穩(wěn)定失控，相關(guān)的法規(guī)制度和技術(shù)裝備已基本齊全，但事故卻依然還會(huì)發(fā)生。1986年4月，前蘇聯(lián)的切爾諾貝利核電站發(fā)生爆炸，從而發(fā)生極其嚴(yán)重的核泄漏事故，損失慘重。事后，在全面分析事故原因時(shí)，國(guó)際核安全組織首次提出安全文化的概念，并認(rèn)為安全文化的欠缺是導(dǎo)致這次事故的主要原因。對(duì)事故的控制實(shí)踐表明，軟對(duì)策的效果優(yōu)于硬技術(shù)。如今安全保障所缺的正是這樣一種軟對(duì)策，安全文化正是保證安全的最持久因素。安全文化是從屬于組織文化的子概念，是在市場(chǎng)經(jīng)濟(jì)發(fā)展基礎(chǔ)上形成的一種管理思想和理論，是在經(jīng)驗(yàn)主義管理、科學(xué)管理的基礎(chǔ)上逐步產(chǎn)生的，是占企業(yè)主導(dǎo)地位并為絕大部分員工所接受的一種管理理論。由此可見，加強(qiáng)電力企業(yè)的安全文化建設(shè)，有著十分重要的必要性和現(xiàn)實(shí)意義，這對(duì)電力行業(yè)乃至整個(gè)社會(huì)經(jīng)濟(jì)的穩(wěn)定發(fā)展有著深遠(yuǎn)的影響。

一、電力企業(yè)安全文化狀況需要評(píng)估

談及安全文化，人們的普遍態(tài)度是比較抽象，甚至空泛。這也恰恰反襯了某些生產(chǎn)人員安全文化意識(shí)的淡漠，凸現(xiàn)了安全文化建設(shè)的緊迫性。國(guó)家首批注冊(cè)安全工程師、安全專家徐德蜀先生曾強(qiáng)調(diào)說安全文化教育是提高全民的安全文化素質(zhì)的最深刻、最根本的方法和途徑；國(guó)家安全生產(chǎn)監(jiān)督管理局也在2002年發(fā)出倡導(dǎo):安全文化建設(shè)是預(yù)防企業(yè)事故的基礎(chǔ)性工程，對(duì)保障安全生產(chǎn)具有戰(zhàn)略性意義。電力企業(yè)安全文化的定義和內(nèi)容可以表述為:以創(chuàng)造一個(gè)安全、舒適、高效的人文環(huán)境和生產(chǎn)條件為目標(biāo)，以“以人為本”的理念為指導(dǎo)，以已有的安全生產(chǎn)經(jīng)驗(yàn)為基礎(chǔ)，以被激發(fā)出來的職工的內(nèi)在潛能為動(dòng)力，以系統(tǒng)工程思想為整合方法，使企業(yè)變?yōu)橐粋€(gè)有扎實(shí)安全基礎(chǔ)因而有市場(chǎng)競(jìng)爭(zhēng)力的實(shí)體，這是一個(gè)系統(tǒng)工程，由此而積累和創(chuàng)造的安全精神財(cái)富和安全物質(zhì)財(cái)富就是電力企業(yè)安全文化。電力企業(yè)安全文化的作用如下。a1導(dǎo)向作用。是指正確的安全生產(chǎn)的指導(dǎo)思想和健康的精神氣氛。b1激勵(lì)作用。人們?cè)侥苷J(rèn)識(shí)安全生產(chǎn)的行為的意義，就越能產(chǎn)生安全生產(chǎn)的行為的推動(dòng)力。c1凝聚作用。積極向上的安全生產(chǎn)的價(jià)值觀，信念和行為準(zhǔn)則使員工的安全行為更加自覺。d1協(xié)調(diào)作用。企業(yè)與員工、領(lǐng)導(dǎo)與員工、員工之間的利益融為一體，員工的需要與企業(yè)的安全生產(chǎn)目標(biāo)一致，部門之間相互協(xié)調(diào)。電力企業(yè)安全文化的主體平臺(tái)由安全知識(shí)、安全信仰、安全行為三大支柱構(gòu)建支撐而成，缺一不可。根據(jù)馬斯洛的需求層次理論，再結(jié)合這三大支柱的實(shí)現(xiàn)程度，電力企業(yè)的安全文化發(fā)展可分為三個(gè)階段:要我安全(被動(dòng)約束)我要安全(主動(dòng)管理)我會(huì)安全(自律完善)。通過這一過程的完成，員工在電力生產(chǎn)過程中，不僅會(huì)產(chǎn)生對(duì)生產(chǎn)對(duì)象的認(rèn)識(shí)和情感，而且還能意識(shí)到生產(chǎn)對(duì)象和生產(chǎn)過程中自我的安全，從而主動(dòng)地對(duì)不安全因素進(jìn)行改造，表現(xiàn)出一系列的安全行為，最終達(dá)到我能安全。當(dāng)前，比較系統(tǒng)的電力企業(yè)安全文化建設(shè)才剛剛起步，更是沒有形成一套科學(xué)的明確的評(píng)價(jià)方法。對(duì)電力企業(yè)的安全文化狀況進(jìn)行全面客觀地評(píng)估，就能從整體上把握電力企業(yè)的安全文化建設(shè)狀況，了解其處于安全文化發(fā)展的哪個(gè)階段，把握住企業(yè)安全文化建設(shè)進(jìn)行的廣度和深度。然后，就可以對(duì)電力企業(yè)目前的安全文化建設(shè)方案采取相對(duì)應(yīng)的改進(jìn)措施，促進(jìn)電力企業(yè)安全文化的進(jìn)一步持久發(fā)展，提高電力企業(yè)的安全文化發(fā)展水平和生產(chǎn)效率，達(dá)到和諧、穩(wěn)定、發(fā)展。

二、電力企業(yè)安全文化的評(píng)估方法

電力企業(yè)的安全文化評(píng)估是電力安全文化建設(shè)的一個(gè)重要環(huán)節(jié)。對(duì)安全文化進(jìn)行評(píng)估又不等同于一般的安全性評(píng)估，現(xiàn)有的安全評(píng)估多是從生產(chǎn)設(shè)備、作業(yè)環(huán)境、安全管理三個(gè)領(lǐng)域進(jìn)行，還沒有更廣地涉及到安全文化的領(lǐng)域。進(jìn)行電力安全文化評(píng)估必須要遵循科學(xué)性、實(shí)際性和全面性的原則。安全文化內(nèi)涵豐富，它的基本要素包括安全生產(chǎn)價(jià)值觀、安全生產(chǎn)信念、安全生產(chǎn)行為準(zhǔn)則、安全生產(chǎn)行為方式、安全生產(chǎn)物質(zhì)表現(xiàn)、安全生產(chǎn)形象等，進(jìn)而還可以再細(xì)分解成眾多的構(gòu)成部分。根據(jù)電力安全文化的特點(diǎn)，本文從安全意識(shí)、安全價(jià)值觀、安全行為、安全現(xiàn)狀四個(gè)方面出發(fā)，對(duì)某大型電力企業(yè)下屬的9個(gè)不同電廠進(jìn)行了問卷調(diào)查作為評(píng)估的取樣，問卷設(shè)計(jì)過程采用專家談話法，將安全文化的四個(gè)方面又更深入地分解成為500個(gè)小方面，做到了層層分解、細(xì)致分解、完全分解。進(jìn)行安全文化評(píng)估可采用的方法有以下幾種。a1目標(biāo)管理法。確定安全文化建設(shè)所要達(dá)到的目標(biāo)，對(duì)照目標(biāo)對(duì)安全文化建設(shè)效果進(jìn)行評(píng)價(jià)，看是否達(dá)到或在何種程度上達(dá)到了預(yù)期的目標(biāo)。b1“知行”統(tǒng)一法。既看員工在安全意識(shí)和安全技能上了解的知識(shí)狀況，又看其在安全實(shí)踐中的行為表現(xiàn)。c1過程分析法。把安全文化建設(shè)的效果放在一個(gè)發(fā)展的過程中來考察，從發(fā)展的趨勢(shì)、長(zhǎng)遠(yuǎn)的時(shí)效來看待效果。d1比較鑒別法。通過比較對(duì)照來考察企業(yè)安全文化建設(shè)的效果?？v向的比較就是把同一對(duì)象在參加某項(xiàng)安全建設(shè)活動(dòng)前后的情況加以對(duì)比，橫向的比較就是在不同的主體間進(jìn)行比較。e1個(gè)體評(píng)價(jià)和群體評(píng)價(jià)法。對(duì)安全文化建設(shè)在個(gè)體和群體中產(chǎn)生的效應(yīng)分別作出評(píng)價(jià)和估量。f1單項(xiàng)評(píng)價(jià)和綜合評(píng)價(jià)法。安全文化建設(shè)的諸多效果之間既有獨(dú)立性又相互聯(lián)系。以上對(duì)電力企業(yè)的安全文化評(píng)估方法均行之有效，但考慮到安全文化的內(nèi)容豐富，評(píng)估結(jié)果和評(píng)價(jià)元素之間存在復(fù)雜的非線性關(guān)系，上述評(píng)估方法在實(shí)際操作中有的過于簡(jiǎn)單，考慮不夠全面，致使各評(píng)價(jià)指標(biāo)欠缺準(zhǔn)確性，有的稍顯主觀，客觀性不足，作出的評(píng)估結(jié)論不夠科學(xué)；有的不具有明顯的可比性，不能形成明確的概念；有的過于復(fù)雜，不便于操作，難以廣泛推廣。

三、人工神經(jīng)網(wǎng)絡(luò)原理

電力安全文化的豐富內(nèi)涵和評(píng)價(jià)元素的多樣性決定了這一評(píng)價(jià)系統(tǒng)會(huì)是一個(gè)復(fù)雜的非線性系統(tǒng)，評(píng)價(jià)起來不易實(shí)現(xiàn)。近年來迅速發(fā)展起來的人工神經(jīng)網(wǎng)絡(luò)(Artifi2cialNeuralNetwork，ANN)具有學(xué)習(xí)功能、聯(lián)想記憶功能、非線性分布式并行信息處理功能，具有很強(qiáng)的非線性逼近能力，為電力企業(yè)安全文化評(píng)估系統(tǒng)的實(shí)現(xiàn)提供了新的思路和方法。人工神經(jīng)網(wǎng)絡(luò)是由大量處理單元廣泛互連而成的網(wǎng)絡(luò)，是對(duì)人腦的抽象、簡(jiǎn)化和模擬，反映人腦的基本特征，是根植于神經(jīng)科學(xué)、數(shù)學(xué)、統(tǒng)計(jì)學(xué)、物理學(xué)、計(jì)算機(jī)科學(xué)及工程等學(xué)科的一種技術(shù)。BP網(wǎng)絡(luò)(BackPropagationNetwork，BPNet2work)是神經(jīng)網(wǎng)絡(luò)的重要模型之一，由于其克服了簡(jiǎn)單感知器所不能解決的XOR等問題而得到了廣泛應(yīng)用。本評(píng)估系統(tǒng)采用的是三層BP網(wǎng)絡(luò)(輸入層、隱層、輸出層)。激發(fā)函數(shù)采用非線性連續(xù)可導(dǎo)的Sigmoid函數(shù):f(x)=11+e-x假設(shè)共有k個(gè)輸入樣本，每個(gè)樣本的網(wǎng)絡(luò)期望輸出和實(shí)際輸出的偏差為Ek=∑q(ykt-ckt)2/2式中:ykt為期望輸出，ckt為實(shí)際輸出。輸入層和隱層之間權(quán)值為wij，隱層和輸出層之間的權(quán)值為vjt，BP算法中權(quán)值的修正量與誤差對(duì)權(quán)值的偏微分成正比:Δvjt=α9Ek9vjtΔwij=β9Ek9wij展開可得:Δvjt=αdktbkjΔwij=βekjαki其中:bkj=f(skj)skj=∑ni=1wijαki+ojdkt=(ykt-ckt)ckt(1-ckt)ckt=f(lkt)lkt=∑pj=1vjtbkj+rtekj=(∑qt=1dkjvjt)bkj(1-bkj)式中:αki是各輸入樣本，oj是隱層各神經(jīng)元的閾值，rt是輸出層各神經(jīng)元的閾值。同理，可推導(dǎo)出閾值的修正量:Δrt=αdkt，Δoj=βekjk個(gè)輸入樣本的全局誤差為E=∑mk=1Ek當(dāng)全局誤差滿足給定的精度要求E<ε時(shí)，學(xué)習(xí)過程結(jié)束?；诖薆P算法，在VisualBasic610平臺(tái)上研制開發(fā)了電力企業(yè)安全文化評(píng)價(jià)系統(tǒng)，其中BP算法的流程。

四、網(wǎng)絡(luò)訓(xùn)練需要考慮的問題

411評(píng)價(jià)指標(biāo)的確立將安全文化的評(píng)估內(nèi)容劃分為安全意識(shí)、安全價(jià)值觀、安全行為、安全現(xiàn)狀四大方面，其下又分解為500個(gè)小的組成元素，這些小元素即為調(diào)查問卷的答案選項(xiàng)。取9個(gè)電廠中的6個(gè)作為訓(xùn)練樣本，3個(gè)作為待檢測(cè)樣本。將6個(gè)電廠的員工對(duì)這些選項(xiàng)所做的答案作為BP網(wǎng)絡(luò)的輸入元素進(jìn)行評(píng)測(cè)訓(xùn)練。為此，將員工對(duì)這500個(gè)備選選項(xiàng)的答案全部統(tǒng)計(jì)成百分比的形式，實(shí)現(xiàn)了評(píng)測(cè)指標(biāo)的標(biāo)準(zhǔn)化。412網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)定基于確立的評(píng)價(jià)指標(biāo)，設(shè)定BP網(wǎng)絡(luò)的輸入節(jié)點(diǎn)為500個(gè)。因?yàn)槿龑拥纳窠?jīng)網(wǎng)絡(luò)可以任意精度地逼近任意的連續(xù)函數(shù)，所以評(píng)價(jià)系統(tǒng)只采用了一個(gè)隱層，經(jīng)過多次實(shí)驗(yàn)網(wǎng)絡(luò)的收斂情況，設(shè)定隱層的節(jié)點(diǎn)數(shù)為14個(gè)。輸出節(jié)點(diǎn)設(shè)定了3個(gè)，輸出范圍分別在0和1之間。BP網(wǎng)絡(luò)的各個(gè)初始權(quán)值和初始閾值隨機(jī)確定，學(xué)習(xí)速率取為016，網(wǎng)絡(luò)的全局誤差設(shè)定為0101。413學(xué)習(xí)過程中系統(tǒng)的調(diào)整為了能更精確地計(jì)算梯度向量，使誤差收斂條件簡(jiǎn)單化，輸入樣本時(shí)可以采取批處理方式，讓組成一個(gè)訓(xùn)練周期的全部樣本都輸入給網(wǎng)絡(luò)之后，再用總的平均誤差作為目標(biāo)函數(shù)來調(diào)整權(quán)值和閾值。

五、訓(xùn)練過程及結(jié)果

將選用的6個(gè)電廠的問卷答案作為輸入樣本訓(xùn)練網(wǎng)絡(luò)，輸入指標(biāo)值構(gòu)成了一個(gè)6×500階輸入向量矩陣。再采用非神經(jīng)網(wǎng)絡(luò)的安全文化評(píng)價(jià)方法對(duì)這些問卷答案進(jìn)行專家分析，給出評(píng)價(jià)，并作為有導(dǎo)師向?qū)У腂P網(wǎng)絡(luò)的期望輸出，構(gòu)成輸出向量:E=(e1，e2，e3，e4，e5，e6)T=100100010010001001其中(1，0，0)代表電廠的安全文化已處于了高級(jí)階段，(0，1，0)代表電廠的安全文化處于中級(jí)階段，(0，0，1)代表電廠的安全文化還處于較初級(jí)階段。訓(xùn)練結(jié)束后，保存權(quán)值和閾值。正向測(cè)試，可得到BP網(wǎng)絡(luò)的實(shí)際輸出值:F=(f1，f2，f3，f4，f5，f6)T=019820115701163019940113701118011360196901125011720198501164011450115301928011180112901953對(duì)照E和F發(fā)現(xiàn)，BP網(wǎng)絡(luò)得到的結(jié)果跟事前的期望值基本保持一致，可見所設(shè)計(jì)的電力企業(yè)安全文化評(píng)估系統(tǒng)能夠反映企業(yè)的實(shí)際情況。將另3個(gè)電廠的指標(biāo)數(shù)據(jù)輸入到系統(tǒng)中來驗(yàn)證網(wǎng)絡(luò)的泛化能力，得到結(jié)果為F=(f7，f8，f9)T=011720190301096010990114501925011610112601977電廠7處于安全文化發(fā)展的中級(jí)階段，電廠8處于初級(jí)階段，電廠9處于初級(jí)階段。結(jié)果表明，所應(yīng)用的BP神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)后具有存儲(chǔ)經(jīng)驗(yàn)并進(jìn)行判斷的專家功能。為了更進(jìn)一步驗(yàn)證該BP網(wǎng)絡(luò)的判斷功能的準(zhǔn)確性，構(gòu)造了一個(gè)模糊綜合判斷模型，采用相同的樣本來對(duì)這3個(gè)電廠進(jìn)行安全文化狀況的評(píng)估?？紤]到電力企業(yè)安全文化內(nèi)涵的豐富性和復(fù)雜性，在進(jìn)行具體評(píng)估時(shí)依然采用四個(gè)一級(jí)指標(biāo)來反映(安全意識(shí)指標(biāo)、安全價(jià)值觀指標(biāo)、安全行為指標(biāo)、安全現(xiàn)狀指標(biāo))，將問卷中的500個(gè)答案選項(xiàng)(對(duì)安全文化的影響因素)，按照對(duì)四個(gè)一級(jí)指標(biāo)的屬性進(jìn)行分類歸屬，作為模糊評(píng)估模型的二級(jí)評(píng)價(jià)指標(biāo)。將3個(gè)電廠各一級(jí)指標(biāo)下的二級(jí)指標(biāo)屬性值矩陣轉(zhuǎn)換成下列矩陣形式:A(i)=A1(i)，A2(i)，A3(i)=a11(i)a12(i)a13(i)a21(i)a22(i)a23(i)………an1(i)an2(i)an3(i)(i=1，2，3，4)n個(gè)屬性值的權(quán)系數(shù)值集為B(i)=(b1(i)，b2(i)，b3(i)，…，bn(i))(i=1，2，3，4)其中各權(quán)系數(shù)值由專家直接給出，并經(jīng)過歸一化處理而得到。通過運(yùn)用廣義的Fuzzy算子，可計(jì)算得到二級(jí)評(píng)價(jià)指標(biāo)上的模糊綜合評(píng)價(jià)集為R(i)=B(i)•A(i)=(r1(i)，r2(i)，r3(i))(i=1，2，3，4)將得到的R(i)作為更高一層的評(píng)價(jià)矩陣行，采用相同的算法，逐層進(jìn)行評(píng)價(jià)，最終可得到模糊綜合評(píng)價(jià)結(jié)果集:R=B•A=(r1，r2，r3)經(jīng)過專家分析，該模型的模糊綜合評(píng)價(jià)值的結(jié)果范圍同安全文化所處階段的關(guān)系為高級(jí)階段[01666，1]中級(jí)階段[01333，01666]初級(jí)階段[0，01333]通過實(shí)驗(yàn)，可得到這3個(gè)電廠的模糊綜合評(píng)價(jià)值為R=(016251，012978，013152)數(shù)據(jù)證明，3個(gè)電廠在模糊綜合判斷模型下進(jìn)行的安全文化評(píng)估同采用BP神經(jīng)網(wǎng)絡(luò)所得到的評(píng)估結(jié)論相同。

篇5

摘 要：隨著現(xiàn)代生活水

>> 淺談室內(nèi)環(huán)境檢測(cè)與居住舒適度的評(píng)判 室內(nèi)環(huán)境舒適度與能源消耗調(diào)查 基于SBR/Image方法室內(nèi)環(huán)境電波傳播特性的研究 室內(nèi)環(huán)境檢測(cè)及凈化方法研究 醫(yī)院室內(nèi)環(huán)境的設(shè)計(jì)研究 對(duì)室內(nèi)環(huán)境檢測(cè)的研究 基于積極教育理念的小學(xué)室內(nèi)環(huán)境設(shè)計(jì)方法探究 打造室內(nèi)環(huán)境　舒適和諧之家 基于云計(jì)算的室內(nèi)環(huán)境監(jiān)測(cè)系統(tǒng)的研究 基于情感需求的室內(nèi)環(huán)境設(shè)計(jì)研究 淺談室內(nèi)環(huán)境色彩設(shè)計(jì)方法 室內(nèi)環(huán)境質(zhì)量及其檢測(cè)方法 探析室內(nèi)環(huán)境評(píng)價(jià)方法現(xiàn)狀 室內(nèi)環(huán)境安全性設(shè)計(jì)研究 甲醛室內(nèi)環(huán)境檢測(cè)采樣布點(diǎn)研究 室內(nèi)環(huán)境檢測(cè)能力驗(yàn)證工作研究 酒店室內(nèi)環(huán)境裝飾設(shè)計(jì)研究 室內(nèi)環(huán)境防治與檢測(cè)問題研究 幼兒園室內(nèi)環(huán)境創(chuàng)設(shè)研究 一種基于物聯(lián)網(wǎng)的室內(nèi)環(huán)境監(jiān)測(cè)系統(tǒng)研究 常見問題解答 當(dāng)前所在位置：.

[2] 褚毅.室內(nèi)空氣環(huán)境及污染問題分析與研究[D].長(zhǎng)春：吉林大學(xué)，2006.

[3] 楊鴻翥.基于GA_BP的住宅室內(nèi)空氣品質(zhì)評(píng)價(jià)研究[D].武漢：華中科技大學(xué)，2007.

[4] 趙博，連之偉，周湘江.基于神經(jīng)網(wǎng)絡(luò)的室內(nèi)熱舒適評(píng)判模型[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2003，35（12）：1436-1438.

[5] 許紅波，端木琳，金權(quán)，等.基于BP神經(jīng)網(wǎng)絡(luò)的過渡環(huán)境熱舒適評(píng)判模型[J].建筑熱能通風(fēng)空調(diào)，2011，30（4）：28-31.

篇6

人類頂尖圍棋選手竟然輸給了計(jì)算機(jī)，一時(shí)之間，引發(fā)輿論熱議，關(guān)于人工智能的討論不斷引爆人們的眼球。

實(shí)際上，這并非歷史上第一次人機(jī)大戰(zhàn)。自從1956年“人工智能”這一概念被提出來后，人和計(jì)算機(jī)之間就有過數(shù)次博弈，每一次博弈，都見證了人工智能的跨越發(fā)展。

“硬算高手”深藍(lán)

1996年，卡斯帕羅夫與IBM超級(jí)國(guó)際象棋計(jì)算機(jī)RS/6000 SP（即“深藍(lán)”）展開對(duì)決。經(jīng)過一個(gè)多星期的PK，卡斯帕羅夫最終贏得比賽，但深藍(lán)也在比賽中取勝一局，這是電腦首次在世界錦標(biāo)賽中單局戰(zhàn)勝世界冠軍。

此前，卡斯帕羅夫是國(guó)際象棋英杰榜上的NO.1，自1985年成為世界冠軍后，11年間，他一直打遍天下無敵手。

賽后，卡斯帕羅夫說：“我能感覺，甚至能‘聞到’桌子對(duì)面是一位高智慧的選手?！钡J(rèn)為，深藍(lán)所擁有的只是一種“畸形的智能”，效率低且缺少韌性。他甚至預(yù)言：計(jì)算機(jī)如果要打敗人類棋手，至少要等到2010年！

言猶在耳，然而僅僅一年后，他便以2負(fù)1勝3平被深藍(lán)升級(jí)版打敗。

“這是人工智能發(fā)展史上的一個(gè)里程碑?！辟惡?，德國(guó)人工智能研究中心負(fù)責(zé)人登格爾如是評(píng)價(jià)。

創(chuàng)造這個(gè)“里程碑”記錄的深藍(lán)升級(jí)版，重1270公斤，有32個(gè)“大腦”（微處理器），其計(jì)算能力當(dāng)時(shí)在全球超級(jí)計(jì)算機(jī)中排名第259。比賽前，IBM研發(fā)小組向深藍(lán)輸入了100年來所有國(guó)際特級(jí)大師開局和殘局的200多萬局下法。

深藍(lán)取勝的法寶，是依靠強(qiáng)大的計(jì)算能力窮舉所有路數(shù)，并選擇最佳策略――深藍(lán)每秒可運(yùn)算2億步，靠硬算可預(yù)判12步，卡斯帕羅夫只能預(yù)判10步――所謂兵貴神速，深藍(lán)的獲勝也就不那么讓人意外了。

當(dāng)然，深藍(lán)取勝還有另一個(gè)秘訣――每場(chǎng)對(duì)局結(jié)束后，IBM研發(fā)小組都會(huì)根據(jù)卡斯帕羅夫的下棋情況相應(yīng)地修改深藍(lán)的參數(shù)，深藍(lán)雖然不會(huì)思考，但這實(shí)際上起到了“強(qiáng)迫”它學(xué)習(xí)的作用。這種“被動(dòng)學(xué)習(xí)”的方式，讓深藍(lán)不斷強(qiáng)化了對(duì)對(duì)手的了解并最終獲勝。

在深藍(lán)問世之前，“人工智能之父”圖靈在1950年曾提出衡量計(jì)算機(jī)智能水平的“圖靈測(cè)試”――如果一個(gè)具有正常思維的人C使用正常人能理解的語(yǔ)言，去詢問一面墻后的兩個(gè)看不見的對(duì)象A和B任意問題，對(duì)象中A是機(jī)器、B是人，如果經(jīng)過若干詢問以后，C不能在實(shí)質(zhì)上區(qū)別A與B的不同，便意味著機(jī)器A通過了圖靈測(cè)試。

雖然，深藍(lán)并沒有進(jìn)行圖靈測(cè)試，但它在人機(jī)大戰(zhàn)中的勝利，至少意味著計(jì)算機(jī)已經(jīng)向著智能化發(fā)展邁出了重要一步。

“百曉生”沃森

2011年2月14至16日，深藍(lán)獲勝4年后，又一次人機(jī)大戰(zhàn)在其同門師弟“沃森”與人類冠軍之間展開。當(dāng)時(shí)，沃森參加美國(guó)老牌智力問答節(jié)目《危險(xiǎn)邊緣》，并與該節(jié)目最高獎(jiǎng)金得主布拉德?魯特爾和連勝紀(jì)錄保持者肯?詹寧斯展開了一場(chǎng)萬眾矚目的人機(jī)智力大賽。

《危險(xiǎn)邊緣》采取三人競(jìng)答方式進(jìn)行，通常以答案形式提供各種線索，參賽者必須以問題的形式做出簡(jiǎn)短正確的回答。因而參賽者需具備歷史、文學(xué)、藝術(shù)、科技、體育、地理、政治及流行文化等知識(shí)，還得會(huì)解析隱晦含義、反諷與謎語(yǔ)等，而普通電腦并不擅長(zhǎng)進(jìn)行這類“深度問答”。

在比賽中，沃森表現(xiàn)極為突出，盡管在“回答”問題時(shí)，它的互聯(lián)網(wǎng)功能被中斷，只能“自己想”――從內(nèi)存的資料中尋找并組合答案，它卻總是能在3秒內(nèi)迅速作答，還能分析出題目線索中的微妙含義、諷刺口吻及謎語(yǔ)等。此外，它還能根據(jù)比賽獎(jiǎng)金的數(shù)額、自己的比分與對(duì)手的差距、自己擅長(zhǎng)的題目領(lǐng)域來“自主決定”是否要搶答某一題。最終，沃森以77147分的總成績(jī)輕松獲勝。

那么，沃森為什么這么聰明？

首先，沃森“肚里有貨”――它內(nèi)存了2億頁(yè)數(shù)據(jù)，各種百科全書、詞典、新聞、維基百科的全部?jī)?nèi)容以及其他可以建立知識(shí)庫(kù)的參考材料都被它“收入囊中”，堪稱是計(jì)算機(jī)領(lǐng)域的“百曉生”。

其次，它能“秒讀萬冊(cè)”――它由90臺(tái)IBM服務(wù)器（相當(dāng)于90個(gè)“大腦”）、360個(gè)芯片驅(qū)動(dòng)組成，每秒能處理500GB的數(shù)據(jù)，相當(dāng)于1秒閱讀100萬本書。 01 2016年3月，阿爾法狗與李世石之間展開人機(jī)大戰(zhàn)。 02 對(duì)人工智能來說，愛是一種可以被特征化的程序，但它卻不可能像人一樣非理性地愛得死去活來、魂縈夢(mèng)牽。 03 分辨貓和狗，從閱讀或娛樂中獲取快樂，擁有愛或恨……這些問題能讓計(jì)算機(jī)分分鐘死機(jī)。

最重要的是，沃森還會(huì)“深度問答”――這一法寶是IBM研發(fā)團(tuán)隊(duì)為它量身定制的，該技術(shù)賦予了它較高的自然語(yǔ)言理解能力。在拿到一個(gè)問題后，依靠?jī)?nèi)置的100多種算法，沃森會(huì)在3秒內(nèi)解析問題并檢索數(shù)百萬條信息，包括語(yǔ)法語(yǔ)義分析、對(duì)各個(gè)知識(shí)庫(kù)進(jìn)行搜索、提取備選答案、對(duì)備選答案證據(jù)的搜尋、對(duì)證據(jù)強(qiáng)度的計(jì)算和綜合等。

比如，當(dāng)被問及“哥倫比亞廣播公司《60分鐘》節(jié)目首次播出時(shí)，當(dāng)時(shí)的美國(guó)總統(tǒng)是誰(shuí)”，“沃森”首先會(huì)對(duì)“首次播出”進(jìn)行語(yǔ)言理解，然后檢索出《60分鐘》節(jié)目首次播出的日期，之后再成功搜索出當(dāng)時(shí)的美國(guó)總統(tǒng)。

在取得這場(chǎng)眾所矚目的勝利后，沃森開始向醫(yī)療衛(wèi)生業(yè)進(jìn)軍。在美國(guó)，機(jī)器人醫(yī)生沃森從2011年就開始坐診，通過詢問病人的病征、病史，對(duì)患者的個(gè)性化數(shù)據(jù)、大量病例和醫(yī)療文獻(xiàn)進(jìn)行“學(xué)習(xí)”，它能迅速提出最佳診療方案，診斷準(zhǔn)確率甚至高達(dá)73%。

從深藍(lán)到沃森，從硬算能力到自然語(yǔ)言理解能力，從“被動(dòng)學(xué)習(xí)”到“深度問答”， 計(jì)算機(jī)的“智能”向前邁進(jìn)了一大步。

自學(xué)成才的“學(xué)霸”阿爾法狗

圍棋一直被看作是人類最后的智力競(jìng)技高地，據(jù)估算，圍棋的可能下法數(shù)量多達(dá)10的171次方。這個(gè)數(shù)字，甚至遠(yuǎn)遠(yuǎn)高于可觀測(cè)宇宙中的原子總數(shù)（該總數(shù)為10的80次方）。

因此，人們普遍認(rèn)為計(jì)算機(jī)無法在類似圍棋這樣高度復(fù)雜的項(xiàng)目比賽中戰(zhàn)勝人類，但2016年阿爾法狗與李世石的人機(jī)大戰(zhàn)，顛覆了這一認(rèn)知。

阿爾法狗之所以能取勝，法寶就在于它的核心系統(tǒng)屬于“深度學(xué)習(xí)”。

“深度學(xué)習(xí)”是時(shí)下最火的一種基于神經(jīng)網(wǎng)絡(luò)的模擬人腦的神經(jīng)網(wǎng)絡(luò)，它通過模仿人腦的機(jī)制來解釋數(shù)據(jù)，例如圖像、聲音和文本等。

為了讓計(jì)算機(jī)學(xué)會(huì)像人一樣“思考”，一個(gè)重要的條件是：它必須擁有計(jì)算速度可媲美人腦的高性能計(jì)算集群，來快速完成海量數(shù)據(jù)的“學(xué)習(xí)”。而在這方面，阿爾法狗不聯(lián)網(wǎng)時(shí)的“單機(jī)版”性能至少是當(dāng)年“深藍(lán)”的1000倍。

為了使阿爾法狗變得更“聰明”，谷歌還專門為其設(shè)計(jì)了兩個(gè)神經(jīng)網(wǎng)絡(luò)，其中，“策略網(wǎng)絡(luò)”會(huì)根據(jù)棋局選擇下一步走法；“價(jià)值網(wǎng)絡(luò)”會(huì)在下子后分析對(duì)手會(huì)怎么走，并預(yù)測(cè)進(jìn)行數(shù)值性的估計(jì)。

比賽前，阿爾法狗“深度學(xué)習(xí)”用了人類圍棋高手對(duì)弈的3000萬局圍棋走法進(jìn)行“自我對(duì)弈”訓(xùn)練，并進(jìn)行大規(guī)模的數(shù)據(jù)運(yùn)算，這些運(yùn)算用了兩三千個(gè)CPU。對(duì)人來說，如此大規(guī)模的運(yùn)算訓(xùn)練，即使每局只要15分鐘，可能也要800多年才能下完，阿爾法狗的運(yùn)算能力之強(qiáng)由此可見一斑。

此外，阿爾法狗還能自行研究新戰(zhàn)略，在它的神經(jīng)網(wǎng)絡(luò)之間運(yùn)行數(shù)千局圍棋，利用反復(fù)試驗(yàn)調(diào)整連接點(diǎn)，這個(gè)流程也稱為“鞏固學(xué)習(xí)”。因此，阿爾法狗的“逆天”棋藝并不是開發(fā)者教給他的，而是“自學(xué)成才”。從這個(gè)意義上來說，阿爾法狗堪稱是計(jì)算機(jī)中的“學(xué)霸”。

人工智能，還有多遠(yuǎn)？

阿爾法狗的勝利，很大程度上體現(xiàn)了近年來人工智能領(lǐng)域“深度學(xué)習(xí)”技術(shù)的快速提升。特別是隨著GPU圖形處理器、超級(jí)計(jì)算機(jī)、云計(jì)算和大數(shù)據(jù)的迅猛發(fā)展，“深度學(xué)習(xí)”如同火箭升空般飛速發(fā)展。早在2011年，谷歌用1000臺(tái)機(jī)器、16000個(gè)CPU處理的“深度學(xué)習(xí)”模型就已經(jīng)有了10億個(gè)神經(jīng)元――當(dāng)然，這仍遠(yuǎn)遠(yuǎn)低于人腦100億～10000億個(gè)的神經(jīng)元總數(shù)。

現(xiàn)在，“深度學(xué)習(xí)”技術(shù)在語(yǔ)音識(shí)別、計(jì)算機(jī)視覺、語(yǔ)言翻譯等領(lǐng)域，都戰(zhàn)勝了傳統(tǒng)的機(jī)器學(xué)習(xí)方法，甚至在人臉驗(yàn)證、圖像分類上還超過了人類的識(shí)別能力。專家預(yù)計(jì)，在不久的將來，我們甚至可以在手機(jī)上運(yùn)行像人腦一樣復(fù)雜的“深度學(xué)習(xí)”神經(jīng)網(wǎng)絡(luò)。

那么，這是否意味著計(jì)算機(jī)已經(jīng)和人一樣“聰明”了？

答案是否定的！

因?yàn)樵诟鼜?fù)雜的認(rèn)知層面，例如對(duì)于語(yǔ)言和圖像的深度理解、邏輯推演、情感選擇等方面，計(jì)算機(jī)距離人類還有很大差距。

比如說，對(duì)普通人而言，分辨貓和狗，從閱讀或娛樂中獲取快樂，分辨愛或恨、激動(dòng)或憤怒，都是很尋常的事情，但對(duì)計(jì)算機(jī)而言，這些問題會(huì)讓它分分鐘死機(jī)。

舉個(gè)例子，當(dāng)你和朋友一起外出就餐時(shí)，兩人都搶著買單。對(duì)于這種推搡的過程，計(jì)算機(jī)很難準(zhǔn)確判斷出這是為了買單的友善行為，還是惡意的爭(zhēng)執(zhí)。更進(jìn)一步來說，計(jì)算機(jī)也許可以根據(jù)人的面部表情和肢體動(dòng)作，在一定程度上辨別出人的喜怒哀樂等情緒，但對(duì)于人類的那種“只可意會(huì)，不可言傳”的情感，在進(jìn)行辨識(shí)時(shí)，它就只能交“白卷”了。

篇7

1、首先打開趣頭條APP，切換到“任務(wù)”頁(yè)面。

2、然后向下滑動(dòng)屏幕，即可看到“走路賺金幣”選項(xiàng)。用戶點(diǎn)擊該選項(xiàng)后，頁(yè)面就會(huì)顯示當(dāng)天的行走步數(shù)。一般情況下，50步數(shù)等于1金幣，連續(xù)兌換7天就會(huì)有500金幣。

“趣頭條”是一款上?；治幕瘋鞑ビ邢薰鹃_發(fā)的APP。團(tuán)隊(duì)致力通過大數(shù)據(jù)算法和云計(jì)算等技術(shù)，為用戶提供內(nèi)容及服務(wù)。趣頭條致力于打造一款新形式的資訊閱讀軟件，以平臺(tái)、媒體和共贏的方式。以移動(dòng)應(yīng)用為載體進(jìn)行內(nèi)容創(chuàng)造、資訊閱讀，提供更多有用、有趣、有益的內(nèi)容給大家。

篇8

關(guān)鍵詞:學(xué)習(xí)策略;策略培訓(xùn);聯(lián)結(jié)主義

中圖分類號(hào):H0 文獻(xiàn)標(biāo)志碼:A 文章編號(hào):1673-291X(2010)05-0224-03

一、學(xué)習(xí)策略的定義與分類

不同的學(xué)者從不同的角度為學(xué)習(xí)策略下定義。Stern(1983)指出,學(xué)習(xí)策略是語(yǔ)言學(xué)習(xí)者采用方法的總的傾向和總體特征。Rubin(1987) 則認(rèn)為,學(xué)習(xí)策略是指有助于學(xué)習(xí)者自我建構(gòu)的語(yǔ)言發(fā)展的策略。Weinstein 和Mayer(1986:35)從認(rèn)知心理學(xué)的角度定義學(xué)習(xí)策略為:學(xué)習(xí)語(yǔ)言時(shí)的做法或想法,這些做法或想法旨在影響學(xué)習(xí)者的編碼過程。Oxford(1990)把學(xué)習(xí)策略定義為:學(xué)習(xí)者為促進(jìn)習(xí)得,儲(chǔ)存、提取和使用信息而采用的手段。她強(qiáng)調(diào)學(xué)習(xí)策略使用的目的是“提高學(xué)習(xí)者的語(yǔ)言能力水平、自信心和積極性?！辈⑶艺J(rèn)為“語(yǔ)言學(xué)習(xí)策略是以解決問題為導(dǎo)向的,語(yǔ)言學(xué)習(xí)策略是可以經(jīng)由傳授而獲得的”。綜上所述,學(xué)習(xí)策略是指學(xué)習(xí)者在學(xué)習(xí)語(yǔ)言時(shí)的做法和想法,是以發(fā)展語(yǔ)言能力為目的的,可以大大提高學(xué)習(xí)者學(xué)習(xí)語(yǔ)言的積極性和主動(dòng)性。

不僅在學(xué)習(xí)策略的定義上有不同的意見,在對(duì)策略的分類上同樣存在不同的看法。Oxford(1990)把策略分為直接策略和間接策略。而O Malley 和Chamot(1990)根據(jù)信息處理的理論把策略分為“元認(rèn)知策略,認(rèn)知策略和社會(huì)/情感策略三種”。Cohen(1998)又根據(jù)策略運(yùn)用的目的,把學(xué)習(xí)策略分為學(xué)習(xí)語(yǔ)言的策略和運(yùn)用語(yǔ)言的策略兩大類。國(guó)內(nèi)的學(xué)者文秋芳(1993)把策略分為管理策略和語(yǔ)言學(xué)習(xí)策略。并且認(rèn)為語(yǔ)言學(xué)習(xí)策略具有學(xué)科的獨(dú)特性,只適用于語(yǔ)言學(xué)習(xí),而管理策略則具有跨學(xué)科、跨專業(yè)、跨時(shí)空的特性,具有遷移性。管理策略相當(dāng)于O’Malley 和Chamot的元認(rèn)知策略和社會(huì)/情感策略;語(yǔ)言學(xué)習(xí)策略相當(dāng)于認(rèn)知策略。

二、策略培訓(xùn)的認(rèn)知理論基礎(chǔ)

1.信息處理理論認(rèn)為,學(xué)習(xí)就是從對(duì)知識(shí)的控制階段向自動(dòng)階段過渡的過程。在二語(yǔ)學(xué)習(xí)過程中,學(xué)習(xí)者首先借助于控制的過程,這個(gè)控制的階段要求學(xué)習(xí)者付出大量的注意力,這個(gè)階段會(huì)受到短期記憶有限空間的限制,通過不斷的刺激和激活,控制的階段逐漸向自動(dòng)的階段轉(zhuǎn)化。自動(dòng)化的程序在長(zhǎng)期記憶中是以單元的形式儲(chǔ)存的。當(dāng)知識(shí)自動(dòng)化之后,學(xué)習(xí)者需要付出很少的注意力。當(dāng)需要這些自動(dòng)化的知識(shí)時(shí),它們會(huì)被很快激活。一旦知識(shí)或技能自動(dòng)化之后,很難在記憶中清除或改變。學(xué)習(xí)被認(rèn)為是通過練習(xí)知識(shí)從控制階段向自動(dòng)化階段過渡的過程,這種過渡會(huì)導(dǎo)致外語(yǔ)學(xué)習(xí)者語(yǔ)言知識(shí)體系的再塑造。根據(jù)O Malley 和Chamot(1990)意見,學(xué)習(xí)策略也是一種知識(shí)和技能,策略的習(xí)得與其他復(fù)雜的認(rèn)知技能的習(xí)得方式一樣,成功的語(yǔ)言學(xué)習(xí)者是把策略程序化的學(xué)習(xí)者。學(xué)習(xí)策略在學(xué)習(xí)的初期階段可以是有意識(shí)的,后期就可以自動(dòng)執(zhí)行了,無需學(xué)習(xí)者的意識(shí)。因?yàn)槎虝r(shí)記憶的空間有限,因此,還沒有程序化的技巧有可能在需要的時(shí)候不能得到適當(dāng)?shù)募せ?。因?yàn)椴呗砸彩羌记?通過傳授這種策略知識(shí),可以使策略技巧被迅速地程序化,因而也就可以為短時(shí)記憶讓出空間處理其他信息。

2.聯(lián)結(jié)主義是與符號(hào)主義針鋒相對(duì)的認(rèn)知理論的一個(gè)學(xué)派。聯(lián)結(jié)主義在學(xué)術(shù)界有不同的說法,有的學(xué)者稱之為“連接主義”、“連通主義”或“聯(lián)通主義”。該理論利用人工神經(jīng)網(wǎng)絡(luò)解釋人類大腦的認(rèn)知活動(dòng)(劉曉玲,張其云,2009)。聯(lián)結(jié)主義認(rèn)為,認(rèn)知的基本單位是神經(jīng)元,認(rèn)知的過程由神經(jīng)網(wǎng)絡(luò)構(gòu)成,表現(xiàn)為信息在神經(jīng)網(wǎng)絡(luò)的有關(guān)單元中的并行分布和特定的連接方式。信息在神經(jīng)網(wǎng)絡(luò)上是同時(shí)進(jìn)行加工的。各單元與其他單元之間有許多連接通道,起激活或抑制其他單元的作用。單元之間的聯(lián)系通過啟動(dòng)而被加強(qiáng),或因不被啟動(dòng)而弱化(王初明,2001)。網(wǎng)絡(luò)對(duì)信息的每一次加工,都會(huì)使單元之間的聯(lián)結(jié)得到鞏固。學(xué)習(xí)的過程就是不斷修正網(wǎng)絡(luò)的權(quán)重分布形式,就是建立新的聯(lián)結(jié)或者改變聯(lián)結(jié)的啟動(dòng)模式(葉浩生,賈林祥,2003)。人的大腦天生就有尋求和建立事物之間聯(lián)系的傾向,而且人的知識(shí)、智慧是以網(wǎng)絡(luò)的形式互相連接在一起的。這種連接可以通過不斷地激活從而得到加強(qiáng)。人們也可以通過學(xué)習(xí)不斷地改變神經(jīng)元之間的連接方式。學(xué)習(xí)策略的輸入使網(wǎng)絡(luò)增加了新的單元節(jié)點(diǎn),并且通過不斷地練習(xí)使網(wǎng)絡(luò)單元之間的權(quán)重得到了鞏固,因而策略被激活的可能性也就更大。

3.文秋芳(1995)曾經(jīng)比較過一個(gè)英語(yǔ)學(xué)習(xí)成功者和一個(gè)不成功者。她們采用的策略是有區(qū)別的,也就是成功者更善于運(yùn)用學(xué)習(xí)方法、學(xué)習(xí)策略。成功者不僅對(duì)語(yǔ)言學(xué)習(xí)策略有選擇,而且能夠評(píng)估自己的學(xué)習(xí)過程,一旦發(fā)現(xiàn)問題能夠及時(shí)調(diào)整策略。從她的自述中可以看出來,她的某些學(xué)習(xí)方法、某些策略是通過學(xué)習(xí)而獲得的。有些是老師教的,有些是跟同學(xué)學(xué)習(xí)的。因此,策略是可以通過培訓(xùn)及傳授而獲得的,策略知識(shí)的學(xué)習(xí)是更高層次知識(shí)的學(xué)習(xí)。

三、策略培訓(xùn)的內(nèi)容選擇

除了對(duì)策略的定義及分類上存在分歧之外,在對(duì)策略是否有意識(shí)上也存在不同的看法。Oxford(1990)認(rèn)為策略僅指外部活動(dòng),而Weinstein 和Mayer(1986:35)則認(rèn)為策略既可以指外部活動(dòng)又可以指內(nèi)部活動(dòng)。Ellis(1994)和Wen(1993)支持后者的觀點(diǎn)。Macaro(2001)認(rèn)為策略的分類應(yīng)該在一個(gè)連續(xù)軸上。無意識(shí)的、直接的策略位于軸的一端,而有意識(shí)的、間接的策略位于另一端,中間沒有一個(gè)明顯的分界線。軸的一端和學(xué)習(xí)任務(wù)緊密相連,是對(duì)教學(xué)內(nèi)容或是書面的或是口頭的任務(wù)的一種直接的反映;而另一端則為學(xué)習(xí)任務(wù)做準(zhǔn)備,與直接的學(xué)習(xí)任務(wù)有一定的距離,更近于學(xué)習(xí)者控制自己學(xué)習(xí)過程,因此,這些策略的意識(shí)性更強(qiáng)一些。Macaro(2001)列舉了學(xué)習(xí)者認(rèn)為意識(shí)性更強(qiáng)、更間接的策略,和更直接、意識(shí)性不強(qiáng)的策略,以及處于中間狀態(tài)的策略。

根據(jù)Macaro的理論,教師應(yīng)該如何傳授策略呢?筆者認(rèn)為側(cè)重點(diǎn)應(yīng)該放在元認(rèn)知策略和社會(huì)/情感策略的培訓(xùn)上。因?yàn)閷W(xué)習(xí)者更容易掌握這些策略,而且這些策略具有很強(qiáng)的遷移性。這些策略的掌握將會(huì)對(duì)學(xué)習(xí)者一生產(chǎn)生積極的影響。正如文秋芳(1995)指出的那樣,學(xué)習(xí)成功者與不成功者在學(xué)習(xí)方法上最重要的區(qū)別體現(xiàn)在管理策略上。成功者使用策略的意識(shí)性更強(qiáng),而且能夠分析和評(píng)價(jià)自己的學(xué)習(xí)方法和過程;而不成功者在策略的使用上比較盲目和隨意。

有些學(xué)者認(rèn)為外語(yǔ)專業(yè)的學(xué)生患有“思辨缺席癥”,其思辨能力遠(yuǎn)遠(yuǎn)低于其他文科專業(yè)的學(xué)生,也有的學(xué)者認(rèn)為外語(yǔ)專業(yè)的學(xué)生由于學(xué)習(xí)并掌握了另一門語(yǔ)言,其眼界更開闊,思辨也更應(yīng)靈活。那么到底什么是思辨能力呢?文秋芳(2009)提出了思辨能力的層級(jí)模型。將思辨能力分為兩個(gè)層次:元思辨能力和思辨能力。第一層次元思辨能力是指對(duì)自己的思辨計(jì)劃?rùn)z查、調(diào)整與評(píng)估的技能;第二層次思辨能力包括與認(rèn)知相關(guān)的技能和標(biāo)準(zhǔn),以及與思辨品質(zhì)相關(guān)的情感特質(zhì)。處于第二層次的思辨能力受第一層次元思辨能力的管理與監(jiān)控。而元認(rèn)知策略及社會(huì)/情感策略是元思辨能力的重要體現(xiàn),因此,根據(jù)構(gòu)建的思辨能力框架,元認(rèn)知策略及社會(huì)/情感策略方面的培訓(xùn)效果是值得肯定的。

文秋芳和王立非(2004)曾對(duì)國(guó)內(nèi)外關(guān)于策略的研究進(jìn)行過綜述,認(rèn)為:策略培訓(xùn)對(duì)提高英語(yǔ)學(xué)習(xí)策略有明顯的效果,對(duì)中等水平或中等偏下水平學(xué)生的幫助更加明顯。也曾對(duì)策略培訓(xùn)的效果提出質(zhì)疑,認(rèn)為目前的培訓(xùn)使學(xué)生在某些方面的成績(jī)有了顯著提高,但這只是短期效應(yīng),策略培訓(xùn)能否產(chǎn)生長(zhǎng)期效應(yīng)仍然是個(gè)未知數(shù)。但是筆者認(rèn)為管理策略或者元認(rèn)知策略、社會(huì)/情感策略一經(jīng)被學(xué)習(xí)者掌握,是可以產(chǎn)生長(zhǎng)期效用的,因?yàn)樗鼈兙哂羞w移性。而語(yǔ)言學(xué)習(xí)策略雖然只是產(chǎn)生了短期效用,但一種知識(shí)技能能否對(duì)學(xué)習(xí)者產(chǎn)生長(zhǎng)期效用取決于學(xué)習(xí)者本身的思維能力,取決于是否具有創(chuàng)新思維,是否能活學(xué)活用。文秋芳主張?jiān)诓呗耘嘤?xùn)方面采用個(gè)案研究和微變化研究,這需要很長(zhǎng)的時(shí)間,特別是探求認(rèn)知發(fā)展的軌跡與機(jī)制。而策略培訓(xùn)的目的是提高學(xué)習(xí)者的語(yǔ)言水平及自主學(xué)習(xí)能力。短期效用如果可以持續(xù)4年或是6年也是不錯(cuò)的結(jié)果,而管理策略的掌握是可以受用一生的,因此,我們對(duì)策略培訓(xùn)應(yīng)該持樂觀的態(tài)度,它的可行性和有效性是值得肯定的。

四、策略培訓(xùn)的模式探究

Oxford(1990)提出了策略培訓(xùn)的三種形式,即策略意識(shí)培訓(xùn)、集中短期培訓(xùn)和長(zhǎng)期培訓(xùn)。意識(shí)培訓(xùn)不需要與具體的學(xué)習(xí)任務(wù)相聯(lián)系,而后兩者需要與具體的學(xué)習(xí)任務(wù)相結(jié)合。他提出了培訓(xùn)模式的八個(gè)具體步驟,并指出這八個(gè)步驟的順序不是固定的,可以幾個(gè)步驟同時(shí)進(jìn)行,也可以調(diào)換順序。把模式和步驟綜合起來,筆者認(rèn)為,在策略培訓(xùn)的不同階段可以采用不同的形式,并且應(yīng)該把提高策略意識(shí)放在第一步,在這個(gè)階段不僅可以使學(xué)習(xí)者了解并熟悉語(yǔ)言學(xué)習(xí)策略及它們的效用,而且可以傳授給學(xué)習(xí)者策略的重要性及遷移性,這個(gè)告知階段是非常必要和有用的。第二步是應(yīng)該是讓學(xué)生完成一項(xiàng)任務(wù),之后討論學(xué)習(xí)者所用的策略。第三步是教師講解新的策略,告知學(xué)習(xí)者什么時(shí)候使用,怎樣使用以及如何遷移等,并通過練習(xí)讓學(xué)習(xí)者掌握新策略。第四步總結(jié)、評(píng)估策略的有效性。在策略培訓(xùn)過程中教師應(yīng)該考慮以下問題:

1.讓學(xué)習(xí)者參與選擇策略。在培訓(xùn)時(shí),教師可以把許多策略呈現(xiàn)給學(xué)習(xí)者,然后讓學(xué)習(xí)者決定這些策略的重要性及可學(xué)性,并根據(jù)學(xué)習(xí)者對(duì)這些策略的排序進(jìn)行教授,這樣可以大大提高學(xué)習(xí)者的學(xué)習(xí)主動(dòng)性和學(xué)習(xí)熱情。

2.考慮學(xué)習(xí)者之間的差異。在進(jìn)行策略教學(xué)時(shí)要考慮到與語(yǔ)言教學(xué)有關(guān)的各種因素,包括學(xué)習(xí)者的文化背景、年齡、教育背景、生活閱歷、情感因素以及學(xué)習(xí)者和教師對(duì)語(yǔ)言學(xué)習(xí)的認(rèn)識(shí)等。

3.考慮策略的種類。在選擇策略上,一定要選擇對(duì)大多數(shù)學(xué)習(xí)者有用的策略,而且是可以遷移的策略。策略的難易度也應(yīng)該適中,難易搭配。

五、結(jié)語(yǔ)

學(xué)習(xí)策略的研究始于上個(gè)世紀(jì)70年代,近30年來研究很多。由于學(xué)習(xí)策略本身的復(fù)雜性,還有很多問題無法得出答案, 比如,教師在教授策略時(shí),應(yīng)該使用學(xué)習(xí)者的第一語(yǔ)言還是第二語(yǔ)言;教師的教學(xué)風(fēng)格對(duì)學(xué)習(xí)者策略選擇及使用有什么影響;學(xué)習(xí)者的認(rèn)知水平,認(rèn)知能力與策略使用之間的關(guān)系;如何評(píng)價(jià)策略培訓(xùn)的效果及相關(guān)評(píng)價(jià)體系的建立,等等。許多問題需要學(xué)者們作進(jìn)一步的研究。

參考文獻(xiàn):

[1] Cohen,A.D. Strategies in Learning and Using a Second Language. 北京:外語(yǔ)教學(xué)與研究出版社,2000.

[2] Macaro,E. Learning Strategies in Foreign and Second Language Classrooms. 世界圖書出版公司,2008.

[3] O'Malley,J &Chamot,A.U. Learning Strategies in Second Language Acquisition. Cambridge University Press,1990.

[4] Oxford,R.L. LanguageLearning Strategies :What Every Teacher Should Know. 世界圖書出版公司,2008.

[5] 常樂,李家坤,趙紅兵.外語(yǔ)學(xué)習(xí)策略訓(xùn)練研究綜述[J].沈陽(yáng)建筑大學(xué)學(xué)報(bào),2008,(7).

[6] 紀(jì)康麗.外語(yǔ)學(xué)習(xí)中元認(rèn)知策略的培訓(xùn)[J].外語(yǔ)界,2002,(3).

[7] 華維芬.外語(yǔ)學(xué)習(xí)者策略訓(xùn)練謅議[J].外語(yǔ)界,2002,(3).

[8] 劉曉玲,張其云.二語(yǔ)習(xí)得的新聯(lián)結(jié)主義認(rèn)知視角及新的認(rèn)知取向[J].內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào),2009,(2).

[9] 李瑩,曹艷春.大學(xué)英語(yǔ)學(xué)習(xí)策略訓(xùn)練研究[J].沈陽(yáng)工程學(xué)院學(xué)報(bào),2009,(4).

[10] 蘇遠(yuǎn)連,張耀冰.西方外語(yǔ)學(xué)習(xí)策略訓(xùn)練研究綜述[J].國(guó)外外語(yǔ)教學(xué),2003,(3).

[11] 文秋芳.構(gòu)建我國(guó)外語(yǔ)類大學(xué)生思辨能力量具的理論框架[J].外語(yǔ)界,2009,(1).

[12] 文秋芳. 英語(yǔ)成功者與不成功者在學(xué)習(xí)方法上的差異[J].外語(yǔ)教學(xué)與研究,1995,(3).

[13] 文秋芳,王立非.英語(yǔ)學(xué)習(xí)策略培訓(xùn)與研究在中國(guó)[J].外語(yǔ)界,2003,(6).

[14] 文秋芳,王立非. 對(duì)外語(yǔ)學(xué)習(xí)策略有效性研究的質(zhì)疑[J].外語(yǔ)界,2004,(2).

[15] 文秋芳,王立非. 影響外語(yǔ)學(xué)習(xí)策略系統(tǒng)運(yùn)行的各種因素述評(píng)[J].外語(yǔ)與外語(yǔ)教學(xué),2004,(9).

[16] 文秋芳,王立非. 中國(guó)英語(yǔ)學(xué)習(xí)策略實(shí)證研究20年[J].外國(guó)語(yǔ)言文學(xué),2004,(1).

[17] 文秋芳.大學(xué)生英語(yǔ)學(xué)習(xí)策略變化的趨勢(shì)及特點(diǎn)[J].外語(yǔ)與外語(yǔ)教學(xué),1996,(4).

[18] 文秋芳.口語(yǔ)教學(xué)與思維能力的培養(yǎng)[J].國(guó)外外語(yǔ)教學(xué),1999,(2).

[19] 文秋芳,王海嘯.大學(xué)生英語(yǔ)學(xué)習(xí)觀念與策略的分析[J].外語(yǔ)學(xué)院學(xué)報(bào),1996,(4).

[20] 王立非.第二語(yǔ)言學(xué)習(xí)策略研究:問題與對(duì)策[J].國(guó)外外語(yǔ)教學(xué),2001,(4).

篇9

本文從探討人工智能的定義出發(fā)，闡述了對(duì)“智能”的理解在研究中的地位，指出結(jié)合計(jì)算機(jī)對(duì)人腦認(rèn)知過程進(jìn)行建模研究的重要性。簡(jiǎn)要介紹了人工智能的三個(gè)階段的發(fā)展簡(jiǎn)史、當(dāng)前的研究與應(yīng)用熱點(diǎn)，并分析其在21世紀(jì)中的發(fā)展趨勢(shì)，主要包括模糊處理、機(jī)器情感、神經(jīng)網(wǎng)絡(luò)等等，并指出人工智能的進(jìn)一步發(fā)展依賴于更先進(jìn)的數(shù)學(xué)工具。對(duì)這些問題的研究有助于進(jìn)一步推動(dòng)人工智能的發(fā)展。

關(guān)鍵詞 人工智能 自然智能 計(jì)算機(jī)模擬 認(rèn)知模型 模糊處理 機(jī)器情感 多值模糊邏輯

論文結(jié)構(gòu)與主要內(nèi)容

1 討論人工智能定義，對(duì)“智能”的理解在研究中的重要性，指出“智能”具有綜合性的特點(diǎn)，而這是人工智能研究的弱點(diǎn)。

2 指出人類的認(rèn)識(shí)過程可以抽象為一個(gè)符號(hào)操作系統(tǒng)，而計(jì)算機(jī)同樣也可作為一個(gè)符號(hào)操作系統(tǒng)，因此可以使用計(jì)算機(jī)對(duì)人腦認(rèn)識(shí)模型進(jìn)行建模研究。

3 簡(jiǎn)要介紹人工智能的發(fā)展史及研究熱點(diǎn)

4 分析人工智能的發(fā)展趨勢(shì)，并指出人工智能的進(jìn)一步發(fā)展依賴于數(shù)學(xué)工具的進(jìn)一步發(fā)展。

：5600多字

有中文摘要、參考文獻(xiàn)

200元

篇10

關(guān)鍵詞數(shù)據(jù)挖掘網(wǎng)絡(luò)營(yíng)銷市場(chǎng)營(yíng)銷

計(jì)算機(jī)網(wǎng)絡(luò)與數(shù)據(jù)庫(kù)技術(shù)的發(fā)展和廣泛應(yīng)用，信息日益成為企業(yè)的一種重要資源，人們利用信息技術(shù)生產(chǎn)和搜集數(shù)據(jù)的能力大幅度提高，在這些數(shù)據(jù)背后隱藏著極為重要的商業(yè)知識(shí)，但是這些商業(yè)知識(shí)是隱含的、事先未知的。面對(duì)“人們被數(shù)據(jù)淹沒，人們卻饑餓于知識(shí)”的挑戰(zhàn)，數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生，越來越顯示出其強(qiáng)大的生命力。

1數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘（DataMining）就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過程。還有很多和這一術(shù)語(yǔ)相近的術(shù)語(yǔ)，如從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)知識(shí)、數(shù)據(jù)分析、數(shù)據(jù)融合以及決策支持等。數(shù)據(jù)挖掘是一門交叉學(xué)科，它把人們對(duì)數(shù)據(jù)的應(yīng)用從低層次的簡(jiǎn)單查詢，提升到從數(shù)據(jù)中挖掘知識(shí)，提供決策支持。常用的數(shù)據(jù)挖掘技術(shù)主要有以下幾種：

1.1人工神經(jīng)網(wǎng)絡(luò)

仿照生理神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的非線性預(yù)測(cè)模型，主要由“神經(jīng)元”的互聯(lián)，或按層組織的節(jié)點(diǎn)構(gòu)成，通常由輸入層、中間層和輸出層三個(gè)層次組成，在每個(gè)神經(jīng)元求得輸入值后，再匯總計(jì)算輸入值；由過濾機(jī)制比較輸入值，確定網(wǎng)絡(luò)的輸出值。

1.2決策樹

決策樹是一個(gè)類似流程圖的樹型結(jié)構(gòu)，其中每個(gè)內(nèi)部節(jié)點(diǎn)表示在一個(gè)屬性上的測(cè)試，每個(gè)分枝代表1個(gè)測(cè)試輸出，而每個(gè)樹葉點(diǎn)代表類或類分布。樹的最頂層節(jié)點(diǎn)是根節(jié)點(diǎn)。目前，在數(shù)據(jù)挖掘中使用的決策樹方法有多種，典型的在國(guó)際上影響較大的決策樹方法是Quinlan研制的ID3算法。

1．3遺傳算法

遺傳算法是模擬生物進(jìn)化過程的計(jì)算模型，是自然遺傳學(xué)與計(jì)算機(jī)科學(xué)相互結(jié)合滲透的計(jì)算方法。遺傳分析應(yīng)用搜索技術(shù)，先找出兩個(gè)合適的父樣本，通過“交叉”“變異”等帶有生物遺傳特點(diǎn)的操作產(chǎn)生下一代樣本，對(duì)子樣本反復(fù)“交叉”“變異”操作直到子樣本收斂為此，再找另外兩個(gè)合適的父樣本重復(fù)上述過程，就能得到下一代的樣本集。由此得到當(dāng)前樣本集較可能的發(fā)展方向。

1.4近鄰算法

用該方法進(jìn)行預(yù)測(cè)的基本概念就是相互之間“接近”的對(duì)象具有相似的預(yù)測(cè)值。如果知道其中一個(gè)對(duì)象的預(yù)測(cè)值后，可以預(yù)測(cè)其最近的鄰居對(duì)象。

1.5規(guī)則推導(dǎo)

根據(jù)統(tǒng)計(jì)意義上對(duì)數(shù)據(jù)中的規(guī)則“如果條件怎么樣、怎么樣，那么結(jié)果或情況就怎么樣”，對(duì)給定的一組項(xiàng)目和一個(gè)記錄集合，通過分析記錄集合，推導(dǎo)出項(xiàng)目間的相關(guān)性。

1.6聚類方法

聚類分析方法按一定的距離或相似性測(cè)度將數(shù)據(jù)分成系列相互區(qū)分的組，它是不需要預(yù)定義知識(shí)而直接發(fā)現(xiàn)一些有意義的結(jié)構(gòu)與模式?？刹捎猛?fù)浣Y(jié)構(gòu)分析、空間緩沖區(qū)及距離分析、覆蓋分析等方法，旨在發(fā)現(xiàn)目標(biāo)在空間上的相連、相鄰和共生等關(guān)聯(lián)關(guān)系。

1.7可視化技術(shù)

可視化技術(shù)在數(shù)據(jù)挖掘過程中的數(shù)據(jù)準(zhǔn)備階段是非常重要的，它能夠幫助人們進(jìn)行快速直觀地分析數(shù)據(jù)。利用可視化方法，很容易找到數(shù)據(jù)之間可能存在的模式、關(guān)系和異常情況等。

2數(shù)據(jù)挖掘技術(shù)在營(yíng)銷中應(yīng)用的理論假設(shè)

隨著數(shù)據(jù)量的急劇增長(zhǎng)，現(xiàn)在的用戶很難再像以前那樣，自己根據(jù)數(shù)據(jù)的分布找出規(guī)律，并根據(jù)此規(guī)律進(jìn)行分析決策。因此必須借助于相應(yīng)的數(shù)據(jù)挖掘工具，自動(dòng)發(fā)現(xiàn)數(shù)據(jù)中隱藏的規(guī)律或模式，為決策提供支持。隨著市場(chǎng)經(jīng)濟(jì)國(guó)際化、區(qū)域經(jīng)濟(jì)全球化、業(yè)務(wù)處理數(shù)字化、消費(fèi)需求個(gè)性化的市場(chǎng)競(jìng)爭(zhēng)環(huán)境的形成，企業(yè)將面臨更多的競(jìng)爭(zhēng)對(duì)手和不確定的信息，需要借助于數(shù)據(jù)挖掘技術(shù)對(duì)商業(yè)數(shù)據(jù)庫(kù)中的大量業(yè)務(wù)數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、分析和其他模型化處理，從中提取輔助商業(yè)決策的關(guān)鍵性數(shù)據(jù)，來控制成本、提高效益。

數(shù)據(jù)挖掘技術(shù)在企業(yè)市場(chǎng)營(yíng)銷中得到了比較普通的應(yīng)用，它是以市場(chǎng)營(yíng)銷學(xué)的市場(chǎng)細(xì)分原理為基礎(chǔ)，其基本假定是“消費(fèi)者過去的行為是其今后消費(fèi)傾向的最好說明”。通過收集、加工和處理涉及消費(fèi)者消費(fèi)行為的大量信息，確定特定消費(fèi)群體或個(gè)體的興趣、消費(fèi)習(xí)慣、消費(fèi)傾向和消費(fèi)需求，進(jìn)而推斷出相應(yīng)消費(fèi)群體或個(gè)體的下一步的消費(fèi)行為，然后以此為基礎(chǔ)，對(duì)所識(shí)別出來的消費(fèi)群體進(jìn)行特定內(nèi)容的定向營(yíng)銷。這與傳統(tǒng)的不區(qū)分消費(fèi)者對(duì)象特征的大規(guī)模營(yíng)銷手段相比，大大節(jié)省了營(yíng)銷成本，提高了營(yíng)銷效率，從而為企業(yè)帶來更多的利潤(rùn)。3數(shù)據(jù)挖掘技術(shù)在企業(yè)網(wǎng)絡(luò)營(yíng)銷中的應(yīng)用

網(wǎng)絡(luò)營(yíng)銷作為適應(yīng)網(wǎng)絡(luò)經(jīng)濟(jì)時(shí)代的網(wǎng)絡(luò)虛擬市場(chǎng)的新營(yíng)銷理論，是市場(chǎng)營(yíng)銷理念在新時(shí)期的發(fā)展和應(yīng)用。從本質(zhì)上來說，網(wǎng)絡(luò)營(yíng)銷與傳統(tǒng)市場(chǎng)營(yíng)銷的目標(biāo)都是一致的，都是為了實(shí)現(xiàn)企業(yè)的營(yíng)銷目標(biāo)。

3.1客戶關(guān)系管理

網(wǎng)絡(luò)營(yíng)銷的企業(yè)競(jìng)爭(zhēng)是一種以顧客為焦點(diǎn)的競(jìng)爭(zhēng)形態(tài)，爭(zhēng)取顧客、留住顧客、擴(kuò)大顧客群、建立親密顧客關(guān)系、分析顧客需求、創(chuàng)造顧客需求等，都是最關(guān)鍵的營(yíng)銷課題。因此，如何與散布在全球各地的顧客群保持緊密的關(guān)系并能掌握顧客的特性，再經(jīng)由教育顧客與企業(yè)形象的塑造，建立顧客對(duì)于虛擬企業(yè)與網(wǎng)絡(luò)營(yíng)銷的信任感，是網(wǎng)絡(luò)營(yíng)銷的關(guān)鍵。基于網(wǎng)絡(luò)時(shí)代的目標(biāo)市場(chǎng)、顧客形態(tài)、產(chǎn)品種類與以前有很大的差異，如何跨越地域、文化、時(shí)空差距再造顧客關(guān)系，發(fā)掘網(wǎng)絡(luò)客戶，了解并掌握網(wǎng)絡(luò)客戶的愿望并利用互動(dòng)服務(wù)與客戶保持良好的關(guān)系，是眾多企業(yè)需要考慮的首要問題。相關(guān)研究表明：一個(gè)企業(yè)如果將其客戶流失率降低5%的話，其利潤(rùn)就能增加25%～85%。因此，企業(yè)必須要加強(qiáng)與客戶之間的緊密聯(lián)系和提高客戶忠誠(chéng)度。數(shù)據(jù)挖掘技術(shù)為客戶關(guān)系管理提供了便利，企業(yè)可以將從各種渠道收集的客戶信息組合后，應(yīng)用超級(jí)計(jì)算機(jī)、并行處理、神經(jīng)元網(wǎng)絡(luò)、模型化算法和其他信息處理技術(shù)手段進(jìn)行處理，提煉出有用信息。一方面是根據(jù)客戶行為進(jìn)行聚類。另一方面是從所建立的數(shù)據(jù)倉(cāng)庫(kù)中挖掘出為企業(yè)創(chuàng)造利潤(rùn)的這部分客戶，從而與創(chuàng)造利潤(rùn)的優(yōu)良客戶建立長(zhǎng)期關(guān)系。

3.2企業(yè)經(jīng)營(yíng)定位

通過挖掘出消費(fèi)者的相關(guān)數(shù)據(jù)，可以找出其共性和個(gè)性，并對(duì)消費(fèi)者進(jìn)行分類，來制定企業(yè)的經(jīng)營(yíng)目標(biāo)和市場(chǎng)定位，以利于企業(yè)利用網(wǎng)絡(luò)優(yōu)勢(shì)，與客戶進(jìn)行積極有效的信息交流與情感溝通，一對(duì)一地向客戶提供個(gè)性化的產(chǎn)品與服務(wù)。例如，利用關(guān)聯(lián)分析，可以發(fā)現(xiàn)客戶的關(guān)聯(lián)購(gòu)買需要。有些客戶在購(gòu)買某種商品時(shí)，會(huì)同時(shí)購(gòu)買其他的產(chǎn)品，企業(yè)就可以針對(duì)這種情況，采取積極的營(yíng)銷策略，擴(kuò)展客戶購(gòu)買的產(chǎn)品范圍或提供相關(guān)的服務(wù)，吸引更多的客戶；通過挖掘客戶的個(gè)人特征以及消費(fèi)數(shù)據(jù)，可以將客戶群體進(jìn)行細(xì)分，根據(jù)不同的客戶群，實(shí)施不同的營(yíng)銷和服務(wù)方式，從而提高客戶的滿意度；可以通過分類技術(shù)，根據(jù)顧客的消費(fèi)水平和基本特征對(duì)顧客進(jìn)行分類，找出對(duì)本企業(yè)有較大貢獻(xiàn)的重要客戶的特征，通過對(duì)其進(jìn)行個(gè)性化服務(wù)，提高他們的忠誠(chéng)度。企業(yè)只能找準(zhǔn)了顧客的真正需求和特征，才能有的放矢，提供個(gè)性化、多樣化、差異化的富有成效的網(wǎng)絡(luò)營(yíng)銷方案，從而找準(zhǔn)企業(yè)的營(yíng)銷定位。

3.3客戶信用風(fēng)險(xiǎn)控制

企業(yè)在實(shí)施網(wǎng)絡(luò)營(yíng)銷過程中經(jīng)常經(jīng)受來自買方的信用風(fēng)險(xiǎn)：個(gè)人消費(fèi)者可能在網(wǎng)絡(luò)上使用信用卡進(jìn)行支付時(shí)惡意透支，或使用仿造的信用卡騙取賣方的貨物；集團(tuán)購(gòu)買者有拖延貨款的可能。賣方需要對(duì)此承擔(dān)風(fēng)險(xiǎn)。利用數(shù)據(jù)挖掘技術(shù)可以解決企業(yè)經(jīng)常面臨的詐騙行為或延付貨款行為。通過數(shù)據(jù)挖掘，企業(yè)可以得到這樣的判斷：“什么樣的人使用信用卡屬于什么樣的模式”，而且一個(gè)人在相當(dāng)長(zhǎng)的一段時(shí)間內(nèi)，其使用信用卡的習(xí)慣往往是較為固定的。因此，一方面，通過判斷信用卡的使用模式，可以監(jiān)測(cè)到信用卡的惡性透支行為；另一方面，根據(jù)信用卡的使用模式，可以識(shí)別“合法”用戶。如此得到詐騙行為的一些特性，當(dāng)某項(xiàng)業(yè)務(wù)符合這些特征時(shí)，就可以向決策人員提出警告，從而提高企業(yè)應(yīng)對(duì)客戶信用風(fēng)險(xiǎn)的能力。

3.4客戶信譽(yù)分析

企業(yè)開展網(wǎng)絡(luò)營(yíng)銷后，由于客戶的不確定性、匿名性和虛擬性，增加了企業(yè)的經(jīng)營(yíng)風(fēng)險(xiǎn)。風(fēng)險(xiǎn)與效益并存，分析客戶的信用等級(jí)對(duì)于降低風(fēng)險(xiǎn)、增加收益是非常重要的。利用數(shù)據(jù)挖掘工具，可以對(duì)客戶信譽(yù)進(jìn)行分析，以加強(qiáng)營(yíng)銷的安全性和針對(duì)性。通常的做法是：從已有的數(shù)據(jù)中分析得到信用評(píng)估的規(guī)則或標(biāo)準(zhǔn)，即得到“滿足什么樣條件的客戶屬于哪一類信用等級(jí)”，并將得到的規(guī)則或評(píng)估標(biāo)準(zhǔn)應(yīng)用到對(duì)新的客戶的信譽(yù)分析。對(duì)不同客戶的信譽(yù)劃分等級(jí)，不同等級(jí)的客戶采取不同的營(yíng)銷策略，制定不同的付款方式和交貨方式，降低營(yíng)銷風(fēng)險(xiǎn)，提高營(yíng)銷效益。

3.5消費(fèi)需求預(yù)測(cè)

在網(wǎng)絡(luò)營(yíng)銷中，每一個(gè)消費(fèi)者首先是一個(gè)不斷變化的虛擬網(wǎng)絡(luò)環(huán)境中的“沖浪者”，他一方面扮演個(gè)人購(gòu)買者的角色，另一方面則扮演著社會(huì)消費(fèi)者的角色，起著引導(dǎo)社會(huì)消費(fèi)的作用。從事電子商務(wù)活動(dòng)的網(wǎng)絡(luò)營(yíng)銷人員要想成功地行銷在因特網(wǎng)上，他所構(gòu)思的網(wǎng)絡(luò)營(yíng)銷計(jì)劃除了需要考慮傳統(tǒng)市場(chǎng)中顧客的各種需求外，還必須照顧到網(wǎng)民對(duì)興趣、聚集和交流的需求，分析他們需求變化的表現(xiàn)、趨勢(shì)和原因，采用多種行銷方法，啟發(fā)、剌激網(wǎng)絡(luò)消費(fèi)者的需求，喚起他們的購(gòu)買興趣，誘導(dǎo)網(wǎng)絡(luò)消費(fèi)者將潛在的需求轉(zhuǎn)變?yōu)楝F(xiàn)實(shí)的需求。

3.6企業(yè)交叉營(yíng)銷

交叉營(yíng)銷是指企業(yè)通過發(fā)現(xiàn)一位已有顧客的多種需求，并滿足其需求而實(shí)現(xiàn)多種相關(guān)產(chǎn)品或服務(wù)的各種策略和方法，其實(shí)質(zhì)是用戶資源在各產(chǎn)品及服務(wù)間的共享，是在擁有一定市場(chǎng)資源的情況下向自己的顧客或合作伙伴的顧客進(jìn)行的一種業(yè)務(wù)推廣手段。交叉營(yíng)銷現(xiàn)已擴(kuò)展到兩個(gè)電子商務(wù)企業(yè)/網(wǎng)站之間開展聯(lián)盟合作的交叉網(wǎng)絡(luò)營(yíng)銷，有利于企業(yè)資源互補(bǔ)、互惠互利，吸引更多的網(wǎng)絡(luò)顧客，應(yīng)用網(wǎng)絡(luò)合作伙伴所形成的資源規(guī)模創(chuàng)造競(jìng)爭(zhēng)優(yōu)勢(shì)。利用數(shù)據(jù)挖掘工具，了解顧客在網(wǎng)上購(gòu)買商品或接受服務(wù)時(shí)的選取習(xí)慣、鏈接習(xí)慣、商品組合習(xí)慣，通過關(guān)聯(lián)分析，找出其中的規(guī)律，用來指導(dǎo)本企業(yè)應(yīng)捆綁銷售的商品，提高消費(fèi)者的消費(fèi)價(jià)值，提高交叉營(yíng)銷效果，提高顧客的滿意度和忠誠(chéng)度。

參考文獻(xiàn)

1馬妮娜．?dāng)?shù)據(jù)庫(kù)新的應(yīng)用技術(shù)———數(shù)據(jù)挖掘技術(shù)［J］．中國(guó)電子商務(wù)雜志，2003（4）