導(dǎo)語：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，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) 語音識別

中圖分類號：TP391 文獻標(biāo)識碼：A 文章編號：1007-9416（2013）04-0109-02

近年來，語音識別作為一種便捷的人機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，語音識別就是在給定的語料庫中找出與待識別詞語相同的語料，其識別方法的選擇對識別效果至關(guān)重要。語音識別的方法主要有3種：基于語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，并未得到實際應(yīng)用。第2種方法較為成熟，主要通過動態(tài)時間規(guī)整（DTW）、隱馬爾可夫模型（HMM）和矢量量化（VQ）技術(shù)實現(xiàn)[2]。第3種方法充分利用人工神經(jīng)網(wǎng)絡(luò)較強的分類能力和輸入——輸出映射能力，非常適合解決語音識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)運用到語音識別中，針對RBF神經(jīng)網(wǎng)絡(luò)隱層基函數(shù)的中心值和寬度隨機確定的缺陷，運用具有全局尋優(yōu)能力的粒子群算法（PSO）進行優(yōu)化，來提高網(wǎng)絡(luò)的泛化能力和收斂速度，從而提高識別率。實驗結(jié)果表明，粒子群優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)用于語音識別，能夠顯著提升識別性能。

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，個體最優(yōu)位置和全局最優(yōu)位置；

（2）據(jù)（5）式計算慣性權(quán)重；

（3）據(jù)（3）（4）式更新粒子的速度和位置；

（4）據(jù)（6）式計算各粒子適應(yīng)度值，并更新個體最優(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語音識別系統(tǒng)

語音識別過程主要包括信號預(yù)處理、特征提取、網(wǎng)絡(luò)訓(xùn)練及識別[6]。預(yù)處理主要對語音進行分幀、預(yù)加重和加窗處理。特征提取用于提取語音中反映聲學(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)練是在識別之前從語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)則對數(shù)據(jù)加以聚類，形成模式庫。網(wǎng)絡(luò)識別是通過已訓(xùn)練好的網(wǎng)絡(luò)，計算測試樣本數(shù)據(jù)與模式庫之間的相似度，判斷出輸入語音所屬的類別。粒子群優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的語音識別系統(tǒng)原理框圖如圖1所示。

PSO優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)進行語音識別的實驗步驟如下：

第1步：提取特征。

首先對用于訓(xùn)練和識別的各種信噪比的語音文件進行ZCPA特征提取。語音信號的采樣頻率為11.025kHz，每幀為256個采樣點，經(jīng)過時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。實驗中，類別數(shù)為待識別的詞匯數(shù)，如對10個詞進行識別，則隱層節(jié)點數(shù)、輸出層節(jié)點數(shù)和聚類中心均為10，如對20個詞進行識別，則隱層節(jié)點數(shù)、輸出層節(jié)點數(shù)和聚類中心均為20，以此類推，本文對10詞、20詞、30詞和40詞分別進行訓(xùn)練識別。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，最大進化迭代次數(shù)為40。

第3步：網(wǎng)絡(luò)識別。

RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練好后，將測試集中的樣本輸入網(wǎng)絡(luò)進行識別測試。每輸入一個單詞的特征矢量，經(jīng)過隱層、輸出層的計算后可得一個單詞分類號，將這個分類號與輸入詞自帶的分類號進行對比，相等則認為識別正確，反之，識別錯誤。最后將識別正確的個數(shù)與所有待識別單詞數(shù)的比值作為最終的識別率。

3 實驗仿真分析

本文運用matlab在PC機上仿真實現(xiàn)了PSO優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的孤立詞語音識別系統(tǒng)，選用在不同高斯白噪聲條件下（包含15dB、20dB、25dB和無噪聲），18個人分別錄制40詞各三次，形成實驗語音數(shù)據(jù)，實驗時選其中10人的10詞、20詞、30詞、40詞語音數(shù)據(jù)分別作為訓(xùn)練樣本，另外8個人對應(yīng)的10詞、20詞、30詞、40詞語音數(shù)據(jù)分別作為測試樣本進行實驗，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)的語音識別結(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語音特征參數(shù)的語音識別結(jié)果。由表中識別率的變化可知，基于PSO優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)的識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，正確識別出的詞匯量明顯增多，這充分證明改進后的RBF神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)性和強大的分類能力，縮短網(wǎng)絡(luò)訓(xùn)練時間的同時，提高了系統(tǒng)的識別性能，尤其在大詞匯量的語音識別中表現(xiàn)出更加明顯的優(yōu)勢。

4 結(jié)語

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改進的RBF神經(jīng)網(wǎng)絡(luò)用于語音識別中。通過仿真實驗，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下的語音識別結(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)有較高的識別率，且訓(xùn)練時間明顯縮短，表明神經(jīng)網(wǎng)絡(luò)方法非常適宜求解語音識別這類模式分類問題。

參考文獻

[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LBG的孤立詞語音識別算法研究[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)的語音識別[J].大連海事大學(xué)學(xué)報，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].自動化儀表，2011，（02）：6-8.

篇2

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

中圖分類號：TP18 文獻標(biāo)識碼：A 文章編號：1003-9082 （2017） 04-0234-01

引言

人類自從工業(yè)革命結(jié)束之后，就已然開始了對人工智能的探索，究其本質(zhì)，實際上就是對人的思維進行模仿，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期，那時圖靈就希望未來的智能系統(tǒng)能夠像人一樣思考。在20世紀五十年代，人工智能被首次確定為一個新興的學(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)過長時間的探索和嘗試，人工智能的許多重要基本理論已經(jīng)形成，如模式識別、特征表示與推理、機器學(xué)習(xí)的相關(guān)理論和算法等等。進入二十一世紀以來，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。人工智能技術(shù)與基因過程、納米科學(xué)并列為二十一世紀的三大尖端技術(shù)， 并且人工智能涉及的學(xué)科多，社會應(yīng)用廣泛，對其原理和本質(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人腦神經(jīng)元模型的抽象。其早期工作被認為是由美國的神經(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人工神經(jīng)元計算機。而其真正作為一個新的概念被提出是在1956年舉行的達茅斯會議上。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年的國際人工智能聯(lián)合會議標(biāo)志著人工智能得到了國際的認可。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、計算機、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， 費根鮑姆在第五屆國際人工智能聯(lián)合會議上正式提出了“知識工程”這一概念。而后其對應(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言、多種知識表示方法、多種推理機制和多種控制策略相結(jié)合的方式， 并開始運用各種專家系統(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

進入二十一世紀以后，由于深度人工神經(jīng)網(wǎng)絡(luò)的提出，并在圖像分類與識別的任務(wù)上遠遠超過了傳統(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，實現(xiàn)對數(shù)據(jù)的分級表達，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)練和測試的效率得到大幅提升，識別準(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)用場景涉及到許多核心技術(shù)，這其中如專家系統(tǒng)、機器學(xué)習(xí)、模式識別、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和經(jīng)驗的計算機智能程序系統(tǒng)，通過對人類專家的問題求解能力建模，采用人工智能中的知識表示和知識推理技術(shù)來模擬通常由專家才能解決的復(fù)雜問題，達到具有與專家同等解決問題能力的水平。對專家系統(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、文化教育等方面。

2.機器學(xué)習(xí)

機器學(xué)習(xí)是一個讓計算機在非精確編程下進行活動的科學(xué)，也就是機器自己獲取知識。起初，機器學(xué)習(xí)被大量應(yīng)用在圖像識別等學(xué)習(xí)任務(wù)中，后來，機器學(xué)習(xí)不再限于識別字符、圖像中的某個目標(biāo)，而是將其應(yīng)用到機器人、基因數(shù)據(jù)的分析甚至是金融市場的預(yù)測中。在機器學(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、Boosting算法等等一系列經(jīng)典的機器學(xué)習(xí)方法和理論。機器學(xué)習(xí)也是人工智能研究中最為重要的核心方向。

3.模式識別

模式識別是研究如何使機器具有感知能力 ，主要研究圖像和語音等的識別。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)計學(xué)習(xí)的識別方法。圖形識別方面例如識別各種印刷體和某些手寫體文字，識別指紋、癌細胞等技術(shù)已經(jīng)進入實際應(yīng)用。語音識別主要研究各種語音信號的分類，和自然語言理解等等。模式識別技術(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別、手勢識別等等對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)典的機器學(xué)習(xí)算法相比在大數(shù)據(jù)的訓(xùn)練下有著更強的特征學(xué)習(xí)和表達能力。含有多個隱含層的神經(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，通過實現(xiàn)“逐層初始化”這一方法，實現(xiàn)對輸入數(shù)據(jù)的分級表達，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)在圖像識別任務(wù)中取得了十分明顯的進展，基于CNN的圖像識別技術(shù)也一直是學(xué)術(shù)界與工業(yè)界一致追捧的熱點。

三、機器人情感獲得

1.智能C器人現(xiàn)狀

目前智能機器人的研究還主要基于智能控制技術(shù)，通過預(yù)先定義好的機器人行動規(guī)則，編程實現(xiàn)復(fù)雜的自動控制，完成機器人的移動過程。而人類進行動作、行為的學(xué)習(xí)主要是通過模仿及與環(huán)境的交互。從這個意義上說，目前智能機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。在運動機制方面，目前幾乎所有的智能機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)性與人類運動系統(tǒng)還具有較大差距。

2.機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)達的神經(jīng)系統(tǒng)的處理下獲得情感。智能機器人在不斷的機器學(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，便具備了獲得情感的可能性及幾率。不斷地更新、升級的過程類似于生物的進化歷程，也就是說，智能機器人有充分的可能性獲得與人類同等豐富的情感世界。

3.機器人獲得情感的利弊

機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器人可以帶來更多人性化的服務(wù)，人機合作也可進行地更加深入，可以為人類帶來更為逼真的體驗和享受。人類或可與智能機器人攜手共創(chuàng)一個和諧世界。但是另一方面，在機器人獲得情感時，機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)避機器人情感獲得的風(fēng)險

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

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?；仡櫰浒l(fā)展歷程，我們有理由充分相信，在未來人工智能的技術(shù)會不斷完善，難題會被攻克。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)險的同時，獲得情感的智能機器人會造福人類，并極大地幫助人們的社會生活。

參考文獻

[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].計算機學(xué)報，2016，（01）：212-222.

[3]張越.人工智能綜述：讓機器像人類一樣思考

篇3

作者簡介：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：旅游市場調(diào)研、市場研究方法。

摘 要 本文采用實證的方法，通過因子分析、人工神經(jīng)網(wǎng)絡(luò)方法和邏輯回歸分析，對賓館員工工作滿意感的影響因素及其影響程度進行研究。本項研究得出以下結(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、賓館政策及實施、同事關(guān)系、賓館經(jīng)營、個人能力發(fā)揮、培訓(xùn)與晉升、工作報酬；(2)人工神經(jīng)網(wǎng)絡(luò)方法的預(yù)測正確率高于回歸分析方法的預(yù)測正確率，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，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 F719．2　文獻標(biāo)識碼A　文章編號　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經(jīng)歷來判斷，具有很強的主觀性；員工提供服務(wù)與顧客消費服務(wù)是同時發(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，他們在為顧客提供服務(wù)時，就極有可能將自己的壞心情傳遞給顧客。因此，對賓館來說，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)計方法，如回歸分析方法和通徑分析方法來進行的。這些實證研究對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，并且有可能得出錯誤的結(jié)果。目前，理論界已經(jīng)普遍認為人工神經(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內(nèi)外文獻資料來看，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)方法來進行研究還相當(dāng)少見。本文將通過對賓館員工的實證調(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)部營銷策略具有一定的借鑒意義。

二、相關(guān)文獻回顧

(一)工作滿意感

1．工作滿意感的定義

目前，理論界對員工滿意感的定義多種多樣。一方面，滿意感并不是每個人都會擁有的普遍現(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，美國心理學(xué)家洛克(Locke)指出，工作滿意感為員工在對個人工作或工作經(jīng)歷的評估中產(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現(xiàn)或有助于實現(xiàn)自己的工作價值觀而產(chǎn)生的愉快情感，職務(wù)和工作環(huán)境中的一切特點都會影響員工的工作滿意感。

(2)結(jié)構(gòu)性定義

結(jié)構(gòu)性定義強調(diào)工作滿意感由多個維度構(gòu)成。工作是一個很復(fù)雜的概念，其本身很少成為單一的研究對象，與個人工作有關(guān)的滿意感，其實是個人對工作各個不同維度的滿意程度。例如，美國康奈爾大學(xué)的史密斯和胡林(Smith和Hulin)等人認為工作滿意感是個人根據(jù)自己的參考體系對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)境中實際獲得的價值與他預(yù)期應(yīng)獲得的價值之間的差距而定。美國組織行為學(xué)家波特和勞勒(Porter和Lawler)等人對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)者們因其對工作滿意感的定義及研究對象的不同，所建立的理論也有所差異。坎貝爾(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、價值和期望對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、指揮、維持和終止個體行為的過程，它關(guān)注的是工作中個體的需要、價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。

3．工作滿意感的測量

員工的工作不僅是等待顧客等明顯的活動，他們還需要與同事和上司接觸、遵循組織的規(guī)章和政策、達到期望的績效標(biāo)準(zhǔn)等等。員工總是處在一定工作情景之中，員工評估自己對工作滿意與否是十分復(fù)雜的。目前，比較廣泛使用的評估方法有兩種：單一整體法和工作要素總和評分法。工作要素總和評分法比較復(fù)雜，首先要確定工作及相關(guān)方面的關(guān)鍵維度，然后詢問員工對各個維度的感覺。在實際中，這種方法比較常用，其經(jīng)常使用的測量工具有：

(1)明尼蘇達滿意感量表(MSQ)。它分為短式量表和長式量表，前者包括20個題目，可測量員工的內(nèi)在滿意感、外在滿意感及一般滿意感；后者則有100個題目，可測量員工對20個工作層面的滿意感和一般滿意感。(2)工作說明量表(JDI)。它可測量員工對工作本身、薪資、升遷、上司和同事等5個維度的工作滿意程度。該量表在美國被反復(fù)用于研究，測試效果良好，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概念提出之后，學(xué)者們對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)在文獻研究的過程中發(fā)現(xiàn)了前人主要從個體差異和工作環(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，晉升機會等。

在國內(nèi)，20世紀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個影響員工滿意感的因素：工作回報、工作背景、工作群體、企業(yè)管理和企業(yè)經(jīng)營。盧嘉等人認為，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、工作協(xié)調(diào)和工作本身等5個方面。

2．賓館員工滿意感影響因素

在上個世紀70年代以前，很少有學(xué)者對賓館行業(yè)進行行為科學(xué)方面的研究，對賓館員工滿意感的研究則更少。1986年莫卡等人(Connie Mok)在香港運用JDI測量方法，研究賓館員工個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個方面來衡量工作滿意感。研究結(jié)果表明，53％的調(diào)查對象認為工資是影響滿意感的最重要的一個方面。2001年，拉姆(Lam)和潘尼(Pine)等人對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、工作報酬等方面進行實證研究。研究結(jié)果表明，工作環(huán)境、工作本身、工作報酬是影響管理人員工作滿意感的3個最重要的因素。

王華和黃燕玲在對桂林市星級飯店的員工進行工作滿意感調(diào)查時發(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、合作性和受賞識等因素有關(guān)。汪純孝等人對賓館員工滿意感的實證研究結(jié)果表明，員工工資待遇、管理人員的管理風(fēng)格、管理人員對培訓(xùn)工作的重視程度會影響員工的工作滿意感。其中，工資待遇對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)文獻研究的結(jié)果和實際情況，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賓館員工進行訪談的結(jié)果，添加了一些新的與時展和員工需求相關(guān)的影響因素，如賓館政策、規(guī)章制度、賓館經(jīng)營、溝通、工作能力等，總結(jié)出40個與員工滿意感有關(guān)的變量，設(shè)計成最終調(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影響工作滿意感的各個因素的評價，這一組問題采用7點李科特(R．A．Likert)尺度進行測量(“1”表示非常不同意，“7”表示非常同意)，共40個問題；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人資料。

我們在廣州的3家賓館同時發(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)工具箱對有效問卷中的數(shù)據(jù)進行了分析。

1．描述性分析

各變量的平均值和標(biāo)準(zhǔn)差統(tǒng)計結(jié)果見表1。從表1可知，除了變量Q9、Q10、Q14、Q17、Q18、Q19這6個變量之外，其他34個變量的平均值都比較高(介于4．00和5．48之間)。這表明員工對所有各考察項內(nèi)容的同意程度是比較高的。40個變量的標(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別隱藏在大量可觀察變量中的少數(shù)幾個潛在的、觀察不到的因子。進行因子分析后，大量的原始觀測變量提煉成少數(shù)幾個因子，研究者就能用這些因子代替原來的觀測變量進行進一步的分析。

我們使用SPSS10．0統(tǒng)計分析軟件對調(diào)查問卷的第一組問題的40個變量進行因子分析。巴特利特球體檢驗與KMO檢驗的結(jié)果表明，這次調(diào)查數(shù)據(jù)適合進行因子分析(巴特利特球體檢驗，統(tǒng)計量的值為9602．615，其對應(yīng)的相伴概率值為0．000；KMO統(tǒng)計量的值為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個變量分別屬于8個因子。我們根據(jù)各個因子中所含有變量的共性，為各個因子進行命名。各因子的名稱、特征值、方差貢獻率及累計方差貢獻率見表3。關(guān)于因子包含的累計方差貢獻率應(yīng)該達到多少才合適，沒有嚴格的標(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。但一般認為在復(fù)雜的社會科學(xué)、行為科學(xué)研究中，累計方差貢獻率達到60％就可以接受。本次研究中，8個因子的累計方差貢獻率為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個觀測樣本中，我們隨機抽取了263個作為學(xué)習(xí)樣本，剩余的190個作為預(yù)測樣本。我們采用二層BP(Error Back Proragation)神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)進行了分析，其中輸入層結(jié)點(i)數(shù)為8，隱含層(第一層)結(jié)點(i)數(shù)為18，輸出層(第二層)節(jié)點數(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)測正確率為90．49％，預(yù)測樣本的預(yù)測正確率為81．58％，模型擬合優(yōu)度是58．69％。模型中權(quán)值和b值見表4。

在本次研究所進行的因子分析中，每個因子得分是經(jīng)過標(biāo)準(zhǔn)化的值，平均值為0，標(biāo)準(zhǔn)差為1。為了比較各個因素對員工滿意感的影響程度，筆者分別為每個因子的平均值增加一個標(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，筆者得出各個影響因素對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、賓館政策及實施、同事關(guān)系、賓館經(jīng)營、個人能力發(fā)揮、培訓(xùn)與晉升、工作報酬。

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

為了預(yù)測賓館員工在未來三年內(nèi)“是否會繼續(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)測正確率為82．13％，預(yù)測樣本的預(yù)測正確率為72．36％，模型的擬合優(yōu)度是37．91％。

4．回歸分析

下面對數(shù)據(jù)進行回歸分析，主要目的是與人工神經(jīng)網(wǎng)絡(luò)方法所得到的結(jié)果進行比較。因為本次研究的因變量是二分類變量，故采用了Binary Logistic回歸模型對原始觀測數(shù)據(jù)進行回歸分析。

(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，工作報酬的P=0．617，培訓(xùn)與晉升的P=0．083，都遠大于0．05，表明這兩個自變量無統(tǒng)計意義。但是，為了能夠與人工神經(jīng)網(wǎng)絡(luò)方法進行對比，筆者還是采用強制方式使8個自變量全部進入回歸模型，進行回歸分析。

我們采用Hosmer-Lemeshao方法來檢驗回歸模型的擬合優(yōu)度。該模型中用于建立kogistic回歸分析模型的預(yù)測正確率為82．5％，預(yù)測樣本的預(yù)測正確率為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檢驗(結(jié)果略)。該模型中用于建立Iosistic回歸分析模型的預(yù)測正確率為73．80％，預(yù)測樣本的預(yù)測正確率為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)到更多東西的機會”、“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因素，工作本身在其理論中也是居前三位的激勵因素。

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”、“客觀評價下屬的業(yè)績”、“及時給予幫助和指導(dǎo)”、“適度授予下屬權(quán)力”、“為員工利益著想”和“按照個人特點來安排工作”。本次研究結(jié)果表明，主管管理風(fēng)格對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)格會影響員工的工作滿意感的觀點。

3．賓館政策及實施。該影響因素主要包括4個指標(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，賓館政策及實施這個因素在對員工滿意感的影響程度上排第三位。從各個指標(biāo)的內(nèi)容來看，員工對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”、“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)濟人”，更重要地還是“社會人”，個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，更要重視高層次即關(guān)系和成長的需要，因為對高層次需要的滿足將會產(chǎn)生持久的激勵動力。因而，營造良好的人際關(guān)系和群體氣氛、培育員工的團隊精神是能夠極大地調(diào)動廣大員工積極性的。

5．賓館經(jīng)營。該影響因素包含3個指標(biāo)：“清楚賓館經(jīng)營狀況”、“清楚賓館遠景和發(fā)展目標(biāo)”和“賓館短期經(jīng)營目標(biāo)能夠有效的實施”。冉斌認為企業(yè)經(jīng)營是影響員工滿意感的因素之一。管理人員向員工說明、展示賓館遠景和發(fā)展目標(biāo)，可使員工了解賓館的價值觀和今后規(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，認識自己在整個賓館運作中所處的位置，增強主人翁意識，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)營情況告知基層員工，可以增強員工的自信心。有學(xué)者的研究結(jié)果表明，員工愿意把自己與經(jīng)營實績優(yōu)良的企業(yè)聯(lián)系在一起，以增強自信心；避免將自己與經(jīng)營實績差的企業(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)營實績越優(yōu)良時，其員工感到滿意和有良好工作表現(xiàn)的可能性越大。

6．個人能力發(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、達到自己的期望時，員工就會感到滿意。

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”、“用人提拔時不是重經(jīng)驗”、“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)在香港對從事快餐業(yè)的員工進行工作滿意感研究時指出，培訓(xùn)對于新進入這個行業(yè)的員工來說是很重要的，并且在剛進入的時候?qū)ζ溥M行與工作有關(guān)方面的培訓(xùn)，會有很重要的激勵作用。從我們收集到的樣本情況來看，此次調(diào)查對象在賓館行業(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)查對象是大專以下學(xué)歷)，而實際中賓館往往又是根據(jù)學(xué)歷，而不是根據(jù)工作經(jīng)驗來提拔員工，因此晉升制度對于這些員工來說是虛無的，也就不予以重視。

8．工作報酬。本次研究中，工作報酬包括“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)放的績效獎金合理”和“與其他同星級賓館同等職位相比，本賓館工資偏低”。本次研究結(jié)果表明，這個因素對員工滿意感影響最小，這個結(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)在一項研究中發(fā)現(xiàn)，員工認為工作報酬不會影響他們的工作滿意感(報酬與滿意感之間的回歸系數(shù)不顯著)，但他們同時也認為，這并不能說明員工不重視工作報酬這個因素，而是說明了其它因素(如對管理人員的評估等)對員工滿意感的影響更為重要。在本次研究中，衡量工作報酬的主要變量(Q9、Q10、Q14)的平均值小于均值(均值為4)，說明員工對工作報酬不滿意；但是，有60．3％(453份有效問卷中，對問題41選擇“是”答案的百分比)的員工認為總的來說在本賓館工作是滿意的，這說明還有其它對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)的一項研究結(jié)果表明，經(jīng)濟因素并不會增強員工長期性的工作滿意感。對于賓館來說，看重的應(yīng)該是員工長期性的工作滿意感。

(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)測方面都要優(yōu)于回歸方法。而且，在使用Logistic回歸方法對兩個模型進行數(shù)據(jù)分析時，均存在不具有統(tǒng)計意義的因子，為了與人工神經(jīng)網(wǎng)絡(luò)方法進行對比，才采用強制的方法把這些因子加入回歸模型。從這個角度看，人工神經(jīng)網(wǎng)絡(luò)方法也優(yōu)于Logis-tic回歸方法。

五、研究貢獻與局限性

(一)研究貢獻

1．迄今為止，我們尚未發(fā)現(xiàn)國內(nèi)外學(xué)者用人工神經(jīng)網(wǎng)絡(luò)方法對賓館員工滿意感的影響因素進行實證研究，因而本次研究具有填補空白的意義。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個主要影響因素多為定性評價，但對賓館來說仍有較大的參考價值，因為在實際中，賓館在參考實證研究的結(jié)果時并不一定需要具體的數(shù)據(jù)，而應(yīng)更注重于對各個因素的改進和完善。因此，本次研究具有一定的實踐貢獻。

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)果對賓館管理人員更好地管理員工、制定人力資源戰(zhàn)略、實施更有效的內(nèi)部營銷有著重要的意義。

(二)研究的局限性

1．本次研究只調(diào)查了廣州的星級賓館，因此研究結(jié)果(例如工作報酬對滿意感的影n向較弱)是否在其它地區(qū)(例如欠發(fā)達地區(qū))也適用，還有待于進一步檢驗。

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，只對模型的擬合優(yōu)度和預(yù)測正確率兩個指標(biāo)進行了比較，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)測正確率，是否避免了過度匹配，還有待于進一步檢驗。

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

隨著社會經(jīng)濟的進步，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)生極其嚴重的核泄漏事故，損失慘重。事后，在全面分析事故原因時，國際核安全組織首次提出安全文化的概念，并認為安全文化的欠缺是導(dǎo)致這次事故的主要原因。對事故的控制實踐表明，軟對策的效果優(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，是在市場經(jīng)濟發(fā)展基礎(chǔ)上形成的一種管理思想和理論，是在經(jīng)驗主義管理、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)實意義，這對電力行業(yè)乃至整個社會經(jīng)濟的穩(wěn)定發(fā)展有著深遠的影響。

一、電力企業(yè)安全文化狀況需要評估

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)人員安全文化意識的淡漠，凸現(xiàn)了安全文化建設(shè)的緊迫性。國家首批注冊安全工程師、安全專家徐德蜀先生曾強調(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)驗為基礎(chǔ)，以被激發(fā)出來的職工的內(nèi)在潛能為動力，以系統(tǒng)工程思想為整合方法，使企業(yè)變?yōu)橐粋€有扎實安全基礎(chǔ)因而有市場競爭力的實體，這是一個系統(tǒng)工程，由此而積累和創(chuàng)造的安全精神財富和安全物質(zhì)財富就是電力企業(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激勵作用。人們越能認識安全生產(chǎn)的行為的意義，就越能產(chǎn)生安全生產(chǎn)的行為的推動力。c1凝聚作用。積極向上的安全生產(chǎn)的價值觀，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由安全知識、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)合這三大支柱的實現(xiàn)程度，電力企業(yè)的安全文化發(fā)展可分為三個階段:要我安全(被動約束)我要安全(主動管理)我會安全(自律完善)。通過這一過程的完成，員工在電力生產(chǎn)過程中，不僅會產(chǎn)生對生產(chǎn)對象的認識和情感，而且還能意識到生產(chǎn)對象和生產(chǎn)過程中自我的安全，從而主動地對不安全因素進行改造，表現(xiàn)出一系列的安全行為，最終達到我能安全。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)的明確的評價方法。對電力企業(yè)的安全文化狀況進行全面客觀地評估，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)展的哪個階段，把握住企業(yè)安全文化建設(shè)進行的廣度和深度。然后，就可以對電力企業(yè)目前的安全文化建設(shè)方案采取相對應(yīng)的改進措施，促進電力企業(yè)安全文化的進一步持久發(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，達到和諧、穩(wěn)定、發(fā)展。

二、電力企業(yè)安全文化的評估方法

電力企業(yè)的安全文化評估是電力安全文化建設(shè)的一個重要環(huán)節(jié)。對安全文化進行評估又不等同于一般的安全性評估，現(xiàn)有的安全評估多是從生產(chǎn)設(shè)備、作業(yè)環(huán)境、安全管理三個領(lǐng)域進行，還沒有更廣地涉及到安全文化的領(lǐng)域。進行電力安全文化評估必須要遵循科學(xué)性、實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，進而還可以再細分解成眾多的構(gòu)成部分。根據(jù)電力安全文化的特點，本文從安全意識、安全價值觀、安全行為、安全現(xiàn)狀四個方面出發(fā)，對某大型電力企業(yè)下屬的9個不同電廠進行了問卷調(diào)查作為評估的取樣，問卷設(shè)計過程采用專家談話法，將安全文化的四個方面又更深入地分解成為500個小方面，做到了層層分解、細致分解、完全分解。進行安全文化評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)所要達到的目標(biāo)，對照目標(biāo)對安全文化建設(shè)效果進行評價，看是否達到或在何種程度上達到了預(yù)期的目標(biāo)。b1“知行”統(tǒng)一法。既看員工在安全意識和安全技能上了解的知識狀況，又看其在安全實踐中的行為表現(xiàn)。c1過程分析法。把安全文化建設(shè)的效果放在一個發(fā)展的過程中來考察，從發(fā)展的趨勢、長遠的時效來看待效果。d1比較鑒別法。通過比較對照來考察企業(yè)安全文化建設(shè)的效果?？v向的比較就是把同一對象在參加某項安全建設(shè)活動前后的情況加以對比，橫向的比較就是在不同的主體間進行比較。e1個體評價和群體評價法。對安全文化建設(shè)在個體和群體中產(chǎn)生的效應(yīng)分別作出評價和估量。f1單項評價和綜合評價法。安全文化建設(shè)的諸多效果之間既有獨立性又相互聯(lián)系。以上對電力企業(yè)的安全文化評估方法均行之有效，但考慮到安全文化的內(nèi)容豐富，評估結(jié)果和評價元素之間存在復(fù)雜的非線性關(guān)系，上述評估方法在實際操作中有的過于簡單，考慮不夠全面，致使各評價指標(biāo)欠缺準(zhǔn)確性，有的稍顯主觀，客觀性不足，作出的評估結(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)涵和評價元素的多樣性決定了這一評價系統(tǒng)會是一個復(fù)雜的非線性系統(tǒng)，評價起來不易實現(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，具有很強的非線性逼近能力，為電力企業(yè)安全文化評估系統(tǒng)的實現(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)，是對人腦的抽象、簡化和模擬，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)計學(xué)、物理學(xué)、計算機科學(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個輸入樣本，每個樣本的網(wǎng)絡(luò)期望輸出和實際輸出的偏差為Ek=∑q(ykt-ckt)2/2式中:ykt為期望輸出，ckt為實際輸出。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，學(xué)習(xí)過程結(jié)束?；诖薆P算法，在VisualBasic610平臺上研制開發(fā)了電力企業(yè)安全文化評價系統(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評價指標(biāo)的確立將安全文化的評估內(nèi)容劃分為安全意識、安全價值觀、安全行為、安全現(xiàn)狀四大方面，其下又分解為500個小的組成元素，這些小元素即為調(diào)查問卷的答案選項。取9個電廠中的6個作為訓(xùn)練樣本，3個作為待檢測樣本。將6個電廠的員工對這些選項所做的答案作為BP網(wǎng)絡(luò)的輸入元素進行評測訓(xùn)練。為此，將員工對這500個備選選項的答案全部統(tǒng)計成百分比的形式，實現(xiàn)了評測指標(biāo)的標(biāo)準(zhǔn)化。412網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)定基于確立的評價指標(biāo)，設(shè)定BP網(wǎng)絡(luò)的輸入節(jié)點為500個。因為三層的神經(jīng)網(wǎng)絡(luò)可以任意精度地逼近任意的連續(xù)函數(shù)，所以評價系統(tǒng)只采用了一個隱層，經(jīng)過多次實驗網(wǎng)絡(luò)的收斂情況，設(shè)定隱層的節(jié)點數(shù)為14個。輸出節(jié)點設(shè)定了3個，輸出范圍分別在0和1之間。BP網(wǎng)絡(luò)的各個初始權(quán)值和初始閾值隨機確定，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算梯度向量，使誤差收斂條件簡單化，輸入樣本時可以采取批處理方式，讓組成一個訓(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)的安全文化評價方法對這些問卷答案進行專家分析，給出評價，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階段，(0，1，0)代表電廠的安全文化處于中級階段，(0，0，1)代表電廠的安全文化還處于較初級階段。訓(xùn)練結(jié)束后，保存權(quán)值和閾值。正向測試，可得到BP網(wǎng)絡(luò)的實際輸出值:F=(f1，f2，f3，f4，f5，f6)T=019820115701163019940113701118011360196901125011720198501164011450115301928011180112901953對照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)計的電力企業(yè)安全文化評估系統(tǒng)能夠反映企業(yè)的實際情況。將另3個電廠的指標(biāo)數(shù)據(jù)輸入到系統(tǒng)中來驗證網(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)展的中級階段，電廠8處于初級階段，電廠9處于初級階段。結(jié)果表明，所應(yīng)用的BP神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)后具有存儲經(jīng)驗并進行判斷的專家功能。為了更進一步驗證該BP網(wǎng)絡(luò)的判斷功能的準(zhǔn)確性，構(gòu)造了一個模糊綜合判斷模型，采用相同的樣本來對這3個電廠進行安全文化狀況的評估?？紤]到電力企業(yè)安全文化內(nèi)涵的豐富性和復(fù)雜性，在進行具體評估時依然采用四個一級指標(biāo)來反映(安全意識指標(biāo)、安全價值觀指標(biāo)、安全行為指標(biāo)、安全現(xiàn)狀指標(biāo))，將問卷中的500個答案選項(對安全文化的影響因素)，按照對四個一級指標(biāo)的屬性進行分類歸屬，作為模糊評估模型的二級評價指標(biāo)。將3個電廠各一級指標(biāo)下的二級指標(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。通過運用廣義的Fuzzy算子，可計算得到二級評價指標(biāo)上的模糊綜合評價集為R(i)=B(i)•A(i)=(r1(i)，r2(i)，r3(i))(i=1，2，3，4)將得到的R(i)作為更高一層的評價矩陣行，采用相同的算法，逐層進行評價，最終可得到模糊綜合評價結(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價值的結(jié)果范圍同安全文化所處階段的關(guān)系為高級階段[01666，1]中級階段[01333，01666]初級階段[0，01333]通過實驗，可得到這3個電廠的模糊綜合評價值為R=(016251，012978，013152)數(shù)據(jù)證明，3個電廠在模糊綜合判斷模型下進行的安全文化評估同采用BP神經(jīng)網(wǎng)絡(luò)所得到的評估結(jié)論相同。

篇5

摘 要：隨著現(xiàn)代生活水

>> 淺談室內(nèi)環(huán)境檢測與居住舒適度的評判 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)境檢測及凈化方法研究 醫(yī)院室內(nèi)環(huán)境的設(shè)計研究 對室內(nèi)環(huán)境檢測的研究 基于積極教育理念的小學(xué)室內(nèi)環(huán)境設(shè)計方法探究 打造室內(nèi)環(huán)境　舒適和諧之家 基于云計算的室內(nèi)環(huán)境監(jiān)測系統(tǒng)的研究 基于情感需求的室內(nèi)環(huán)境設(shè)計研究 淺談室內(nèi)環(huán)境色彩設(shè)計方法 室內(nèi)環(huán)境質(zhì)量及其檢測方法 探析室內(nèi)環(huán)境評價方法現(xiàn)狀 室內(nèi)環(huán)境安全性設(shè)計研究 甲醛室內(nèi)環(huán)境檢測采樣布點研究 室內(nèi)環(huán)境檢測能力驗證工作研究 酒店室內(nèi)環(huán)境裝飾設(shè)計研究 室內(nèi)環(huán)境防治與檢測問題研究 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)評價研究[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)熱舒適評判模型[J].哈爾濱工業(yè)大學(xué)學(xué)報，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算機，一時之間，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。

實際上，這并非歷史上第一次人機大戰(zhàn)。自從1956年“人工智能”這一概念被提出來后，人和計算機之間就有過數(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

1996年，卡斯帕羅夫與IBM超級國際象棋計算機RS/6000 SP（即“深藍”）展開對決。經(jīng)過一個多星期的PK，卡斯帕羅夫最終贏得比賽，但深藍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’桌子對面是一位高智慧的選手?！钡J為，深藍所擁有的只是一種“畸形的智能”，效率低且缺少韌性。他甚至預(yù)言：計算機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1勝3平被深藍升級版打敗。

“這是人工智能發(fā)展史上的一個里程碑?！辟惡螅聡斯ぶ悄苎芯恐行呢撠?zé)人登格爾如是評價。

創(chuàng)造這個“里程碑”記錄的深藍升級版，重1270公斤，有32個“大腦”（微處理器），其計算能力當(dāng)時在全球超級計算機中排名第259。比賽前，IBM研發(fā)小組向深藍輸入了100年來所有國際特級大師開局和殘局的200多萬局下法。

深藍取勝的法寶，是依靠強大的計算能力窮舉所有路數(shù)，并選擇最佳策略――深藍每秒可運算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，深藍的獲勝也就不那么讓人意外了。

當(dāng)然，深藍取勝還有另一個秘訣――每場對局結(jié)束后，IBM研發(fā)小組都會根據(jù)卡斯帕羅夫的下棋情況相應(yīng)地修改深藍的參數(shù)，深藍雖然不會思考，但這實際上起到了“強迫”它學(xué)習(xí)的作用。這種“被動學(xué)習(xí)”的方式，讓深藍不斷強化了對對手的了解并最終獲勝。

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

雖然，深藍并沒有進行圖靈測試，但它在人機大戰(zhàn)中的勝利，至少意味著計算機已經(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，深藍獲勝4年后，又一次人機大戰(zhàn)在其同門師弟“沃森”與人類冠軍之間展開。當(dāng)時，沃森參加美國老牌智力問答節(jié)目《危險邊緣》，并與該節(jié)目最高獎金得主布拉德?魯特爾和連勝紀錄保持者肯?詹寧斯展開了一場萬眾矚目的人機智力大賽。

《危險邊緣》采取三人競答方式進行，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，還得會解析隱晦含義、反諷與謎語等，而普通電腦并不擅長進行這類“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，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、諷刺口吻及謎語等。此外，它還能根據(jù)比賽獎金的數(shù)額、自己的比分與對手的差距、自己擅長的題目領(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2億頁數(shù)據(jù)，各種百科全書、詞典、新聞、維基百科的全部內(nèi)容以及其他可以建立知識庫的參考材料都被它“收入囊中”，堪稱是計算機領(lǐng)域的“百曉生”。

其次，它能“秒讀萬冊”――它由90臺IBM服務(wù)器（相當(dāng)于90個“大腦”）、360個芯片驅(qū)動組成，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大戰(zhàn)。 02 對人工智能來說，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……這些問題能讓計算機分分鐘死機。

最重要的是，沃森還會“深度問答”――這一法寶是IBM研發(fā)團隊為它量身定制的，該技術(shù)賦予了它較高的自然語言理解能力。在拿到一個問題后，依靠內(nèi)置的100多種算法，沃森會在3秒內(nèi)解析問題并檢索數(shù)百萬條信息，包括語法語義分析、對各個知識庫進行搜索、提取備選答案、對備選答案證據(jù)的搜尋、對證據(jù)強度的計算和綜合等。

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，當(dāng)時的美國總統(tǒng)是誰”，“沃森”首先會對“首次播出”進行語言理解，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)時的美國總統(tǒng)。

在取得這場眾所矚目的勝利后，沃森開始向醫(yī)療衛(wèi)生業(yè)進軍。在美國，機器人醫(yī)生沃森從2011年就開始坐診，通過詢問病人的病征、病史，對患者的個性化數(shù)據(jù)、大量病例和醫(yī)療文獻進行“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73%。

從深藍到沃森，從硬算能力到自然語言理解能力，從“被動學(xué)習(xí)”到“深度問答”， 計算機的“智能”向前邁進了一大步。

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技高地，據(jù)估算，圍棋的可能下法數(shù)量多達10的171次方。這個數(shù)字，甚至遠遠高于可觀測宇宙中的原子總數(shù)（該總數(shù)為10的80次方）。

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

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制來解釋數(shù)據(jù)，例如圖像、聲音和文本等。

為了讓計算機學(xué)會像人一樣“思考”，一個重要的條件是：它必須擁有計算速度可媲美人腦的高性能計算集群，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)時的“單機版”性能至少是當(dāng)年“深藍”的1000倍。

為了使阿爾法狗變得更“聰明”，谷歌還專門為其設(shè)計了兩個神經(jīng)網(wǎng)絡(luò)，其中，“策略網(wǎng)絡(luò)”會根據(jù)棋局選擇下一步走法；“價值網(wǎng)絡(luò)”會在下子后分析對手會怎么走，并預(yù)測進行數(shù)值性的估計。

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

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)之間運行數(shù)千局圍棋，利用反復(fù)試驗調(diào)整連接點，這個流程也稱為“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”。從這個意義上來說，阿爾法狗堪稱是計算機中的“學(xué)霸”。

人工智能，還有多遠？

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、超級計算機、云計算和大數(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臺機器、16000個CPU處理的“深度學(xué)習(xí)”模型就已經(jīng)有了10億個神經(jīng)元――當(dāng)然，這仍遠遠低于人腦100億～10000億個的神經(jīng)元總數(shù)。

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

那么，這是否意味著計算機已經(jīng)和人一樣“聰明”了？

答案是否定的！

因為在更復(fù)雜的認知層面，例如對于語言和圖像的深度理解、邏輯推演、情感選擇等方面，計算機距離人類還有很大差距。

比如說，對普通人而言，分辨貓和狗，從閱讀或娛樂中獲取快樂，分辨愛或恨、激動或憤怒，都是很尋常的事情，但對計算機而言，這些問題會讓它分分鐘死機。

舉個例子，當(dāng)你和朋友一起外出就餐時，兩人都搶著買單。對于這種推搡的過程，計算機很難準(zhǔn)確判斷出這是為了買單的友善行為，還是惡意的爭執(zhí)。更進一步來說，計算機也許可以根據(jù)人的面部表情和肢體動作，在一定程度上辨別出人的喜怒哀樂等情緒，但對于人類的那種“只可意會，不可言傳”的情感，在進行辨識時，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)”頁面。

2、然后向下滑動屏幕，即可看到“走路賺金幣”選項。用戶點擊該選項后，頁面就會顯示當(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天就會有500金幣。

“趣頭條”是一款上海基分文化傳播有限公司開發(fā)的APP。團隊致力通過大數(shù)據(jù)算法和云計算等技術(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、媒體和共贏的方式。以移動應(yīng)用為載體進行內(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:H0 文獻標(biāo)志碼:A 文章編號: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)策略是語言學(xué)習(xí)者采用方法的總的傾向和總體特征。Rubin(1987) 則認為,學(xué)習(xí)策略是指有助于學(xué)習(xí)者自我建構(gòu)的語言發(fā)展的策略。Weinstein 和Mayer(1986:35)從認知心理學(xué)的角度定義學(xué)習(xí)策略為:學(xué)習(xí)語言時的做法或想法,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)者為促進習(xí)得,儲存、提取和使用信息而采用的手段。她強調(diào)學(xué)習(xí)策略使用的目的是“提高學(xué)習(xí)者的語言能力水平、自信心和積極性?！辈⑶艺J為“語言學(xué)習(xí)策略是以解決問題為導(dǎo)向的,語言學(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)語言時的做法和想法,是以發(fā)展語言能力為目的的,可以大大提高學(xué)習(xí)者學(xué)習(xí)語言的積極性和主動性。

不僅在學(xué)習(xí)策略的定義上有不同的意見,在對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“元認知策略,認知策略和社會/情感策略三種”。Cohen(1998)又根據(jù)策略運用的目的,把學(xué)習(xí)策略分為學(xué)習(xí)語言的策略和運用語言的策略兩大類。國內(nèi)的學(xué)者文秋芳(1993)把策略分為管理策略和語言學(xué)習(xí)策略。并且認為語言學(xué)習(xí)策略具有學(xué)科的獨特性,只適用于語言學(xué)習(xí),而管理策略則具有跨學(xué)科、跨專業(yè)、跨時空的特性,具有遷移性。管理策略相當(dāng)于O’Malley 和Chamot的元認知策略和社會/情感策略;語言學(xué)習(xí)策略相當(dāng)于認知策略。

二、策略培訓(xùn)的認知理論基礎(chǔ)

1.信息處理理論認為,學(xué)習(xí)就是從對知識的控制階段向自動階段過渡的過程。在二語學(xué)習(xí)過程中,學(xué)習(xí)者首先借助于控制的過程,這個控制的階段要求學(xué)習(xí)者付出大量的注意力,這個階段會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的階段轉(zhuǎn)化。自動化的程序在長期記憶中是以單元的形式儲存的。當(dāng)知識自動化之后,學(xué)習(xí)者需要付出很少的注意力。當(dāng)需要這些自動化的知識時,它們會被很快激活。一旦知識或技能自動化之后,很難在記憶中清除或改變。學(xué)習(xí)被認為是通過練習(xí)知識從控制階段向自動化階段過渡的過程,這種過渡會導(dǎo)致外語學(xué)習(xí)者語言知識體系的再塑造。根據(jù)O Malley 和Chamot(1990)意見,學(xué)習(xí)策略也是一種知識和技能,策略的習(xí)得與其他復(fù)雜的認知技能的習(xí)得方式一樣,成功的語言學(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的,后期就可以自動執(zhí)行了,無需學(xué)習(xí)者的意識。因為短時記憶的空間有限,因此,還沒有程序化的技巧有可能在需要的時候不能得到適當(dāng)?shù)募せ?。因為策略也是技?通過傳授這種策略知識,可以使策略技巧被迅速地程序化,因而也就可以為短時記憶讓出空間處理其他信息。

2.聯(lián)結(jié)主義是與符號主義針鋒相對的認知理論的一個學(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)解釋人類大腦的認知活動(劉曉玲,張其云,2009)。聯(lián)結(jié)主義認為,認知的基本單位是神經(jīng)元,認知的過程由神經(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)上是同時進行加工的。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)系通過啟動而被加強,或因不被啟動而弱化(王初明,2001)。網(wǎng)絡(luò)對信息的每一次加工,都會使單元之間的聯(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、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。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,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)比較過一個英語學(xué)習(xí)成功者和一個不成功者。她們采用的策略是有區(qū)別的,也就是成功者更善于運用學(xué)習(xí)方法、學(xué)習(xí)策略。成功者不僅對語言學(xué)習(xí)策略有選擇,而且能夠評估自己的學(xué)習(xí)過程,一旦發(fā)現(xiàn)問題能夠及時調(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,策略知識的學(xué)習(xí)是更高層次知識的學(xué)習(xí)。

三、策略培訓(xùn)的內(nèi)容選擇

除了對策略的定義及分類上存在分歧之外,在對策略是否有意識上也存在不同的看法。Oxford(1990)認為策略僅指外部活動,而Weinstein 和Mayer(1986:35)則認為策略既可以指外部活動又可以指內(nèi)部活動。Ellis(1994)和Wen(1993)支持后者的觀點。Macaro(2001)認為策略的分類應(yīng)該在一個連續(xù)軸上。無意識的、直接的策略位于軸的一端,而有意識的、間接的策略位于另一端,中間沒有一個明顯的分界線。軸的一端和學(xué)習(xí)任務(wù)緊密相連,是對教學(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,這些策略的意識性更強一些。Macaro(2001)列舉了學(xué)習(xí)者認為意識性更強、更間接的策略,和更直接、意識性不強的策略,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?筆者認為側(cè)重點應(yīng)該放在元認知策略和社會/情感策略的培訓(xùn)上。因為學(xué)習(xí)者更容易掌握這些策略,而且這些策略具有很強的遷移性。這些策略的掌握將會對學(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性更強,而且能夠分析和評價自己的學(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)者認為外語專業(yè)的學(xué)生患有“思辨缺席癥”,其思辨能力遠遠低于其他文科專業(yè)的學(xué)生,也有的學(xué)者認為外語專業(yè)的學(xué)生由于學(xué)習(xí)并掌握了另一門語言,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模型。將思辨能力分為兩個層次:元思辨能力和思辨能力。第一層次元思辨能力是指對自己的思辨計劃檢查、調(diào)整與評估的技能;第二層次思辨能力包括與認知相關(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。而元認知策略及社會/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,元認知策略及社會/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)曾對國內(nèi)外關(guān)于策略的研究進行過綜述,認為:策略培訓(xùn)對提高英語學(xué)習(xí)策略有明顯的效果,對中等水平或中等偏下水平學(xué)生的幫助更加明顯。也曾對策略培訓(xùn)的效果提出質(zhì)疑,認為目前的培訓(xùn)使學(xué)生在某些方面的成績有了顯著提高,但這只是短期效應(yīng),策略培訓(xùn)能否產(chǎn)生長期效應(yīng)仍然是個未知數(shù)。但是筆者認為管理策略或者元認知策略、社會/情感策略一經(jīng)被學(xué)習(xí)者掌握,是可以產(chǎn)生長期效用的,因為它們具有遷移性。而語言學(xué)習(xí)策略雖然只是產(chǎn)生了短期效用,但一種知識技能能否對學(xué)習(xí)者產(chǎn)生長期效用取決于學(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。文秋芳主張在策略培訓(xùn)方面采用個案研究和微變化研究,這需要很長的時間,特別是探求認知發(fā)展的軌跡與機制。而策略培訓(xùn)的目的是提高學(xué)習(xí)者的語言水平及自主學(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,即策略意識培訓(xùn)、集中短期培訓(xùn)和長期培訓(xùn)。意識培訓(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)模式的八個具體步驟,并指出這八個步驟的順序不是固定的,可以幾個步驟同時進行,也可以調(diào)換順序。把模式和步驟綜合起來,筆者認為,在策略培訓(xùn)的不同階段可以采用不同的形式,并且應(yīng)該把提高策略意識放在第一步,在這個階段不僅可以使學(xué)習(xí)者了解并熟悉語言學(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,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)者對這些策略的排序進行教授,這樣可以大大提高學(xué)習(xí)者的學(xué)習(xí)主動性和學(xué)習(xí)熱情。

2.考慮學(xué)習(xí)者之間的差異。在進行策略教學(xué)時要考慮到與語言教學(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)者和教師對語言學(xué)習(xí)的認識等。

3.考慮策略的種類。在選擇策略上,一定要選擇對大多數(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

學(xué)習(xí)策略的研究始于上個世紀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,應(yīng)該使用學(xué)習(xí)者的第一語言還是第二語言;教師的教學(xué)風(fēng)格對學(xué)習(xí)者策略選擇及使用有什么影響;學(xué)習(xí)者的認知水平,認知能力與策略使用之間的關(guān)系;如何評價策略培訓(xùn)的效果及相關(guān)評價體系的建立,等等。許多問題需要學(xué)者們作進一步的研究。

參考文獻:

[1] Cohen,A.D. Strategies in Learning and Using a Second Language. 北京:外語教學(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.外語學(xué)習(xí)策略訓(xùn)練研究綜述[J].沈陽建筑大學(xué)學(xué)報,2008,(7).

[6] 紀康麗.外語學(xué)習(xí)中元認知策略的培訓(xùn)[J].外語界,2002,(3).

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

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

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

[10] 蘇遠連,張耀冰.西方外語學(xué)習(xí)策略訓(xùn)練研究綜述[J].國外外語教學(xué),2003,(3).

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

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

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

[14] 文秋芳,王立非. 對外語學(xué)習(xí)策略有效性研究的質(zhì)疑[J].外語界,2004,(2).

[15] 文秋芳,王立非. 影響外語學(xué)習(xí)策略系統(tǒng)運行的各種因素述評[J].外語與外語教學(xué),2004,(9).

[16] 文秋芳,王立非. 中國英語學(xué)習(xí)策略實證研究20年[J].外國語言文學(xué),2004,(1).

[17] 文秋芳.大學(xué)生英語學(xué)習(xí)策略變化的趨勢及特點[J].外語與外語教學(xué),1996,(4).

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

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

[20] 王立非.第二語言學(xué)習(xí)策略研究:問題與對策[J].國外外語教學(xué),2001,(4).

篇9

本文從探討人工智能的定義出發(fā)，闡述了對“智能”的理解在研究中的地位，指出結(jié)合計算機對人腦認知過程進行建模研究的重要性。簡要介紹了人工智能的三個階段的發(fā)展簡史、當(dāng)前的研究與應(yīng)用熱點，并分析其在21世紀中的發(fā)展趨勢，主要包括模糊處理、機器情感、神經(jīng)網(wǎng)絡(luò)等等，并指出人工智能的進一步發(fā)展依賴于更先進的數(shù)學(xué)工具。對這些問題的研究有助于進一步推動人工智能的發(fā)展。

關(guān)鍵詞 人工智能 自然智能 計算機模擬 認知模型 模糊處理 機器情感 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“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，而這是人工智能研究的弱點。

2 指出人類的認識過程可以抽象為一個符號操作系統(tǒng)，而計算機同樣也可作為一個符號操作系統(tǒng)，因此可以使用計算機對人腦認識模型進行建模研究。

3 簡要介紹人工智能的發(fā)展史及研究熱點

4 分析人工智能的發(fā)展趨勢，并指出人工智能的進一步發(fā)展依賴于數(shù)學(xué)工具的進一步發(fā)展。

：5600多字

有中文摘要、參考文獻

200元

篇10

關(guān)鍵詞數(shù)據(jù)挖掘網(wǎng)絡(luò)營銷市場營銷

計算機網(wǎng)絡(luò)與數(shù)據(jù)庫技術(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，但是這些商業(yè)知識是隱含的、事先未知的。面對“人們被數(shù)據(jù)淹沒，人們卻饑餓于知識”的挑戰(zhàn)，數(shù)據(jù)挖掘技術(shù)應(yīng)運而生，越來越顯示出其強大的生命力。

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的過程。還有很多和這一術(shù)語相近的術(shù)語，如從數(shù)據(jù)庫中發(fā)現(xiàn)知識、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，它把人們對數(shù)據(jù)的應(yīng)用從低層次的簡單查詢，提升到從數(shù)據(jù)中挖掘知識，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)測模型，主要由“神經(jīng)元”的互聯(lián)，或按層組織的節(jié)點構(gòu)成，通常由輸入層、中間層和輸出層三個層次組成，在每個神經(jīng)元求得輸入值后，再匯總計算輸入值；由過濾機制比較輸入值，確定網(wǎng)絡(luò)的輸出值。

1.2決策樹

決策樹是一個類似流程圖的樹型結(jié)構(gòu)，其中每個內(nèi)部節(jié)點表示在一個屬性上的測試，每個分枝代表1個測試輸出，而每個樹葉點代表類或類分布。樹的最頂層節(jié)點是根節(jié)點。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化過程的計算模型，是自然遺傳學(xué)與計算機科學(xué)相互結(jié)合滲透的計算方法。遺傳分析應(yīng)用搜索技術(shù)，先找出兩個合適的父樣本，通過“交叉”“變異”等帶有生物遺傳特點的操作產(chǎn)生下一代樣本，對子樣本反復(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

用該方法進行預(yù)測的基本概念就是相互之間“接近”的對象具有相似的預(yù)測值。如果知道其中一個對象的預(yù)測值后，可以預(yù)測其最近的鄰居對象。

1.5規(guī)則推導(dǎo)

根據(jù)統(tǒng)計意義上對數(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”，對給定的一組項目和一個記錄集合，通過分析記錄集合，推導(dǎo)出項目間的相關(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)定義知識而直接發(fā)現(xiàn)一些有意義的結(jié)構(gòu)與模式?？刹捎猛負浣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)在營銷中應(yīng)用的理論假設(shè)

隨著數(shù)據(jù)量的急劇增長，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。隨著市場經(jīng)濟國際化、區(qū)域經(jīng)濟全球化、業(yè)務(wù)處理數(shù)字化、消費需求個性化的市場競爭環(huán)境的形成，企業(yè)將面臨更多的競爭對手和不確定的信息，需要借助于數(shù)據(jù)挖掘技術(shù)對商業(yè)數(shù)據(jù)庫中的大量業(yè)務(wù)數(shù)據(jù)進行抽取、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)市場營銷中得到了比較普通的應(yīng)用，它是以市場營銷學(xué)的市場細分原理為基礎(chǔ)，其基本假定是“消費者過去的行為是其今后消費傾向的最好說明”。通過收集、加工和處理涉及消費者消費行為的大量信息，確定特定消費群體或個體的興趣、消費習(xí)慣、消費傾向和消費需求，進而推斷出相應(yīng)消費群體或個體的下一步的消費行為，然后以此為基礎(chǔ)，對所識別出來的消費群體進行特定內(nèi)容的定向營銷。這與傳統(tǒng)的不區(qū)分消費者對象特征的大規(guī)模營銷手段相比，大大節(jié)省了營銷成本，提高了營銷效率，從而為企業(yè)帶來更多的利潤。3數(shù)據(jù)挖掘技術(shù)在企業(yè)網(wǎng)絡(luò)營銷中的應(yīng)用

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

3.1客戶關(guān)系管理

網(wǎng)絡(luò)營銷的企業(yè)競爭是一種以顧客為焦點的競爭形態(tài)，爭取顧客、留住顧客、擴大顧客群、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，建立顧客對于虛擬企業(yè)與網(wǎng)絡(luò)營銷的信任感，是網(wǎng)絡(luò)營銷的關(guān)鍵?；诰W(wǎng)絡(luò)時代的目標(biāo)市場、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：一個企業(yè)如果將其客戶流失率降低5%的話，其利潤就能增加25%～85%。因此，企業(yè)必須要加強與客戶之間的緊密聯(lián)系和提高客戶忠誠度。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)用超級計算機、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)手段進行處理，提煉出有用信息。一方面是根據(jù)客戶行為進行聚類。另一方面是從所建立的數(shù)據(jù)倉庫中挖掘出為企業(yè)創(chuàng)造利潤的這部分客戶，從而與創(chuàng)造利潤的優(yōu)良客戶建立長期關(guān)系。

3.2企業(yè)經(jīng)營定位

通過挖掘出消費者的相關(guān)數(shù)據(jù)，可以找出其共性和個性，并對消費者進行分類，來制定企業(yè)的經(jīng)營目標(biāo)和市場定位，以利于企業(yè)利用網(wǎng)絡(luò)優(yōu)勢，與客戶進行積極有效的信息交流與情感溝通，一對一地向客戶提供個性化的產(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)購買需要。有些客戶在購買某種商品時，會同時購買其他的產(chǎn)品，企業(yè)就可以針對這種情況，采取積極的營銷策略，擴展客戶購買的產(chǎn)品范圍或提供相關(guān)的服務(wù)，吸引更多的客戶；通過挖掘客戶的個人特征以及消費數(shù)據(jù)，可以將客戶群體進行細分，根據(jù)不同的客戶群，實施不同的營銷和服務(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)顧客的消費水平和基本特征對顧客進行分類，找出對本企業(yè)有較大貢獻的重要客戶的特征，通過對其進行個性化服務(wù)，提高他們的忠誠度。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，提供個性化、多樣化、差異化的富有成效的網(wǎng)絡(luò)營銷方案，從而找準(zhǔn)企業(yè)的營銷定位。

3.3客戶信用風(fēng)險控制

企業(yè)在實施網(wǎng)絡(luò)營銷過程中經(jīng)常經(jīng)受來自買方的信用風(fēng)險：個人消費者可能在網(wǎng)絡(luò)上使用信用卡進行支付時惡意透支，或使用仿造的信用卡騙取賣方的貨物；集團購買者有拖延貨款的可能。賣方需要對此承擔(dān)風(fēng)險。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”，而且一個人在相當(dāng)長的一段時間內(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，可以識別“合法”用戶。如此得到詐騙行為的一些特性，當(dāng)某項業(yè)務(wù)符合這些特征時，就可以向決策人員提出警告，從而提高企業(yè)應(yīng)對客戶信用風(fēng)險的能力。

3.4客戶信譽分析

企業(yè)開展網(wǎng)絡(luò)營銷后，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)營風(fēng)險。風(fēng)險與效益并存，分析客戶的信用等級對于降低風(fēng)險、增加收益是非常重要的。利用數(shù)據(jù)挖掘工具，可以對客戶信譽進行分析，以加強營銷的安全性和針對性。通常的做法是：從已有的數(shù)據(jù)中分析得到信用評估的規(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”，并將得到的規(guī)則或評估標(biāo)準(zhǔn)應(yīng)用到對新的客戶的信譽分析。對不同客戶的信譽劃分等級，不同等級的客戶采取不同的營銷策略，制定不同的付款方式和交貨方式，降低營銷風(fēng)險，提高營銷效益。

3.5消費需求預(yù)測

在網(wǎng)絡(luò)營銷中，每一個消費者首先是一個不斷變化的虛擬網(wǎng)絡(luò)環(huán)境中的“沖浪者”，他一方面扮演個人購買者的角色，另一方面則扮演著社會消費者的角色，起著引導(dǎo)社會消費的作用。從事電子商務(wù)活動的網(wǎng)絡(luò)營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)營銷計劃除了需要考慮傳統(tǒng)市場中顧客的各種需求外，還必須照顧到網(wǎng)民對興趣、聚集和交流的需求，分析他們需求變化的表現(xiàn)、趨勢和原因，采用多種行銷方法，啟發(fā)、剌激網(wǎng)絡(luò)消費者的需求，喚起他們的購買興趣，誘導(dǎo)網(wǎng)絡(luò)消費者將潛在的需求轉(zhuǎn)變?yōu)楝F(xiàn)實的需求。

3.6企業(yè)交叉營銷

交叉營銷是指企業(yè)通過發(fā)現(xiàn)一位已有顧客的多種需求，并滿足其需求而實現(xiàn)多種相關(guān)產(chǎn)品或服務(wù)的各種策略和方法，其實質(zhì)是用戶資源在各產(chǎn)品及服務(wù)間的共享，是在擁有一定市場資源的情況下向自己的顧客或合作伙伴的顧客進行的一種業(yè)務(wù)推廣手段。交叉營銷現(xiàn)已擴展到兩個電子商務(wù)企業(yè)/網(wǎng)站之間開展聯(lián)盟合作的交叉網(wǎng)絡(luò)營銷，有利于企業(yè)資源互補、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)造競爭優(yōu)勢。利用數(shù)據(jù)挖掘工具，了解顧客在網(wǎng)上購買商品或接受服務(wù)時的選取習(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，提高消費者的消費價值，提高交叉營銷效果，提高顧客的滿意度和忠誠度。

參考文獻

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