神经网络在高校图书馆员绩效评估中的应用研究

《神经网络在高校图书馆员绩效评估中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要现代人力资源管理中，员工的绩效评估是一项重要功能，是人力资源管理获取组织竞争优势的有效途径之一。员工绩效评估通过对被评估者的绩效进行评估分析，为组织的人事配置提供科学依据，辅助组织客观有效地选用人才，为组织的人事决策提供有效参考，对组织进行人力资源的配置、使用及培训开发有着重要的意义。员工绩效评估在不同程度上受到多种因素的影响，其结果难以用恰当的数学解析式来描述，是一个多变量、模糊复杂的非线性过程。目前国内外图书馆常用的评估方法和技术大多存在评估结果不够客观、准确性差等问题，影响了图书馆员工绩效评估方法技术

2、在图书馆人力资源管理实践中的应用。自上世纪80年代以来，人工神经网络这个多学科高科技领域，吸引了众多的神经生理学家、心理学家、数理科学家、计算机与信息科学家及工程师和企业家等进行研究和应用，并在信号与图像处理、语音识别、虚拟现实、控制系统设计、系统仿真、人工智能、优化计算、企业危机管理与预警、数据挖掘、系统辨识及综合评估等领域都得到了很好的应用。本文尝试利用人工神经网络本身具有并行处理数据、良好的容错、自适应和自学习以及较好的非线性功能等特性，对图书馆员的绩效进行系统的分析，构建人工神经网络模型，对员工绩效评估

3、方法进行改进，以减少由于测评人员主观因素造成的评估结果的偏差，期待能取得一个具有通用性、简洁性的评估图书馆员绩效的客观量化标准，力图在评估方法上有所创新。本文在阅读大量前人书籍和文章的基础上，主要做了以下工作：1．概述了图书馆员绩效评估的常用方法，整理和分析了神经网络的有关理论和相应算法，在分析图书馆员绩效评估的传统方法的基础上，对图书馆员绩效评估方法进行了改进研究。2．论证了人工神经网络用于员工绩效评估的可行性，介绍了用神经网络对图书馆员绩效评估方法改进的原理及思路，并以神经网络模型为基础建立了评估模型；针对

4、人工神经网络评估模型，建立相应的图书馆员绩效评估的指标体系，I并提供将这些指标体系进行量化的方法，使其能够作为神经网络训练数据的理想输入。3．简要说明了在本文研究过程中遇到的问题，阐述了研究的不足之处，提出了继续完善的部分设想，为接下来进行此研究的人提供参考。关键词：图书馆员绩效；神经网络；评估模型；绩效评估IIAbstractStaffperformanceevaluationisanimportantfunctionofmodernhumanresourcemanagement,andit'soneofth

5、eeffectivewaystoobtainacompetitiveorganizationaladvantage.Byanalyzingtheperformanceofthepersonnelbeingevaluated,wecanusestaffperformanceevaluationtoofferscientificpersonnelallocation,helpingtheorganizationsselectingpersonnelobjectivelyandeffectively,fullydev

6、elopingtheinitiativeandcreativityofpersonnel,andfinallyofferreferenceinformationforpersonneldecisions.Itisimportantfororganizationhumanresourceallocation,usingandtraining.Staffperformanceevaluationisaffectedbyvariousfactorstosomeextent,sothe outcomeofevaluat

7、ionisdifficulttobeexpressedwithamathematicalfunction;itisa multivariate,complexandnonlinear.Currently,thegeneralfactisweusuallygetless objectiveandcorrectresultbyusingtheevaluationmethodsandtechniquesoften adoptedbydomesticandabroadresearchers.Sothespreadofs

8、taffperformance evaluationinorganizationhumanresourcemanagementisgreatlylimited.Sincethe80soflastcentury,thehightechniquesmulti-subjectconceptof artificialneuralnetworkhasattractedtheattentionof