基于改进深度动态模糊神经网络的信息综合分析算法

作     者：章丹 施雯 王远 邱曼曼 廖羽晗 ZHANG Dan;SHI Wen;WANG Yuan;QIU Manman;LIAO Yuhan

作者机构：国网安徽省电力有限公司超高压分公司安徽合肥230009 

基　　金：安徽省电力有限公司超高压分公司非物资项目(B31203220005) 

出 版 物：《电子设计工程》 (Electronic Design Engineering)

年 卷 期：2024年第32卷第12期

页      码：86-90页

摘      要：针对传统人力资源评价算法的主观性强,难以反映员工真实能力的问题,提出了一种结合深度动态模糊神经网络和粒子群优化的算法。该算法对传统模糊神经网络进行了改进,并使用动态结构来增强原模型训练能力,通过对隶属函数层的优化,使模型具备了处理广域数据的能力。为了提高算法的运行效率,还采用误差下降法对模型的规则权重进行排序并完成剪枝操作,同时利用粒子群算法实现对模型参数的优化。实验测试结果表明,所提算法的训练时间仅需7.8 s,性能与效率指标则均优于对比算法,且与人工评价法得到的指标大致相同,可以作为电力人才评价的辅助数据参考。

主 题 词：模糊神经网络 动态结构 隶属函数 误差下降法 粒子群优化 

学科分类：080904[080904] 0810[工学-土木类] 0809[工学-计算机类] 08[工学] 081203[081203] 080402[080402] 0804[工学-材料学] 081001[081001] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.14022/j.issn1674-6236.2024.12.017

馆 藏 号：203128206...