神經網絡情感分析范文

導語：如何才能寫好一篇神經網絡情感分析，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

關鍵詞：粒子群 徑向基 神經網絡 語音識別

中圖分類號：TP391 文獻標識碼：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網絡[1]。第1種方法出現較早，但由于其模型過于復雜，并未得到實際應用。第2種方法較為成熟，主要通過動態時間規整（DTW）、隱馬爾可夫模型（HMM）和矢量量化（VQ）技術實現[2]。第3種方法充分利用人工神經網絡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習的問題[3]。

因此，本文將智能領域廣泛使用的RBF神經網絡運用到語音識別中，針對RBF神經網絡隱層基函數的中心值和寬度隨機確定的缺陷，運用具有全局尋優能力的粒子群算法（PSO）進行優化，來提高網絡的泛化能力和收斂速度，從而提高識別率。實驗結果表明，粒子群優化的RBF神經網絡用于語音識別，能夠顯著提升識別性能。

1 粒子群優化RBF神經網絡

1.1 RBF神經網絡

1.2 粒子群優化RBF網絡算法

因此，RBF神經網絡隱層基函數中心值和寬度的優化過程就是PSO算法依據輸入樣本進行聚類的過程，其基本流程為：

（1）參數初始化，包括粒子速度、位置，個體最優位置和全局最優位置；

（2）據（5）式計算慣性權重；

（3）據（3）（4）式更新粒子的速度和位置；

（4）據（6）式計算各粒子適應度值，并更新個體最優位置和全局最優位置；

（5）用全局最優粒子代替本次迭代適應度差的粒子；

（6）反復迭代，直到最大迭代次數則停止，得聚類中心。

2 PSO優化RBF語音識別系統

語音識別過程主要包括信號預處理、特征提取、網絡訓練及識別[6]。預處理主要對語音進行分幀、預加重和加窗處理。特征提取用于提取語音中反映聲學特征的相關參數，本文采用的是過零峰值幅度（ZCPA）。網絡訓練是在識別之前從語音樣本中去除冗余信息，提取關鍵參數，再按照一定規則對數據加以聚類，形成模式庫。網絡識別是通過已訓練好的網絡，計算測試樣本數據與模式庫之間的相似度，判斷出輸入語音所屬的類別。粒子群優化RBF神經網絡的語音識別系統原理框圖如圖1所示。

PSO優化RBF神經網絡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：網絡訓練。

網絡訓練的過程就是調整RBF神經網絡基函數的中心和寬度以及隱層到輸出層之間的連接權值。實驗中，類別數為待識別的詞匯數，如對10個詞進行識別，則隱層節點數、輸出層節點數和聚類中心均為10，如對20個詞進行識別，則隱層節點數、輸出層節點數和聚類中心均為20，以此類推，本文對10詞、20詞、30詞和40詞分別進行訓練識別。利用PSO優化算法通過聚類獲取隱層基函數的中心值和寬度，網絡輸出權值使用偽逆法得到。在PSO算法中，種群大小為20，最大進化迭代次數為40。

第3步：網絡識別。

RBF神經網絡訓練好后，將測試集中的樣本輸入網絡進行識別測試。每輸入一個單詞的特征矢量，經過隱層、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與所有待識別單詞數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機上仿真實現了PSO優化RBF神經網絡的孤立詞語音識別系統，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，形成實驗語音數據，實驗時選其中10人的10詞、20詞、30詞、40詞語音數據分別作為訓練樣本，另外8個人對應的10詞、20詞、30詞、40詞語音數據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化RBF神經網絡的語音識別結果。

表1所示為在不同詞匯量和不同SNR下，分別基于PSO優化RBF神經網絡和標準RBF神經網絡采用ZCPA語音特征參數的語音識別結果。由表中識別率的變化可知，基于PSO優化的RBF神經網絡的識別率在不同詞匯量和不同信噪比下都比標準RBF神經網絡的高，正確識別出的詞匯量明顯增多，這充分證明改進后的RBF神經網絡具有自適應性和強大的分類能力，縮短網絡訓練時間的同時，提高了系統的識別性能，尤其在大詞匯量的語音識別中表現出更加明顯的優勢。

4 結語

本文采用粒子群優化算法來聚類RBF神經網絡隱層基函數中心值和寬度，并將PSO改進的RBF神經網絡用于語音識別中。通過仿真實驗，得出了其與標準RBF神經網絡在不同詞匯量和不同SNR下的語音識別結果。通過分析比較，證明了PSO優化后的RBF神經網絡有較高的識別率，且訓練時間明顯縮短，表明神經網絡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].數字技術與應用，2013，（1）：111-113.

[3]夏妍妍，黃健，尹麗華.基于徑向基函數神經網絡的語音識別[J].大連海事大學學報，2007，（S1）：157-159.

[4]孟艷，潘宏俠.PSO聚類和梯度算法結合的RBF神經網絡優化[J].自動化儀表，2011，（02）：6-8.

篇2

關鍵詞：人工智能 機器學習 機器人情感獲得 發展綜述

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

引言

人類自從工業革命結束之后，就已然開始了對人工智能的探索，究其本質，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科，并吸引了大批的學者投入到該領域的研究當中。經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形成，如模式識別、特征表示與推理、機器學習的相關理論和算法等等。進入二十一世紀以來，隨著深度學習與卷積神經網絡的發展，人工智能再一次成為研究熱點。人工智能技術與基因過程、納米科學并列為二十一世紀的三大尖端技術， 并且人工智能涉及的學科多，社會應用廣泛，對其原理和本質的理解也更為復雜。 一、人工智能的發展歷程

回顧人工智能的產生與發展過程 ，可以將其分為：初期形成階段，綜合發展階段和應用階段。

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元模型的抽象。其早期工作被認為是由美國的神經學家和控制論學者 Warren McCulloch與Walter Pitts共同完成的。在1951年，兩名普林斯頓大學的研究生制造出了第一臺人工神經元計算機。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科。1969年的國際人工智能聯合會議標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學、生物、計算機、神經科學等相關學科的學者參與該領域的研究。

2.綜合發展階段

1.7 7年， 費根鮑姆在第五屆國際人工智能聯合會議上正式提出了“知識工程”這一概念。而后其對應的專家系統得到發展，許多智能系統紛紛被推出，并應用到了人類生活的方方面面。20世紀80年代以來，專家系統逐步向多技術、多方法的綜合集成與多學科、多領域的綜合應用型發展。大型專家系統開發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合的方式， 并開始運用各種專家系統外殼、專家系統開發工具和專家系統開發環境等等。在專家系統的發展過程中，人工智能得到了較為系統和全面的綜合發展，并能夠在一些具體的任務中接近甚至超過人類專家的水平。

3.應用階段

進入二十一世紀以后，由于深度人工神經網絡的提出，并在圖像分類與識別的任務上遠遠超過了傳統的方法，人工智能掀起了前所未有的。2006年，由加拿大多倫多大學的Geoffery Hinton及其學生在《Science》雜志上發表文章，其中首次提到了深度學習這一思想，實現對數據的分級表達，降低了經典神經網絡的訓練難度。并隨后提出了如深度卷積神經網絡（Convolutional Neural Network， CNN），以及區域卷積神經網絡（Region-based Convolutional Neural Network， R-CNN），等等新的網絡訓練結構，使得訓練和測試的效率得到大幅提升，識別準確率也顯著提高。

二、人工智能核心技術

人工智能由于其涉及的領域較多，內容復雜，因此在不同的應用場景涉及到許多核心技術，這其中如專家系統、機器學習、模式識別、人工神經網絡等是最重要也是發展較為完善的幾個核心技術。

1.專家系統

專家系統是一類具有專門知識和經驗的計算機智能程序系統，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來模擬通常由專家才能解決的復雜問題，達到具有與專家同等解決問題能力的水平。對專家系統的研究，是人工智能中開展得較為全面、系統且已經取得廣泛應用的技術。許多成熟而先進的專家系統已經被應用在如醫療診斷、地質勘測、文化教育等方面。

2.機器學習

機器學習是一個讓計算機在非精確編程下進行活動的科學，也就是機器自己獲取知識。起初，機器學習被大量應用在圖像識別等學習任務中，后來，機器學習不再限于識別字符、圖像中的某個目標，而是將其應用到機器人、基因數據的分析甚至是金融市場的預測中。在機器學習的發展過程中，先后誕生了如凸優化、核方法、支持向量機、Boosting算法等等一系列經典的機器學習方法和理論。機器學習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。近年來迅速發展起來應用模糊數學模式、人工神經網絡模式的方法逐漸取代傳統的基于統計學習的識別方法。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、癌細胞等技術已經進入實際應用。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。模式識別技術是人工智能的一大應用領域，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.人工神經網絡

人工神經網絡是在研究人腦的結構中得到啟發， 試圖用大量的處理單元模仿人腦神經系統工程結構和工作機理。而近年來發展的深度卷積神經網絡（Convolutional neural networks， CNNs）具有更復雜的網絡結構，與經典的機器學習算法相比在大數據的訓練下有著更強的特征學習和表達能力。含有多個隱含層的神經網絡能夠對輸入原始數據有更抽象喝更本質的表述，從而有利于解決特征可視化以及分類問題。另外，通過實現“逐層初始化”這一方法，實現對輸入數據的分級表達，可以有效降低神經網絡的訓練難度。目前的神經網絡在圖像識別任務中取得了十分明顯的進展，基于CNN的圖像識別技術也一直是學術界與工業界一致追捧的熱點。

三、機器人情感獲得

1.智能C器人現狀

目前智能機器人的研究還主要基于智能控制技術，通過預先定義好的機器人行動規則，編程實現復雜的自動控制，完成機器人的移動過程。而人類進行動作、行為的學習主要是通過模仿及與環境的交互。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系統，其靈活性和自適應性與人類運動系統還具有較大差距。

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，在高度發達的神經系統的處理下獲得情感。智能機器人在不斷的機器學習和大數據處理中，中樞處理系統不斷地自我更新、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，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議的擔憂也迎面而來。

4.規避機器人情感獲得的風險

規避智能機器人獲得情感的風險應預備強制措施。首先要設計完備的智能機器人情感協議，將威脅泯滅于未然。其次，應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

本文梳理了人工智能的發展歷程與核心技術，可以毋庸置疑地說，人工智能具有極其廣闊的應用前景，但也伴隨著極大的風險。回顧其發展歷程，我們有理由充分相信，在未來人工智能的技術會不斷完善，難題會被攻克。作為世界上最熱門的領域之一，在合理有效規避其風險的同時，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.人工智能技術發展及應用研究綜述[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，順德職業技術學院酒店及旅游管理系助教。研究方向：酒店管理。岑成德(1957－　)，男，中山大學管理學院教授。研究方向：旅游市場調研、市場研究方法。

摘 要 本文采用實證的方法，通過因子分析、人工神經網絡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格、賓館政策及實施、同事關系、賓館經營、個人能力發揮、培訓與晉升、工作報酬；(2)人工神經網絡方法的預測正確率高于回歸分析方法的預測正確率，并且前者的模型擬合優度要優于后者，這說明人工神經網絡方法在分析賓館員工工作滿意感時，優于回歸分析方法。

關鍵詞 員工；工作滿意感；人工神經網絡

中圖分類號 F719．2　文獻標識碼A　文章編號　1006―575(2006)―05―0026―10

一、引言

與制造業不同，賓館業為顧客提供的服務是無形的，服務的好壞往往靠顧客的感受和以往的消費經歷來判斷，具有很強的主觀性；員工提供服務與顧客消費服務是同時發生的，員工與顧客的接觸非常頻繁，賓館能否獲得顧客的忠誠感，關鍵在于員工與顧客的關系發展到了何種程度。許多學者的研究結果表明，如果服務人員不滿意，他們在為顧客提供服務時，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，大多數關于工作滿意感與其影響因素之間關系的研究，都是用傳統的統計方法，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展起到了重要的作用。但是，這些統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系，還要求變量近似服從正態分布，方差相等等。很多學者卻忽視了這些局限性，這使他們的研究結果產生了一定的偏差，并且有可能得出錯誤的結果。目前，理論界已經普遍認為人工神經網絡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域廣泛應用，但是從筆者查閱到的國內外文獻資料來看，在賓館員工的滿意感與其影響因素之間關系方面，使用人工神經網絡方法來進行研究還相當少見。本文將通過對賓館員工的實證調查，使用人工神經網絡方法研究員工滿意感與其影響因素之間的關系，并將對比回歸方法和人工神經網絡方法得出的結果，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論能夠對賓館業人力資源管理工作以及內部營銷策略具有一定的借鑒意義。

二、相關文獻回顧

(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象，而且不同行業的員工有不同的衡量標準；另一方面，學者對工作滿意感的研究還在繼續，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環境因素所持有的一種一般性態度，也就是員工對其全部工作角色的情感反應，是整體的工作滿意感。例如，美國心理學家洛克(Locke)指出，工作滿意感為員工在對個人工作或工作經歷的評估中產生的愉悅或正向的情感狀態。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或有助于實現自己的工作價值觀而產生的愉快情感，職務和工作環境中的一切特點都會影響員工的工作滿意感。

(2)結構性定義

結構性定義強調工作滿意感由多個維度構成。工作是一個很復雜的概念，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，美國康奈爾大學的史密斯和胡林(Smith和Hulin)等人認為工作滿意感是個人根據自己的參考體系對工作特征加以解釋后所得到的結果。因此，他們把工作滿意感分為工作本身、升遷、主管監督、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境中實際獲得的價值與他預期應獲得的價值之間的差距而定。美國組織行為學家波特和勞勒(Porter和Lawler)等人對滿意感的解釋就屬于期望差距定義。

2．工作滿意感的相關理論

學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)等學者一般將與工作滿意感相關的理論分為內容理論和程序理論兩大類。內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包含了內容理論，內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、遵循組織的規章和政策、達到期望的績效標準等等。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雜，首先要確定工作及相關方面的關鍵維度，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用于研究，測試效果良好，因此受到了許多學者的一致推崇。

(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，學者們對工作滿意感的研究主要集中在尋找滿意感的構成維度和影響滿意感的因素上。隨著研究的不斷深入，學者們對于工作滿意感影響因素的表述日益紛繁復雜。

1998年，里斯(Suzanne H．Lease)在文獻研究的過程中發現了前人主要從個體差異和工作環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、學歷、工作年限、婚姻狀況等等；工作環境 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，20世紀70年代以前，有關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、企業管理和企業經營。盧嘉等人認為，工作滿意感的影響因素包括組織形象、領導因素、工作回報、工作協調和工作本身等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，很少有學者對賓館行業進行行為科學方面的研究，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。研究結果表明，53％的調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。研究結果表明，工作環境、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查時發現，員工滿意感與工作年限、受教育程度、職位、所學專業、工作性質、工作自主性、變化性、合作性和受賞識等因素有關。汪純孝等人對賓館員工滿意感的實證研究結果表明，員工工資待遇、管理人員的管理風格、管理人員對培訓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、數據收集與數據分析

(一)數據收集

根據文獻研究的結果和實際情況，筆者以康奈爾大學史密斯和胡林等人編制的JDI量表和相關理論為研究基礎，但由于這些都是40多年前的研究成果，可能不能準確地測量出現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，筆者綜合多位學者的研究成果以及對賓館員工進行訪談的結果，添加了一些新的與時展和員工需求相關的影響因素，如賓館政策、規章制度、賓館經營、溝通、工作能力等，總結出40個與員工滿意感有關的變量，設計成最終調查問卷。

調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家賓館同時發放問卷。2004年7月12日至2004年8月8日，共發放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)數據分析

我們使用SPSS10．0統計分析軟件和Matlab6．5．1軟件中的人工神經網絡工具箱對有效問卷中的數據進行了分析。

1．描述性分析

各變量的平均值和標準差統計結果見表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容的同意程度是比較高的。40個變量的標準差都比較小(介于1．29和1．98之間)，表明樣本內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統計分析軟件對調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檢驗的結果表明，這次調查數據適合進行因子分析(巴特利特球體檢驗，統計量的值為9602．615，其對應的相伴概率值為0．000；KMO統計量的值為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方法進行因子軸旋轉，得出的因子載荷矩陣(見表2)。

旋轉后的因子載荷矩陣結構明顯表明了35個變量分別屬于8個因子。我們根據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。關于因子包含的累計方差貢獻率應該達到多少才合適，沒有嚴格的標準，往往根據具體的性質來確定，具有一定的主觀性。但一般認為在復雜的社會科學、行為科學研究中，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據中較多的信息，因子分析的結果是可以接受的。

3．人工神經網絡分析

(1)輸出值是“員工總的滿意感”的人工神經網絡模型

在453個觀測樣本中，我們隨機抽取了263個作為學習樣本，剩余的190個作為預測樣本。我們采用二層BP(Error Back Proragation)神經網絡對數據進行了分析，其中輸入層結點(i)數為8，隱含層(第一層)結點(i)數為18，輸出層(第二層)節點數為1，即網絡結構為8―18―1。模型如圖1所示。

該模型中學習樣本的預測正確率為90．49％，預測樣本的預測正確率為81．58％，模型擬合優度是58．69％。模型中權值和b值見表4。

在本次研究所進行的因子分析中，每個因子得分是經過標準化的值，平均值為0，標準差為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準差，作為該神經網絡模型的輸入，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、主管管理風格、賓館政策及實施、同事關系、賓館經營、個人能力發揮、培訓與晉升、工作報酬。

(2)輸出值為“是否會繼續留在本賓館工作”的人工神經網絡模型

為了預測賓館員工在未來三年內“是否會繼續留在本賓館工作”，我們建立了人工神經網絡模型，網絡結構為8―18―1(模型圖略)。該模型中學習樣本的預測正確率為82．13％，預測樣本的預測正確率為72．36％，模型的擬合優度是37．91％。

4．回歸分析

下面對數據進行回歸分析，主要目的是與人工神經網絡方法所得到的結果進行比較。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據進行回歸分析。

(1)輸出值是“員工總的滿意感”的回歸分析結果(見表6)

從表6可以看出，工作報酬的P=0．617，培訓與晉升的P=0．083，都遠大于0．05，表明這兩個自變量無統計意義。但是，為了能夠與人工神經網絡方法進行對比，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度。該模型中用于建立kogistic回歸分析模型的預測正確率為82．5％，預測樣本的預測正確率為74．74％，模型的擬合優度R2是40．55％。

(2)輸出值是“是否會繼續留在本賓館工作”的回歸分析結果

該模型也通過了各項檢驗(結果略)。該模型中用于建立Iosistic回歸分析模型的預測正確率為73．80％，預測樣本的預測正確率為65．26％，模型的擬合優度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“工作富有挑戰性”、“對現有工作感興趣”、“工作職責規定明確”、“提供學到更多東西的機會”、“工作范圍內有很大的決定權”和“工作成就感”等指標。本次研究結果表明，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．主管管理風格。主管管理風格包括主管“愿意傾聽工作有關問題”、“征詢下屬意見”、“與下屬交流和溝通”、“客觀評價下屬的業績”、“及時給予幫助和指導”、“適度授予下屬權力”、“為員工利益著想”和“按照個人特點來安排工作”。本次研究結果表明，主管管理風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：“賓館的規章制度能夠得到有效的執行”、“各部門職責有明確規定”、“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。從各個指標的內容來看，員工對賓館政策的有效性和與員工利益密切相關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．同事關系。本次研究中，同事關系包括“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“同事工作態度”。研究結果表明同事關系是賓館員工十分看重的因素之一。員工不僅是“經濟人”，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系和成長的需要，因為對高層次需要的滿足將會產生持久的激勵動力。因而，營造良好的人際關系和群體氣氛、培育員工的團隊精神是能夠極大地調動廣大員工積極性的。

5．賓館經營。該影響因素包含3個指標：“清楚賓館經營狀況”、“清楚賓館遠景和發展目標”和“賓館短期經營目標能夠有效的實施”。冉斌認為企業經營是影響員工滿意感的因素之一。管理人員向員工說明、展示賓館遠景和發展目標，可使員工了解賓館的價值觀和今后規劃，了解自己的工作與賓館目標之間的關系，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。賓館短期目標能夠有效執行，并且管理人員能夠將經營情況告知基層員工，可以增強員工的自信心。有學者的研究結果表明，員工愿意把自己與經營實績優良的企業聯系在一起，以增強自信心；避免將自己與經營實績差的企業聯系在一起，以保持已有的自信心。因此，當企業經營實績越優良時，其員工感到滿意和有良好工作表現的可能性越大。

6．個人能力發揮。該影響因素包括“工作起來得心應手”和“在工作中能充分發揮自身能力”。在戴維斯和羅佛肯斯特等人開發的MSQ量表中，把個人能力發揮看作是影響員工滿意感的首要因素。科特(JohnP．Kotter，1998)在《變革的力量》一書中指出：管理者應努力使工作安排的性質與個人能力的發揮相一致，把德才兼備的人用到適當的和關鍵的位置上去。當工作性質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．培訓與晉升。該影。向因素包括“賓館用人提拔主要是重學歷”、“用人提拔時不是重經驗”、“提供的培訓不夠系統深入”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的員工進行工作滿意感研究時指出，培訓對于新進入這個行業的員工來說是很重要的，并且在剛進入的時候對其進行與工作有關方面的培訓，會有很重要的激勵作用。從我們收集到的樣本情況來看，此次調查對象在賓館行業工作1年以上的占73．2％，這些員工的工作經驗比較豐富，而賓館能夠提供的培訓又只是些基礎的東西，因此員工不是很看重賓館的培訓。而晉升對于普通的員工來說是遙不可及的：這些員工的學歷一般較低(本次研究中有80．2％的調查對象是大專以下學歷)，而實際中賓館往往又是根據學歷，而不是根據工作經驗來提拔員工，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”。本次研究結果表明，這個因素對員工滿意感影響最小，這個結果與汪純孝等人的研究結果相反。阿訥特(Dennis B Ar-nett)和拉維勒(Debra A Laverie)在一項研究中發現，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、主管管理風格等等。布魯斯(Bruce)和布萊克苯(Black-bum)的一項研究結果表明，經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

人工神經網絡方法與回歸方法的比較結果如下(見表7和表8)。

從表7、表8可以得出，人工神經網絡方法在模型的擬合方面和預測方面都要優于回歸方法。而且，在使用Logistic回歸方法對兩個模型進行數據分析時，均存在不具有統計意義的因子，為了與人工神經網絡方法進行對比，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，人工神經網絡方法也優于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，我們尚未發現國內外學者用人工神經網絡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網絡模型，可供學術界進一步深入應用人工神經網絡參考借鑒。

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果時并不一定需要具體的數據，而應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．本次研究結果表明，工作本身是最能影響員工滿意感的。這些研究結果對賓館管理人員更好地管理員工、制定人力資源戰略、實施更有效的內部營銷有著重要的意義。

(二)研究的局限性

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

2．本次研究在比較人工神經網絡方法和回歸分析方法時，只對模型的擬合優度和預測正確率兩個指標進行了比較，沒有考慮其它的指標。

3．在建立人工神經網絡結構方面，目前還沒有一個放之四海而皆準的原則，故本次研究采用8―18―166模型結構是否獲得了最佳的訓練速度和最好的預測正確率，是否避免了過度匹配，還有待于進一步檢驗。

4．神經網絡模型屬于黑箱模型，是利用網絡結構和部分參數來反映滿意度變化與其主要影響因素之間的關系，模型的建立比較簡單；神經網絡模型中的參數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，并指出對電力企業安全文化進行科學、全面地評估具有重要意義。電力企業安全文化的豐富內涵決定了電力企業安全文化評估系統是一個復雜的非線性系統，傳統的評估方法不易于操作和實現。由于人工神經網絡具有良好的非線性逼近能力，為評估系統的實現提供了新的思路和方法。該系統從安全意識、安全價值觀、安全行為、安全現狀四個方面出發，確立了電力企業安全文化的評價指標，并采用人工神經網絡中的BP算法，在VisualBasic610平臺上研制開發而成。通過泛化能力測試，該系統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，評估結論一致。

隨著社會經濟的進步，電力行業正在向大電網、大系統的方向飛速發展，與之相對的電力科學技術也得到了相應的提高和改善，但電力系統的安全問題始終不能更好地預測和控制。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穩定失控，相關的法規制度和技術裝備已基本齊全，但事故卻依然還會發生。1986年4月，前蘇聯的切爾諾貝利核電站發生爆炸，從而發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，軟對策的效果優于硬技術。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，是在市場經濟發展基礎上形成的一種管理思想和理論，是在經驗主義管理、科學管理的基礎上逐步產生的，是占企業主導地位并為絕大部分員工所接受的一種管理理論。由此可見，加強電力企業的安全文化建設，有著十分重要的必要性和現實意義，這對電力行業乃至整個社會經濟的穩定發展有著深遠的影響。

一、電力企業安全文化狀況需要評估

談及安全文化，人們的普遍態度是比較抽象，甚至空泛。這也恰恰反襯了某些生產人員安全文化意識的淡漠，凸現了安全文化建設的緊迫性。國家首批注冊安全工程師、安全專家徐德蜀先生曾強調說安全文化教育是提高全民的安全文化素質的最深刻、最根本的方法和途徑；國家安全生產監督管理局也在2002年發出倡導:安全文化建設是預防企業事故的基礎性工程，對保障安全生產具有戰略性意義。電力企業安全文化的定義和內容可以表述為:以創造一個安全、舒適、高效的人文環境和生產條件為目標，以“以人為本”的理念為指導，以已有的安全生產經驗為基礎，以被激發出來的職工的內在潛能為動力，以系統工程思想為整合方法，使企業變為一個有扎實安全基礎因而有市場競爭力的實體，這是一個系統工程，由此而積累和創造的安全精神財富和安全物質財富就是電力企業安全文化。電力企業安全文化的作用如下。a1導向作用。是指正確的安全生產的指導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的行為的意義，就越能產生安全生產的行為的推動力。c1凝聚作用。積極向上的安全生產的價值觀，信念和行為準則使員工的安全行為更加自覺。d1協調作用。企業與員工、領導與員工、員工之間的利益融為一體，員工的需要與企業的安全生產目標一致，部門之間相互協調。電力企業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建支撐而成，缺一不可。根據馬斯洛的需求層次理論，再結合這三大支柱的實現程度，電力企業的安全文化發展可分為三個階段: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，員工在電力生產過程中，不僅會產生對生產對象的認識和情感，而且還能意識到生產對象和生產過程中自我的安全，從而主動地對不安全因素進行改造，表現出一系列的安全行為，最終達到我能安全。當前，比較系統的電力企業安全文化建設才剛剛起步，更是沒有形成一套科學的明確的評價方法。對電力企業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的安全文化建設狀況，了解其處于安全文化發展的哪個階段，把握住企業安全文化建設進行的廣度和深度。然后，就可以對電力企業目前的安全文化建設方案采取相對應的改進措施，促進電力企業安全文化的進一步持久發展，提高電力企業的安全文化發展水平和生產效率，達到和諧、穩定、發展。

二、電力企業安全文化的評估方法

電力企業的安全文化評估是電力安全文化建設的一個重要環節。對安全文化進行評估又不等同于一般的安全性評估，現有的安全評估多是從生產設備、作業環境、安全管理三個領域進行，還沒有更廣地涉及到安全文化的領域。進行電力安全文化評估必須要遵循科學性、實際性和全面性的原則。安全文化內涵豐富，它的基本要素包括安全生產價值觀、安全生產信念、安全生產行為準則、安全生產行為方式、安全生產物質表現、安全生產形象等，進而還可以再細分解成眾多的構成部分。根據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、安全現狀四個方面出發，對某大型電力企業下屬的9個不同電廠進行了問卷調查作為評估的取樣，問卷設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目標管理法。確定安全文化建設所要達到的目標，對照目標對安全文化建設效果進行評價，看是否達到或在何種程度上達到了預期的目標。b1“知行”統一法。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。c1過程分析法。把安全文化建設的效果放在一個發展的過程中來考察，從發展的趨勢、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安全文化建設的效果?？v向的比較就是把同一對象在參加某項安全建設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。對安全文化建設在個體和群體中產生的效應分別作出評價和估量。f1單項評價和綜合評價法。安全文化建設的諸多效果之間既有獨立性又相互聯系。以上對電力企業的安全文化評估方法均行之有效，但考慮到安全文化的內容豐富，評估結果和評價元素之間存在復雜的非線性關系，上述評估方法在實際操作中有的過于簡單，考慮不夠全面，致使各評價指標欠缺準確性，有的稍顯主觀，客觀性不足，作出的評估結論不夠科學；有的不具有明顯的可比性，不能形成明確的概念；有的過于復雜，不便于操作，難以廣泛推廣。

三、人工神經網絡原理

電力安全文化的豐富內涵和評價元素的多樣性決定了這一評價系統會是一個復雜的非線性系統，評價起來不易實現。近年來迅速發展起來的人工神經網絡(Artifi2cialNeuralNetwork，ANN)具有學習功能、聯想記憶功能、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，為電力企業安全文化評估系統的實現提供了新的思路和方法。人工神經網絡是由大量處理單元廣泛互連而成的網絡，是對人腦的抽象、簡化和模擬，反映人腦的基本特征，是根植于神經科學、數學、統計學、物理學、計算機科學及工程等學科的一種技術。BP網絡(BackPropagationNetwork，BPNet2work)是神經網絡的重要模型之一，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用。本評估系統采用的是三層BP網絡(輸入層、隱層、輸出層)。激發函數采用非線性連續可導的Sigmoid函數:f(x)=11+e-x假設共有k個輸入樣本，每個樣本的網絡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值為wij，隱層和輸出層之間的權值為vjt，BP算法中權值的修正量與誤差對權值的偏微分成正比: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是隱層各神經元的閾值，rt是輸出層各神經元的閾值。同理，可推導出閾值的修正量:Δrt=αdkt，Δoj=βekjk個輸入樣本的全局誤差為E=∑mk=1Ek當全局誤差滿足給定的精度要求E<ε時，學習過程結束?；诖薆P算法，在VisualBasic610平臺上研制開發了電力企業安全文化評價系統，其中BP算法的流程。

四、網絡訓練需要考慮的問題

411評價指標的確立將安全文化的評估內容劃分為安全意識、安全價值觀、安全行為、安全現狀四大方面，其下又分解為500個小的組成元素，這些小元素即為調查問卷的答案選項。取9個電廠中的6個作為訓練樣本，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網絡的輸入元素進行評測訓練。為此，將員工對這500個備選選項的答案全部統計成百分比的形式，實現了評測指標的標準化。412網絡結構的設定基于確立的評價指標，設定BP網絡的輸入節點為500個。因為三層的神經網絡可以任意精度地逼近任意的連續函數，所以評價系統只采用了一個隱層，經過多次實驗網絡的收斂情況，設定隱層的節點數為14個。輸出節點設定了3個，輸出范圍分別在0和1之間。BP網絡的各個初始權值和初始閾值隨機確定，學習速率取為016，網絡的全局誤差設定為0101。413學習過程中系統的調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，讓組成一個訓練周期的全部樣本都輸入給網絡之后，再用總的平均誤差作為目標函數來調整權值和閾值。

五、訓練過程及結果

將選用的6個電廠的問卷答案作為輸入樣本訓練網絡，輸入指標值構成了一個6×500階輸入向量矩陣。再采用非神經網絡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，并作為有導師向導的BP網絡的期望輸出，構成輸出向量: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。訓練結束后，保存權值和閾值。正向測試，可得到BP網絡的實際輸出值:F=(f1，f2，f3，f4，f5，f6)T=019820115701163019940113701118011360196901125011720198501164011450115301928011180112901953對照E和F發現，BP網絡得到的結果跟事前的期望值基本保持一致，可見所設計的電力企業安全文化評估系統能夠反映企業的實際情況。將另3個電廠的指標數據輸入到系統中來驗證網絡的泛化能力，得到結果為F=(f7，f8，f9)T=011720190301096010990114501925011610112601977電廠7處于安全文化發展的中級階段，電廠8處于初級階段，電廠9處于初級階段。結果表明，所應用的BP神經網絡在學習后具有存儲經驗并進行判斷的專家功能。為了更進一步驗證該BP網絡的判斷功能的準確性，構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]到電力企業安全文化內涵的豐富性和復雜性，在進行具體評估時依然采用四個一級指標來反映(安全意識指標、安全價值觀指標、安全行為指標、安全現狀指標)，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的屬性進行分類歸屬，作為模糊評估模型的二級評價指標。將3個電廠各一級指標下的二級指標屬性值矩陣轉換成下列矩陣形式: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個屬性值的權系數值集為B(i)=(b1(i)，b2(i)，b3(i)，…，bn(i))(i=1，2，3，4)其中各權系數值由專家直接給出，并經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果集:R=B•A=(r1，r2，r3)經過專家分析，該模型的模糊綜合評價值的結果范圍同安全文化所處階段的關系為高級階段[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)數據證明，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神經網絡所得到的評估結論相同。

篇5

摘 要：隨著現代生活水

>> 淺談室內環境檢測與居住舒適度的評判 室內環境舒適度與能源消耗調查 基于SBR/Image方法室內環境電波傳播特性的研究 室內環境檢測及凈化方法研究 醫院室內環境的設計研究 對室內環境檢測的研究 基于積極教育理念的小學室內環境設計方法探究 打造室內環境　舒適和諧之家 基于云計算的室內環境監測系統的研究 基于情感需求的室內環境設計研究 淺談室內環境色彩設計方法 室內環境質量及其檢測方法 探析室內環境評價方法現狀 室內環境安全性設計研究 甲醛室內環境檢測采樣布點研究 室內環境檢測能力驗證工作研究 酒店室內環境裝飾設計研究 室內環境防治與檢測問題研究 幼兒園室內環境創設研究 一種基于物聯網的室內環境監測系統研究 常見問題解答 當前所在位置：.

[2] 褚毅.室內空氣環境及污染問題分析與研究[D].長春：吉林大學，2006.

[3] 楊鴻翥.基于GA_BP的住宅室內空氣品質評價研究[D].武漢：華中科技大學，2007.

[4] 趙博，連之偉，周湘江.基于神經網絡的室內熱舒適評判模型[J].哈爾濱工業大學學報，2003，35（12）：1436-1438.

[5] 許紅波，端木琳，金權，等.基于BP神經網絡的過渡環境熱舒適評判模型[J].建筑熱能通風空調，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，引發輿論熱議，關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。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次博弈，每一次博弈，都見證了人工智能的跨越發展。

“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賽中單局戰勝世界冠軍。

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。

“這是人工智能發展史上的一個里程碑。”賽后，德國人工智能研究中心負責人登格爾如是評價。

創造這個“里程碑”記錄的深藍升級版，重1270公斤，有32個“大腦”（微處理器），其計算能力當時在全球超級計算機中排名第259。比賽前，IBM研發小組向深藍輸入了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，并選擇最佳策略――深藍每秒可運算2億步，靠硬算可預判12步，卡斯帕羅夫只能預判10步――所謂兵貴神速，深藍的獲勝也就不那么讓人意外了。

當然，深藍取勝還有另一個秘訣――每場對局結束后，IBM研發小組都會根據卡斯帕羅夫的下棋情況相應地修改深藍的參數，深藍雖然不會思考，但這實際上起到了“強迫”它學習的作用。這種“被動學習”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，如果經過若干詢問以后，C不能在實質上區別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，但它在人機大戰中的勝利，至少意味著計算機已經向著智能化發展邁出了重要一步。

“百曉生”沃森

2011年2月14至16日，深藍獲勝4年后，又一次人機大戰在其同門師弟“沃森”與人類冠軍之間展開。當時，沃森參加美國老牌智力問答節目《危險邊緣》，并與該節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、藝術、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，沃森表現極為突出，盡管在“回答”問題時，它的互聯網功能被中斷，只能“自己想”――從內存的資料中尋找并組合答案，它卻總是能在3秒內迅速作答，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，它還能根據比賽獎金的數額、自己的比分與對手的差距、自己擅長的題目領域來“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”――它內存了2億頁數據，各種百科全書、詞典、新聞、維基百科的全部內容以及其他可以建立知識庫的參考材料都被它“收入囊中”，堪稱是計算機領域的“百曉生”。

其次，它能“秒讀萬冊”――它由90臺IBM服務器（相當于90個“大腦”）、360個芯片驅動組成，每秒能處理500GB的數據，相當于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。 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研發團隊為它量身定制的，該技術賦予了它較高的自然語言理解能力。在拿到一個問題后，依靠內置的100多種算法，沃森會在3秒內解析問題并檢索數百萬條信息，包括語法語義分析、對各個知識庫進行搜索、提取備選答案、對備選答案證據的搜尋、對證據強度的計算和綜合等。

比如，當被問及“哥倫比亞廣播公司《60分鐘》節目首次播出時，當時的美國總統是誰”，“沃森”首先會對“首次播出”進行語言理解，然后檢索出《60分鐘》節目首次播出的日期，之后再成功搜索出當時的美國總統。

在取得這場眾所矚目的勝利后，沃森開始向醫療衛生業進軍。在美國，機器人醫生沃森從2011年就開始坐診，通過詢問病人的病征、病史，對患者的個性化數據、大量病例和醫療文獻進行“學習”，它能迅速提出最佳診療方案，診斷準確率甚至高達73%。

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

自學成才的“學霸”阿爾法狗

圍棋一直被看作是人類最后的智力競技高地，據估算，圍棋的可能下法數量多達10的171次方。這個數字，甚至遠遠高于可觀測宇宙中的原子總數（該總數為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雜的項目比賽中戰勝人類，但2016年阿爾法狗與李世石的人機大戰，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屬于“深度學習”。

“深度學習”是時下最火的一種基于神經網絡的模擬人腦的神經網絡，它通過模仿人腦的機制來解釋數據，例如圖像、聲音和文本等。

為了讓計算機學會像人一樣“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，來快速完成海量數據的“學習”。而在這方面，阿爾法狗不聯網時的“單機版”性能至少是當年“深藍”的1000倍。

為了使阿爾法狗變得更“聰明”，谷歌還專門為其設計了兩個神經網絡，其中，“策略網絡”會根據棋局選擇下一步走法；“價值網絡”會在下子后分析對手會怎么走，并預測進行數值性的估計。

比賽前，阿爾法狗“深度學習”用了人類圍棋高手對弈的3000萬局圍棋走法進行“自我對弈”訓練，并進行大規模的數據運算，這些運算用了兩三千個CPU。對人來說，如此大規模的運算訓練，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略，在它的神經網絡之間運行數千局圍棋，利用反復試驗調整連接點，這個流程也稱為“鞏固學習”。因此，阿爾法狗的“逆天”棋藝并不是開發者教給他的，而是“自學成才”。從這個意義上來說，阿爾法狗堪稱是計算機中的“學霸”。

人工智能，還有多遠？

阿爾法狗的勝利，很大程度上體現了近年來人工智能領域“深度學習”技術的快速提升。特別是隨著GPU圖形處理器、超級計算機、云計算和大數據的迅猛發展，“深度學習”如同火箭升空般飛速發展。早在2011年，谷歌用1000臺機器、16000個CPU處理的“深度學習”模型就已經有了10億個神經元――當然，這仍遠遠低于人腦100億～10000億個的神經元總數。

現在，“深度學習”技術在語音識別、計算機視覺、語言翻譯等領域，都戰勝了傳統的機器學習方法，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雜的“深度學習”神經網絡。

那么，這是否意味著計算機已經和人一樣“聰明”了？

答案是否定的！

因為在更復雜的認知層面，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，計算機很難準確判斷出這是為了買單的友善行為，還是惡意的爭執。更進一步來說，計算機也許可以根據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”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，頁面就會顯示當天的行走步數。一般情況下，50步數等于1金幣，連續兌換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的APP。團隊致力通過大數據算法和云計算等技術，為用戶提供內容及服務。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。以移動應用為載體進行內容創造、資訊閱讀，提供更多有用、有趣、有益的內容給大家。

篇8

關鍵詞:學習策略;策略培訓;聯結主義

中圖分類號:H0 文獻標志碼:A 文章編號:1673-291X(2010)05-0224-03

一、學習策略的定義與分類

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

不僅在學習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)又根據策略運用的目的,把學習策略分為學習語言的策略和運用語言的策略兩大類。國內的學者文秋芳(1993)把策略分為管理策略和語言學習策略。并且認為語言學習策略具有學科的獨特性,只適用于語言學習,而管理策略則具有跨學科、跨專業、跨時空的特性,具有遷移性。管理策略相當于O’Malley 和Chamot的元認知策略和社會/情感策略;語言學習策略相當于認知策略。

二、策略培訓的認知理論基礎

1.信息處理理論認為,學習就是從對知識的控制階段向自動階段過渡的過程。在二語學習過程中,學習者首先借助于控制的過程,這個控制的階段要求學習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化。自動化的程序在長期記憶中是以單元的形式儲存的。當知識自動化之后,學習者需要付出很少的注意力。當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。學習被認為是通過練習知識從控制階段向自動化階段過渡的過程,這種過渡會導致外語學習者語言知識體系的再塑造。根據O Malley 和Chamot(1990)意見,學習策略也是一種知識和技能,策略的習得與其他復雜的認知技能的習得方式一樣,成功的語言學習者是把策略程序化的學習者。學習策略在學習的初期階段可以是有意識的,后期就可以自動執行了,無需學習者的意識。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的激活。因為策略也是技巧,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.聯結主義是與符號主義針鋒相對的認知理論的一個學派。聯結主義在學術界有不同的說法,有的學者稱之為“連接主義”、“連通主義”或“聯通主義”。該理論利用人工神經網絡解釋人類大腦的認知活動(劉曉玲,張其云,2009)。聯結主義認為,認知的基本單位是神經元,認知的過程由神經網絡構成,表現為信息在神經網絡的有關單元中的并行分布和特定的連接方式。信息在神經網絡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。單元之間的聯系通過啟動而被加強,或因不被啟動而弱化(王初明,2001)。網絡對信息的每一次加工,都會使單元之間的聯結得到鞏固。學習的過程就是不斷修正網絡的權重分布形式,就是建立新的聯結或者改變聯結的啟動模式(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系的傾向,而且人的知識、智慧是以網絡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。人們也可以通過學習不斷地改變神經元之間的連接方式。學習策略的輸入使網絡增加了新的單元節點,并且通過不斷地練習使網絡單元之間的權重得到了鞏固,因而策略被激活的可能性也就更大。

3.文秋芳(1995)曾經比較過一個英語學習成功者和一個不成功者。她們采用的策略是有區別的,也就是成功者更善于運用學習方法、學習策略。成功者不僅對語言學習策略有選擇,而且能夠評估自己的學習過程,一旦發現問題能夠及時調整策略。從她的自述中可以看出來,她的某些學習方法、某些策略是通過學習而獲得的。有些是老師教的,有些是跟同學學習的。因此,策略是可以通過培訓及傳授而獲得的,策略知識的學習是更高層次知識的學習。

三、策略培訓的內容選擇

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)認為策略的分類應該在一個連續軸上。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。軸的一端和學習任務緊密相連,是對教學內容或是書面的或是口頭的任務的一種直接的反映;而另一端則為學習任務做準備,與直接的學習任務有一定的距離,更近于學習者控制自己學習過程,因此,這些策略的意識性更強一些。Macaro(2001)列舉了學習者認為意識性更強、更間接的策略,和更直接、意識性不強的策略,以及處于中間狀態的策略。

根據Macaro的理論,教師應該如何傳授策略呢?筆者認為側重點應該放在元認知策略和社會/情感策略的培訓上。因為學習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習者一生產生積極的影響。正如文秋芳(1995)指出的那樣,學習成功者與不成功者在學習方法上最重要的區別體現在管理策略上。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習方法和過程;而不成功者在策略的使用上比較盲目和隨意。

有些學者認為外語專業的學生患有“思辨缺席癥”,其思辨能力遠遠低于其他文科專業的學生,也有的學者認為外語專業的學生由于學習并掌握了另一門語言,其眼界更開闊,思辨也更應靈活。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、調整與評估的技能;第二層次思辨能力包括與認知相關的技能和標準,以及與思辨品質相關的情感特質。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,因此,根據構建的思辨能力框架,元認知策略及社會/情感策略方面的培訓效果是值得肯定的。

文秋芳和王立非(2004)曾對國內外關于策略的研究進行過綜述,認為:策略培訓對提高英語學習策略有明顯的效果,對中等水平或中等偏下水平學生的幫助更加明顯。也曾對策略培訓的效果提出質疑,認為目前的培訓使學生在某些方面的成績有了顯著提高,但這只是短期效應,策略培訓能否產生長期效應仍然是個未知數。但是筆者認為管理策略或者元認知策略、社會/情感策略一經被學習者掌握,是可以產生長期效用的,因為它們具有遷移性。而語言學習策略雖然只是產生了短期效用,但一種知識技能能否對學習者產生長期效用取決于學習者本身的思維能力,取決于是否具有創新思維,是否能活學活用。文秋芳主張在策略培訓方面采用個案研究和微變化研究,這需要很長的時間,特別是探求認知發展的軌跡與機制。而策略培訓的目的是提高學習者的語言水平及自主學習能力。短期效用如果可以持續4年或是6年也是不錯的結果,而管理策略的掌握是可以受用一生的,因此,我們對策略培訓應該持樂觀的態度,它的可行性和有效性是值得肯定的。

四、策略培訓的模式探究

Oxford(1990)提出了策略培訓的三種形式,即策略意識培訓、集中短期培訓和長期培訓。意識培訓不需要與具體的學習任務相聯系,而后兩者需要與具體的學習任務相結合。他提出了培訓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,也可以調換順序。把模式和步驟綜合起來,筆者認為,在策略培訓的不同階段可以采用不同的形式,并且應該把提高策略意識放在第一步,在這個階段不僅可以使學習者了解并熟悉語言學習策略及它們的效用,而且可以傳授給學習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。第二步是應該是讓學生完成一項任務,之后討論學習者所用的策略。第三步是教師講解新的策略,告知學習者什么時候使用,怎樣使用以及如何遷移等,并通過練習讓學習者掌握新策略。第四步總結、評估策略的有效性。在策略培訓過程中教師應該考慮以下問題:

1.讓學習者參與選擇策略。在培訓時,教師可以把許多策略呈現給學習者,然后讓學習者決定這些策略的重要性及可學性,并根據學習者對這些策略的排序進行教授,這樣可以大大提高學習者的學習主動性和學習熱情。

2.考慮學習者之間的差異。在進行策略教學時要考慮到與語言教學有關的各種因素,包括學習者的文化背景、年齡、教育背景、生活閱歷、情感因素以及學習者和教師對語言學習的認識等。

3.考慮策略的種類。在選擇策略上,一定要選擇對大多數學習者有用的策略,而且是可以遷移的策略。策略的難易度也應該適中,難易搭配。

五、結語

學習策略的研究始于上個世紀70年代,近30年來研究很多。由于學習策略本身的復雜性,還有很多問題無法得出答案, 比如,教師在教授策略時,應該使用學習者的第一語言還是第二語言;教師的教學風格對學習者策略選擇及使用有什么影響;學習者的認知水平,認知能力與策略使用之間的關系;如何評價策略培訓的效果及相關評價體系的建立,等等。許多問題需要學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.外語學習策略訓練研究綜述[J].沈陽建筑大學學報,2008,(7).

[6] 紀康麗.外語學習中元認知策略的培訓[J].外語界,2002,(3).

[7] 華維芬.外語學習者策略訓練謅議[J].外語界,2002,(3).

[8] 劉曉玲,張其云.二語習得的新聯結主義認知視角及新的認知取向[J].內蒙古農業大學學報,2009,(2).

[9] 李瑩,曹艷春.大學英語學習策略訓練研究[J].沈陽工程學院學報,2009,(4).

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

[11] 文秋芳.構建我國外語類大學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習方法上的差異[J].外語教學與研究,1995,(3).

[13] 文秋芳,王立非.英語學習策略培訓與研究在中國[J].外語界,2003,(6).

[14] 文秋芳,王立非. 對外語學習策略有效性研究的質疑[J].外語界,2004,(2).

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

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

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

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

[19] 文秋芳,王海嘯.大學生英語學習觀念與策略的分析[J].外語學院學報,1996,(4).

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

篇9

本文從探討人工智能的定義出發，闡述了對“智能”的理解在研究中的地位，指出結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展簡史、當前的研究與應用熱點，并分析其在21世紀中的發展趨勢，主要包括模糊處理、機器情感、神經網絡等等，并指出人工智能的進一步發展依賴于更先進的數學工具。對這些問題的研究有助于進一步推動人工智能的發展。

關鍵詞 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

論文結構與主要內容

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，而計算機同樣也可作為一個符號操作系統，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展史及研究熱點

4 分析人工智能的發展趨勢，并指出人工智能的進一步發展依賴于數學工具的進一步發展。

：5600多字

有中文摘要、參考文獻

200元

篇10

關鍵詞數據挖掘網絡營銷市場營銷

計算機網絡與數據庫技術的發展和廣泛應用，信息日益成為企業的一種重要資源，人們利用信息技術生產和搜集數據的能力大幅度提高，在這些數據背后隱藏著極為重要的商業知識，但是這些商業知識是隱含的、事先未知的。面對“人們被數據淹沒，人們卻饑餓于知識”的挑戰，數據挖掘技術應運而生，越來越顯示出其強大的生命力。

1數據挖掘技術

數據挖掘（DataMining）就是從大量的、不完全的、有噪聲的、模糊的、隨機的數據中，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。還有很多和這一術語相近的術語，如從數據庫中發現知識、數據分析、數據融合以及決策支持等。數據挖掘是一門交叉學科，它把人們對數據的應用從低層次的簡單查詢，提升到從數據中挖掘知識，提供決策支持。常用的數據挖掘技術主要有以下幾種：

1.1人工神經網絡

仿照生理神經網絡結構的非線性預測模型，主要由“神經元”的互聯，或按層組織的節點構成，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，確定網絡的輸出值。

1.2決策樹

決策樹是一個類似流程圖的樹型結構，其中每個內部節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。樹的最頂層節點是根節點。目前，在數據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，是自然遺傳學與計算機科學相互結合滲透的計算方法。遺傳分析應用搜索技術，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生下一代樣本，對子樣本反復“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上述過程，就能得到下一代的樣本集。由此得到當前樣本集較可能的發展方向。

1.4近鄰算法

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

1.5規則推導

根據統計意義上對數據中的規則“如果條件怎么樣、怎么樣，那么結果或情況就怎么樣”，對給定的一組項目和一個記錄集合，通過分析記錄集合，推導出項目間的相關性。

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據分成系列相互區分的組，它是不需要預定義知識而直接發現一些有意義的結構與模式?？刹捎猛負浣Y構分析、空間緩沖區及距離分析、覆蓋分析等方法，旨在發現目標在空間上的相連、相鄰和共生等關聯關系。

1.7可視化技術

可視化技術在數據挖掘過程中的數據準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據。利用可視化方法，很容易找到數據之間可能存在的模式、關系和異常情況等。

2數據挖掘技術在營銷中應用的理論假設

隨著數據量的急劇增長，現在的用戶很難再像以前那樣，自己根據數據的分布找出規律，并根據此規律進行分析決策。因此必須借助于相應的數據挖掘工具，自動發現數據中隱藏的規律或模式，為決策提供支持。隨著市場經濟國際化、區域經濟全球化、業務處理數字化、消費需求個性化的市場競爭環境的形成，企業將面臨更多的競爭對手和不確定的信息，需要借助于數據挖掘技術對商業數據庫中的大量業務數據進行抽取、轉換、分析和其他模型化處理，從中提取輔助商業決策的關鍵性數據，來控制成本、提高效益。

數據挖掘技術在企業市場營銷中得到了比較普通的應用，它是以市場營銷學的市場細分原理為基礎，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、消費習慣、消費傾向和消費需求，進而推斷出相應消費群體或個體的下一步的消費行為，然后以此為基礎，對所識別出來的消費群體進行特定內容的定向營銷。這與傳統的不區分消費者對象特征的大規模營銷手段相比，大大節省了營銷成本，提高了營銷效率，從而為企業帶來更多的利潤。3數據挖掘技術在企業網絡營銷中的應用

網絡營銷作為適應網絡經濟時代的網絡虛擬市場的新營銷理論，是市場營銷理念在新時期的發展和應用。從本質上來說，網絡營銷與傳統市場營銷的目標都是一致的，都是為了實現企業的營銷目標。

3.1客戶關系管理

網絡營銷的企業競爭是一種以顧客為焦點的競爭形態，爭取顧客、留住顧客、擴大顧客群、建立親密顧客關系、分析顧客需求、創造顧客需求等，都是最關鍵的營銷課題。因此，如何與散布在全球各地的顧客群保持緊密的關系并能掌握顧客的特性，再經由教育顧客與企業形象的塑造，建立顧客對于虛擬企業與網絡營銷的信任感，是網絡營銷的關鍵?；诰W絡時代的目標市場、顧客形態、產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系，發掘網絡客戶，了解并掌握網絡客戶的愿望并利用互動服務與客戶保持良好的關系，是眾多企業需要考慮的首要問題。相關研究表明：一個企業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，企業必須要加強與客戶之間的緊密聯系和提高客戶忠誠度。數據挖掘技術為客戶關系管理提供了便利，企業可以將從各種渠道收集的客戶信息組合后，應用超級計算機、并行處理、神經元網絡、模型化算法和其他信息處理技術手段進行處理，提煉出有用信息。一方面是根據客戶行為進行聚類。另一方面是從所建立的數據倉庫中挖掘出為企業創造利潤的這部分客戶，從而與創造利潤的優良客戶建立長期關系。

3.2企業經營定位

通過挖掘出消費者的相關數據，可以找出其共性和個性，并對消費者進行分類，來制定企業的經營目標和市場定位，以利于企業利用網絡優勢，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品與服務。例如，利用關聯分析，可以發現客戶的關聯購買需要。有些客戶在購買某種商品時，會同時購買其他的產品，企業就可以針對這種情況，采取積極的營銷策略，擴展客戶購買的產品范圍或提供相關的服務，吸引更多的客戶；通過挖掘客戶的個人特征以及消費數據，可以將客戶群體進行細分，根據不同的客戶群，實施不同的營銷和服務方式，從而提高客戶的滿意度；可以通過分類技術，根據顧客的消費水平和基本特征對顧客進行分類，找出對本企業有較大貢獻的重要客戶的特征，通過對其進行個性化服務，提高他們的忠誠度。企業只能找準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絡營銷方案，從而找準企業的營銷定位。

3.3客戶信用風險控制

企業在實施網絡營銷過程中經常經受來自買方的信用風險：個人消費者可能在網絡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。賣方需要對此承擔風險。利用數據挖掘技術可以解決企業經常面臨的詐騙行為或延付貨款行為。通過數據挖掘，企業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”，而且一個人在相當長的一段時間內，其使用信用卡的習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，可以監測到信用卡的惡性透支行為；另一方面，根據信用卡的使用模式，可以識別“合法”用戶。如此得到詐騙行為的一些特性，當某項業務符合這些特征時，就可以向決策人員提出警告，從而提高企業應對客戶信用風險的能力。

3.4客戶信譽分析

企業開展網絡營銷后，由于客戶的不確定性、匿名性和虛擬性，增加了企業的經營風險。風險與效益并存，分析客戶的信用等級對于降低風險、增加收益是非常重要的。利用數據挖掘工具，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：從已有的數據中分析得到信用評估的規則或標準，即得到“滿足什么樣條件的客戶屬于哪一類信用等級”，并將得到的規則或評估標準應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，降低營銷風險，提高營銷效益。

3.5消費需求預測

在網絡營銷中，每一個消費者首先是一個不斷變化的虛擬網絡環境中的“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，起著引導社會消費的作用。從事電子商務活動的網絡營銷人員要想成功地行銷在因特網上，他所構思的網絡營銷計劃除了需要考慮傳統市場中顧客的各種需求外，還必須照顧到網民對興趣、聚集和交流的需求，分析他們需求變化的表現、趨勢和原因，采用多種行銷方法，啟發、剌激網絡消費者的需求，喚起他們的購買興趣，誘導網絡消費者將潛在的需求轉變為現實的需求。

3.6企業交叉營銷

交叉營銷是指企業通過發現一位已有顧客的多種需求，并滿足其需求而實現多種相關產品或服務的各種策略和方法，其實質是用戶資源在各產品及服務間的共享，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務推廣手段。交叉營銷現已擴展到兩個電子商務企業/網站之間開展聯盟合作的交叉網絡營銷，有利于企業資源互補、互惠互利，吸引更多的網絡顧客，應用網絡合作伙伴所形成的資源規模創造競爭優勢。利用數據挖掘工具，了解顧客在網上購買商品或接受服務時的選取習慣、鏈接習慣、商品組合習慣，通過關聯分析，找出其中的規律，用來指導本企業應捆綁銷售的商品，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．數據庫新的應用技術———數據挖掘技術［J］．中國電子商務雜志，2003（4）