文摘
在这项研究中,重点是管理模式的发展和未来预测的成本和风险通过使用一种改进的深度学习(DL)算法。管理模式可以被定义为相互关联的管理活动和组织内部的组织机构。不同组织提供的机会和不同的管理模式。适当的管理模式导致成功的策略和决策帮助组织。深层神经网络(款)提出了充分预测组织增加了成本和降低风险的公司和机构。预测是根据更新变量的错误隐藏层和节点内迭代。改进款使用和修改权重影响的特性提取提前增加使用的准确性和精度。该方法是基于动态隐藏层和反向传播前馈。绝对平均相对误差(联盟秘书长)和方差(R2)用于评价的准确性。培训系统使用三大公司的可用数据集,健康问题和行业。获得的结果证明了提出的价值系统和适用于预测复杂的数据和减少风险。
1。介绍
管理模式可以被定义为的选择高管的公司定义的激励工作,分配资源,定义目标、和协调活动。另一个管理是如何识别管理工作。有四个关键步骤的管理模式是理性的目标,内部流程,开放的系统,和人际关系1]。
管理模型由一系列的概念和主要概念是成功的决策基于成功的标准取决于根据预期结果的结论。管理模式的第一想法来自超过几百年前,人们建立了行政组织通过组织特定群体以小组的形式(2]。然后,咨询公司开发管理模式,从一个到另一个不同然后提拔他们。在这项研究中,我们从历史的短暂的游览,然后开始注意探索一些管理模式。有四种管理模式,描述了重要的是时间,等数字区域的描述同样重要。管理的四个兴趣模型见图1。这些模型彼此不相交,但作为一个相互补充。
在实践中,以前使用的管理模式在某种程度上被认为是成功的但是今天需要开发是可以接受的。这实际上并不总是合适的东西(3]。
2。古典风格管理方法
有两种方法:古典风格(1)科学的管理(2)行政管理
科学管理:这个应用程序使用科学的方法来提高个人工作效率的工人。通常,经理或领导决定使用这种类型的管理根据人们的经验管理。这种类型有优势除了局限性,强烈依赖经验和学习从过去的训练(4]。
行政管理学认为管理学原理有效组织结构除了管理(组织、协调、规划、鼓励和控制)。他们是主要的原则,用于管理和组织结构。这决定了低水平的管理和控制能力。
3所示。人际关系的管理方式
根据管理实践信仰,生产力和士气都强烈认为适当努力提高工作能力的环境。这种风格的管理是很容易识别的,因为它依赖于心理学,社会学,和个人的理解真正的行为,以及群体行为。因此,教育等一组适合在这里非常适合合并施打。在人际关系的方法,管理往往并不知道,它隶属于人际关系,但这并不是(5]。
4所示。系统管理方法
它是昂贵和复杂的同时,也满足人际关系的组合方法和经典方法(6]。
哲学的系统方法(我)整体比部分的总和(在领导人/管理的背景下的人际关系和古典方法)(2)彼此相关的子和部分系统除了整体(3)应该强调环境和组织之间的密切关系(iv)预测模式必须检查的有效性
5。应急管理方法
内部和外部的环境被认为是在这种方法。其目的在于管理等传统理论x和y,其重点是在决定或确定的实际管理必须考虑的任务自然和人本性7]。
这种方法的哲学(我)强调没有最好的方式来管理(2)不同的情况需要不同的管理方式和方法(3)在决定行动之前,我们需要关注组织的知识和理论
6。战略管理模型
有四个基本策略设计为一组:设定目标(计划),协调活动,动机,和决策。四组的活动必须以不同的方式执行不同的组织。在客观情况下,我们根据短期目标,长期目标创建边界。在动机的情况下,我们定义一侧外在动机和内在动机在另一边。发生在一个正式的管理过程和管理形式需要一些时间,这是明智的考虑它,如图2。
适用于短时间内战略目标规划模型,外在动机,和严格的决策策略。当追求模型定义了目标明确,管理模式需要决策的责任。内在的员工可以决定和清晰的定义,以及目标和动机可以决定8]。
发现模型、管理过程、动机、决策、和目标是宽松的。规划模型成熟运营业务稳定的环境。模型建立时是有用的追求公司的市场竞争力。科学的模型被认为是对知识创新的组织。发现模型推荐在开始高度变化的环境。
可以使用DL技术管理模式做出预测和设计。管理决策包括70%的机会风险由于预测在项目管理(9]。款用于本研究的DL技术。神经网络由三个主要部分组成(10),输入层、隐层和输出层;款是用来预测的决定,如图3。
这个手稿的组织结构如下:首先介绍,给出了一个初步的想法,然后一个特殊的部分相关的先前的研究研究,除了部分深度学习及其相关技术,然后工作的方法,最后的结果和结论。
7所示。相关工作
在本节中,将讨论文献综述方面的管理模式和评价管理模型。管理模式是组织的意识形态和范式。它是经理如何管理组织(11]。管理模式创建优势:如果设计得当,一个贫穷的选择管理模式会限制组织(12]。组织运营和商业模式方面的限制管理(13]。新的管理模式是由定义六个地区的活动技术金融、商务、会计、安全性和管理(1,14]。采用不同的方法(15)管理模式在军队字段创建一个概念的理性官僚主义和关注领导者的行为根据计算规则。决策分析是用来预测管理模式通过使用限制条件的水资源的模型来理解资源的管理(16]。DL用于检测模型的动态管理和建立了政策决策,和时间测量5 g模型中被认为是(17]。许多应用程序使用DL管理特别是在健康管理是一个关键的方法,会影响设计实时预测(18]。减少风险管理决策模式识别中使用DL (19)这样的系统是用来改善操作和解决交通拥堵。智能应用DL用于处理服务管理模型的物联网(物联网)以及边缘计算20.,21]。
7.1。款在管理中的应用模型
目前有许多不同的家庭款用于作为一个整体的管理模式。这实际上各种使评估非常困难;根据标准的报道计划,我们不能列出很多但是将最重要的一个是用于管理模型。我们试图掩盖这些范围与DL的管理模式,如市场营销、生产、财务和战略管理。
安装7.1.1。在营销领域
款可以使用和应用的许多决定营销,营销在预测使用统计分析来解决问题之前,市场细分和市场主导性的典型问题建模、模式的分类,特征的识别、目标营销和销售预测。款方式相比,传统的方法包括分类任务和市场反应评估。市场营销的问题是缺乏个人数据的应用程序。在这种类型,销售区域需要良好的预测使用款[22]。
7.1.2。在金融领域
许多建模和预测问题经常由款;利用计算机算法的思想是减少风险和增加的概率钱打交道时在不同领域的增长。这种类型的好处是解决非线性函数和神经网络时间序列的复杂性,在这个模型证明了自己的价值。进一步的预测数据和模式识别:它适用于符合复杂的计算,和问题需要担保的处理样品的数量(23]。
7.1.3。在制造业领域
预测成本和时间日期调度的主要事情是需要恢复,除了款质量控制和优化。预测数据必须确保产品的质量。兽疥癣产品也需要良好的路径预测的成本和时间消耗(24]。
7.1.4。在战略管理领域
主要问题是实证研究和战略规划的性能、决策控制的角色在一定条件下达到更好的策略。(25]。款是一种有效的工具来澄清和确定性能之间的关系和规划的策略,以及决策。
在这方面,我们可以注意到款方法不同于其他传统方法和实现,通过他们,更好的结果在许多开发人员的应用程序。很多原因使它容易使用款,如多元的数据,当噪声或不完整的数据,当数据需要较高的计算复杂度。
7.2。为什么深神经网络
许多优点让我们选款,有很多原因,列出如下:(我)款模型时提供高精度的结果与其他方法如回归进行比较(2)因为深度学习是机器学习的一部分,所以在监督学习的情况下,它是通过提取特性,但在无监督学习的情况下,系统可以直接重要特性,根据优先级。(3)容易评估的准确性和意义用均方误差(MSE)和R2(iv)发现这种款容易处理分布的非参数方法没有先验知识和I / O映射函数(v)灵活性在处理噪声、丢失或不完整的数据(vi)容易更新根据变化的环境是动态的和合适的
7.3。深度学习
数据科学和现代技术的发展如大数据和高性能计算机、机器学习的机会了解数据和通过提供复杂系统的行为。机器学习了机器学习能力在不同的算法没有严格的命令某些程序或有限的指令(26]。
DL可以被定义为一个学习机器学习技术直接从给定不同的媒体或问题有用的特性。许多层利用DL对非线性数据处理的无监督或监督分类的特征提取和模式识别27]。DL动机是大大减少了人工智能(AI)地区,它模拟人类大脑的能力的分析、决策、和学习。深度学习的目标是模仿的方法提取特征的分层学习人类的大脑直接从无监督数据。
深度学习的核心是僧侣的计算功能和表示的信息,如定义的特性从低级别到高级别。与巨大的复杂的数据管理模式,标准技术的传统方法不直接工作运行时由于忽视数据行为的性质。在深度学习,特征自动提取从管理模式。这种方法的特点的特性被认为是学习的系统[28,29日]。
特征作为输入被认为是重要的成功的预测,和特征提取等金融属性和估计成本管理模式中使用(30.]。出于这个原因,我们可以用深度学习的特征提取来解决这种系统的限制。
款期限管理模型是信息的理解行为和策略,如图4。
功能深度学习将自动生成模拟相应的结果(28]。不同的隐藏层参与决策使用的反馈从一层到前一个或由此产生的层将被送入第一层(31日]。DL使计算机能够执行复杂的计算依赖于简单的计算来优化计算机效率。电脑很难理解复杂的数据,如从文学或一系列的数据收集数据的复杂性,所以我们用深学习算法代替通常的学习方法(32]。
深度学习被认为是在这项研究中基于特征的提取和隐藏层的神经网络预测结果。预测部分是最重要的部分。
7.4。该方法
款的最重要的特征之一是学习过程,这是两种类型:训练模式和测试模式。深度学习不能没有输入功能等特性,是之前提取。贡献在先前的研究不同的质量特性,这决定了结果的准确性。在这个问题上,大多数现有的研究贡献和改善方法,更有用的功能和可能与他们的重量需要通过调查。
款结构在本研究包括特征提取的权重。特征向量中收集的是相同的输入层中的权重,而真正的学习将在隐藏层,如图5。
权向量中间是矢量控制的主要功能这是通过操纵系统更新。
输出层的结果预测的情况下管理模型。许多特征提取等管理模式,员工人数,专家经理期间,机构或公司结构,经济增长今年和前一个。神经网络适用于预测;然后,大多数的结果使某些问题,预测评估结果可以在一定条件下产生影响和限制,而这些限制被认为是系统的重量。正向传播过程的目标是将输入分成n输入向量,表示权重系数b被称为偏差向量。向量x表示非线性操作性能。函数表示为 在哪里的输出是我层。一般的系统中使用款模型管理如图6这说明了在任何管理模式序列的过程。任何系统基于神经网络预测结果是有限的功能。
的集合特征输入到系统,每个权重。该方法主要取决于重量确定的优先级特征提取过程中无监督学习,所以有必要注意体重的每个特性提出了系统而有效的。F(u)负责建立隐层的功能根据特性。
期间通过隐藏层权重影响系统精度的过程。在管理,实时应用程序模型作为输入,但在正常管理,所有功能都在考虑。在运行这个系统,许多圆过程将生成额外的隐藏层和许多迭代产生影响,直到他们获得适当的预测结果的准确性。结构的管理是必要的预测结果,与任何公司或项目将优先的人员层次结构,如图7。
7.5。实验结果
在这项研究中,款的管理模式提出了除了分析策略的公司和机构。的隐藏层数款用于设置为每一个节点。前馈神经网络和反向传播执行。神经网络训练的两个主要输入,和实际消费,并设置学习速率和动量系数0.8学习的过程。适合,使用80000次迭代,直到得到满意的结果。两个主要的验证参数绝对平均相对误差(联盟秘书长)和方差(R2): 在哪里一个我是实际的价值,y我是输出值,n是数据值的数字。拟合函数性能改变的迭代次数;训练模式的系统达到了比平时更多的得到准确的结果,如图8。
六个样品管理模式影响健身功能和行为完全在同一条件。这六个测试模式评估系统模型。许多评价标准用来评估系统基于款的管理模式,但在该系统中,使用三个主要的评估工具。适应度函数的行为在测试模式下显示在图9。
另两个评价方法是使用真实的数据集和标准。从之前的研究获得的数据来自不同的学院。提出系统培训和测试模式;测试发生在真实的数据但应该先训练系统与已知的结果数据,这样可以实现更好的结果。任何系统使用款必须从文学研究标签的数据。联盟秘书长,R2也用于评估在不同的范围,如表所示1。
好的结果和精度高反映的价值系统,和提出系统实现可接受的结果,可以用于测试其他管理模式。
8。结论
管理模式负责把组织的战略。在新技术,现代应用程序可用于适用于管理模式。款用于满足内部管理模式更新隐藏层,基于前馈反向传播。特征提取事先从信息数据的员工和经理。权重来自相同的特性和自然工作管理用于实现款的复杂计算功能函数。联盟秘书长,R2用于该系统评估款管理模型除了系统的准确性。取得的结果是鼓励和建议该方法应用在另一个管理项目需要基于先验知识的预测。未来工作,增加的数量特征提取和使用大数据集进行预测建议。
数据可用性
所有数据用于支持本研究的结果包括在本文中。
的利益冲突
作者证实,没有利益冲突的研究。
确认
作者扩展她的感谢黑龙江省哲学社会科学基金(19 jye255)资助和支持这项工作。