文摘

所有企业逐渐认识到员工的健康心理学的重要性业务活动以提高自己的经济水平和经济市场占领一定的领先地位。影响员工心理健康的主要因素作为输入样本,和一个网络模型的企业员工心理健康预测基于开发款。形成一组特定的心理健康指标与复杂的测试项目。心理健康评估选择的关键影响因素作为输入向量,并得到款算法的输出结果,分析和比较。样本训练后,预测和测量值之间的人工神经网络的误差仅为3.55%,达到预期的效果。本文中使用的原则是款建立数学预测网络模型的基础上分析影响企业员工的心理因素。预测系统的最终结果的计算很简单和灵活的神经网络的参数改变时,和网络模型的预测效率和准确性大大提高。

1。介绍

行为、心理和概念的员工正在深刻地影响强烈的工作和快节奏的生活在中国,由于社会竞争的不断加强和市场经济的快速发展1]。在当前新发展的背景下,员工的心理健康问题之间的联系和企业安全生产已经慢慢地出现了。我们只能确保企业生产活动的安全发展,确保员工有很好的心理素质(2]。员工提供一个健康的心理有足够的心理承受能力。他们可以显著提高企业的竞争力,面对不断上升的市场竞争3]。良好的心理素质是一个重要的保证一个成功的事业和一个幸福的生活作为一个整体的员工创造企业财富,但它也是一个不可否认的事实,越来越多的员工是各种心理问题的困扰4]。一项调查显示,企业员工花大量的时间在一个高压,不稳定的环境,容易带来负面的心理心理紧张和疼痛等症状5]。如果员工的心理健康问题,它将直接严重影响企业的安全生产。因此,企业应该重视员工的心理健康问题,采用多样化的工作方法,提高员工的心理承受力和抗挫折能力,确保企业安全生产将不会影响员工的心理健康问题,促进企业的高质量发展(6]。它已成为一个新的话题为企业经理及时缓解员工的心理压力,促进员工的心理健康,构建和谐企业7]。

影响和谐社会建设的因素中,心理健康已成为影响和谐社会建设的一个重要因素。个体心理健康不仅是与个人的健康成长和家庭的幸福,也与和谐的人际关系,甚至影响到社会道德的建设,社会责任,和社会文化8]。员工的心理健康行为的评价是企业管理的重要内容和企业EAP服务。从当前社会形势下,中国人民的心理健康问题越来越严重的随着社会的发展。极端事件引起的不健康的心理状态是频繁的,和心理健康问题对社会和谐(有一定的负面影响9]。目前,企业员工心理健康教育的现状不容乐观,主要表明一个好的文化环境对心理健康教育还没有建立,心理健康教育的社会支持系统是不完美的,政府没有动员社会各界参与心理健康教育工作的员工(10]。在个体层面,员工不足够关注心理健康。没有科学知识的指导,员工的心理健康问题不能科学分析和正确的处理,这是更可能有不良后果(11]。摘要影响企业员工的心理健康的主要因素作为输入样本,特征心理健康指标与复杂的测试项目,和网络模型的企业员工的心理健康基于深层神经网络预测系统(款),从而实现企业的预测员工的心理健康。

心理健康评估和心理问题识别本质上是模式识别或非线性分类问题。每个人的心理状态是一个多维信息系统,它的特点是多变量、多层次和强耦合。有复杂的非线性系统中各种因素之间的交互。因此,很难用传统的数学方法描述(12]。感知器模型,它的重量可以调节学习,和学习算法采用监督学习13]。当它用于分类两种类型的模式,它相当于分离两种类型的样本高维样本空间中的一个超平面。事实证明,如果两套输入模式是线性可分的,也就是说,有一个超平面,可以分开他们,那么该算法必须收敛(14]。如果输入是一个线性不可分的模式集,单层感知器不能正确分类。在数学模型建立之后,某些结果可以推断通过逻辑推理或数学运算。如果模型给出了一定的解释,派生的结果可能被视为某种经验系统的预测(15]。通过进一步比较预测值与实际测试值,数学模型可以修改根据它们之间的协议的程度(16]。基于款的原则和影响员工的心理因素的分析,本文建立了一个数学预测网络模型。通过改变神经网络(NN)的参数,预测系统的最终结果的计算简单,灵活,和网络模型的预测效率和准确性大大提高。在很大程度上,这提供了一个良好的参考方法研究企业员工的心理健康状况。

2。相关工作

随着社会经济的快速发展,人们的生活节奏不断加快,生活的压力也增加。作为员工职业健康是企业安全生产的基本保障,企业管理者应该意识到很多问题造成员工身体和心理健康也会影响企业的安全生产。文献[17)使用sci - 90作为测量工具在企业员工的调查,这表明,女性员工的心理健康状况明显高于男性员工,不管每个因素得分或量表的总分,也就是说,女性员工的心理健康状况较差。从智能科学的高度,通过结合认知神经科学,计算机神经科学,认知科学,等等,神经网络的研究已经取得了突破性的进展,并在此过程中不断探索计算智能的本质,人类的大脑神经网络结合款(18]。文献[19)提出了不同变量的故障预测的基础上,建立了神经网络和实施实验三种技术:线性分析,递归分析和遗传算法。三项技术对应不同的变量,这是相互独立的。文献[20.通过建立的神经网络模型和网络学习,在某种程度上,提供了基础的预测员工的心理健康。心理健康的评价模型建立在文献[21)可以判断心理健康。基于模糊的心理健康和心理健康评估的高度非线性的特点,神经网络和模糊数学是有效地结合。文献[9)需要的主要影响因素,员工的心理健康状况作为样本输入,使用优化款建立预测模型的员工的心理健康状况,需要相应的模糊综合评价结果的示例输出,并利用神经网络的自学习功能训练的网络映射每个因素及其心理健康状况之间的关系。

摘要影响企业员工的心理健康的主要因素作为输入样本,特征心理健康指标与复杂的测试项目,和网络模型的企业员工的心理健康建立基于款的预测系统,以实现企业的预测员工的心理健康。

3所示。方法

3.1。的原因和分析企业员工的心理问题

很多因素能导致心理问题。它将不仅直接影响人的心理,也会损害企业的正常运行22)没有科学分析和正确指导实际工作。员工在工作中经常受到的压力消除,职称,和推广,特别是在一些流水线企业的工作负载很重,工作标准高,而且有许多类型的考试,和他们在一个恒定的高压的状态,这会给他们的身心带来压力的耐力。基于企业的问题和原因的分析员工的心理健康心理健康教育,实际操作应提出对策,确保高效的合作模式通过建立多级安全系统和创建一个合作模式的企业员工的心理健康心理健康教育由政府主导、企业主体、员工参与和社会联系。许多企业使用任务管理的操作模式,只关注任务完成的结果而不是心理和情感的变化,发生在任务完成。较低的员工的工作热情、工作压力高、旷工,高营业额,事故率高,紧张的人际关系的结果是许多企业未能认识到维护员工心理健康的重要性和自己的情绪未能给予足够的关注。工作倦怠是指一种物理状态,情感和心理疲劳23]。如果持续的身心疲惫,悲观、失望,无聊,和抑郁与倦怠不及时解决,他们将整个组织传播,导致抑郁、消极、悲观的气氛。员工都是工作在同一个项目。当员工有冲突与客户、合作伙伴、同事、或领导人,这些冲突和矛盾不及时解决,导致紧张,心理问题,影响他们的工作和压力,以及。

3.2。心理健康评估的基本模型基于款

现代计算机强大的信息处理和计算能力,但是他们做出决定的能力,感知,模式识别24- - - - - -26),和其他逻辑处理问题在复杂环境中远远低于人。他们不能思考和学习,不能改变根据环境的变化,所以他们只能机械地执行预编的程序。计算每个神经元在人类大脑的反应速度非常低,不能与电脑相比。然而,由于大量的神经元,也有许多神经元之间的连接。因此,许多问题的处理速度,特别是逻辑问题,人类的大脑比电脑快得多(27]。

因为心理现象的复杂性和多样性,特别是各种因素之间的相互作用,单因素实验结果的可靠性会受到影响,所以多因素实验和multistatistical方法是必要的。由于计算过程的复杂性,应用多元统计曾经受到限制。近年来,随着计算机的发展和应用,计算困难逐渐解决,越来越多psychostatistics援引的多元统计方法,从而促进psychostatistics的发展。我们不能简单地用一个线性函数建立预测模型的员工的心理健康状况,因为每个特定因素的函数是无形的,无形的,和对结果的影响可能是非线性的,因此我们需要一种方法能够反映影响因素之间的对应关系的心理状态和结果建立预测模型。神经网络的基本模型图所示1。基本的神经元模型如图2。

款是信息处理的数学模型由类似大脑神经元突触连接(28]。BP神经网络的学习过程可以说是一个迭代过程,由正向传播和反向传播。算法的基本思想是反馈错误输出的数据从网络的输出层和调整每一层的权值和阈值的神经网络一步一步从输出层,以减少每个样本的输出数据的标准差(29日]。

除了神经节点的特点,得到拓扑结构的特点。

让是实际网络神经元的输出在时间当是输入,代表相应的输出样本,那么错误可以写成:

纠错学习是使目标函数的基础上达到最小,因此每个输出神经元在神经网络的实际输出是最近统计的输出样本。最常用的均方误差准则的目标函数,定义为: 在哪里是期望算子。因为当直接作为目标函数,需要计算整个过程的特点。为了解决这个困难,我们一般取代与瞬时值的在时间 ,也就是说,

使用最速梯度下降法来获得:

这种学习规则的神经网络模型成功应用非常广泛,比如最简单的感知器学习算法,这也是最原始的神经网络的应用。的竞争学习网络,输出单元互相竞争,最后,只有一个最强的能被激活。规则是由以下公式表示:

在实际应用程序中,我们都采用了模糊综合评价模型来判断许多问题;其中,如果有许多因素,我们采用分层因素的多级模糊综合评价方法。例如,在一个企业的综合评价,评价因素首先分为几类,如学校的硬件设备、教师的力量,和学校的发展,然后,硬件设备评估。多级模糊综合评价方法是判断每个类别的过程因素分别然后做出综合评价。等级划分后,各种因素之间的关系清晰,情况的重量因素太小由于重量大大避免正常化30.]。在评估员工的心理健康,我们提出一个多因素模糊综合决策模型,也就是说,多级模糊综合评判模型。如果学习系统是在一个稳定的工作状态,环境的统计特性可以通过监督学习,学习神经网络可以记得的经历。如果环境不稳定,通常的监督学习不能跟踪这一变化。为了解决这个问题,网络需要一些适应能力。本文算法的BP网络包括两个传播方向:输入信号的正向传播和反向传播的输出误差,也就是说,实际的网络输出计算从输入到输出。然而,每一层的网络的权值和阈值被修改在相反的方向从输出到输入(如图3)。

每个节点之间的连接的重量代表每个假说之间的约束。对于每个节点,可以从外部输入,这反映了外部的证据。

4所示。结果分析和讨论

网络融合的程度确定神经网络的训练数据的质量。在最短的时间内,良好的数据可以帮助网络实现更好的收敛性的平衡。另一方面,无论网络的参数是如何改变,很难达到预期的结果,如果数据是不正确的。神经网络的输入和输出数据应该首先预处理,使神经网络的训练更有效,提高建立了神经网络的训练速度(31日]。随机样本数据分为两个部分:一部分是作为训练样本训练网络,另一部分是用作测试样品来确定训练网络是否符合要求。最后,模型模拟和测试,看它是否能实现预期的预测目标。网络的误差在自主学习的过程中不断下降,曲线描述在图所示4。网络可以达到最小误差预测通过不断训练的神经网络,它可以看出预测模型具有良好的预测效果。网络可以达到最小误差预测通过连续神经网络训练。

样本集“学习”后,神经网络所使用的权重和阈值是通过神经网络的自适应学习获得的内部表示最能满足数据需求。然后,特征数据样本集的确定是输入到训练网络,网络可以自动的原因和确定样本的输出结果。图5显示错误的比较之前和之后的优化。它可以发现,优化后的神经网络预测模型比优化前的神经网络。

数据拟合的效果与优化神经网络可以更快的实现。优化神经网络的能力来适应数据明显改善在不改变原有的网络结构和网络参数。这样做的原因是,使用适应度函数的遗传算法确定最优权重和阈值,然后给这些训练神经网络的权值和阈值,而不是使用Matlab生成的随机权重和阈值为每个训练,大大减少了权重和阈值的主见能力。神经网络的迭代步骤的数目明显减少了优化后,和预设的目标可以达到更快。图6描述了BP网络的期望输出和实际模型的输出。

图7显示了动态评价员工的心理健康的影响。一般来说,款可以有效地评估员工的动态趋势在一段时间内的心理健康,无论训练集和验证集样品或样本外的测试集。它证明了款的适用性和有效性评估营销情况。

神经网络分析模型,介绍了状态转换的概念,这样的概率从一个状态转换到另一个,和未来可以判断,评估和指导未来的工作。描述心理现象与数学模型的优点,它不仅是更普遍的,准确的,演绎,比自然语言的描述和预测,但更重要的是,它是方便计算机模拟和人工智能技术的发展创造了条件。然而,计算机识别模糊现象的能力很差。为了提高计算机识别模糊现象的能力,有必要设计模糊语言常用指令和程序的人,可以接受的机器,这样机器就可以做出相应的判断和简洁灵活的人类大脑,从而提高效率的自动识别和控制模糊现象。

训练网络模拟与sim()函数,然后,非正规和模拟结果与原始数据相比。比较的结果预测数据与实际数据图所示8。

从图可以看出8得到仿真数据非常接近真实的数据。这表明训练之后,BP网络具有良好的逼近效果的预测员工的心理状态。本文的定量数据,企业员工的心理健康影响因素被映射到相应的心理健康状况,以及企业员工心理健康的预测模型。结果表明,预测模型可以很好的预测学生心理问题通过各种影响因素的量化员工基本上达到预期的目标。

心理现象的复杂性是不言自明的。目前,心理健康的评估和评价方法还在讨论阶段。影响心理健康的因素都是模糊的,很难有一个严格的标准在确定一些信息收集的各种尺度的影响程度在心理健康。也有一定程度的相对歧义在定义的三个州心理健康,心理不健康,精神疾病。每个人的心理状态是一个多维信息系统,它的特点是多变量、强耦合和复杂的非线性系统中各种因素之间的交互。估计,由于各种因素之间的非线性关系,难以用传统的数学方法描述,但它是更适合使用系统分析来评估心理健康,考虑到评价系统的输入和输出之间的关系。在社会层面,心理健康教育的第一步就是做好宣传,创造一个氛围,重视心理健康在整个社会,做好宣传和普及心理健康和心理卫生知识通过互联网、广播、电视、报纸、杂志和各种宣传工具。其次,有必要建立一个心理健康教育网络系统覆盖整个社会,因此,员工的心理健康教育可以交换信息,相互合作,实现资源共享。

5。结论

整个社会必须注意社会个人的心理健康问题,高度重视,加强和改进现有的心理健康教育方法和方法,开展心理健康教育对于各级的人,包括心理的概念,家庭生活,工作环境,和社会文化,为了促进社会个人心理素质的提高,增强和谐。传统的员工心理健康预测方法相比,预测方法避免了款耗时和不确定传统造型的过程。本文发展一个数学预测网络模型基于款原理和影响员工心理因素的分析。预测系统的最终结果的计算很简单和灵活的神经网络的参数改变时,和网络模型的预测效率和准确性大大提高。在很大程度上,这提供了一个良好的参考方法研究企业员工的心理健康。

这个预测模型中使用的多层前馈款仍有一些缺陷,比如学习速率缓慢,容易陷入局部最小值在训练期间,和深度之间的矛盾网络的训练和预测能力。等弹性的品质,服务员工的情绪智力和文化智力对外资企业而言,可能需要处理职业逆境。因此,在未来的研究中,必须不断扩大研究领域,探索以提高在这一领域的研究。全社会必须注意社会个体的心理健康问题,高度重视,加强和改善现有的心理健康教育的方法,并对心理健康教育人们从心理等各个方面的概念,家庭生活,工作环境,和社会文化,以促进提高社会个人的心理素质和人际关系的和谐,从而增进社会信任与和谐。影响企业员工的心理健康的因素改变随着时间的推移,和主要因素,影响企业员工的心理健康也会相应地改变。给出了一个详细的描述如何使用深层神经网络和模糊数学的理论和方法建立数学模型来评估心理健康状况,以及如何提高模型的准确性评价结合规模测量工具应用于心理评估与现实。企业在安全生产过程中,员工的心理健康问题是深受企业本身,社会和员工。有必要充分保证企业一起工作的所有方面,建立以人为本的管理理念,创造良好的生产环境。我相信在不久的将来,神经网络将被应用到越来越多的方面,和人们的生活将更方便通过深层神经网络。

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突。