[发明专利]一种基于深度学习的人力管理智能分析方法

权利要求书

1.一种基于深度学习的人力管理智能分析方法，其特征在于：包括，

获取各部门每位职工任务完成量和质量评估数据，生成训练数据集；

构建深度神经优化网络模型，并将所述训练数据集输入至所述深度神经优化网络模型中进行优化训练，获得训练后的预测决策数据集；

构建决策算法模型，并匹配行业大数据，输出标椎决策算法模型；

将所述预测决策数据集输入至所述标椎决策算法模型中，输出标准决策数据集；

根据所述标准决策数据集进行人力管理的智能分析和判断。

2.根据权利要求1所述的基于深度学习的人力管理智能分析方法，其特征在于：构建的所述深度神经优化网络模型由全连接层和激活层搭建。

3.根据权利要求2所述的基于深度学习的人力管理智能分析方法，其特征在于：所述深度神经优化网络模型包括以下训练步骤，

利用深度卷积神经网络结构将所述训练数据集中的数据送入所述深度神经优化网络模型；

定义所述深度神经优化网络模型为：

通过编解码深度神经网络和鉴别网络，结合所述训练数据集中的数据计算模型输出；

反复执行，直到输出结果满意。

4.根据权利要求2或3所述的基于深度学习的人力管理智能分析方法，其特征在于：所述深度神经优化网络模型训练还包括精度控制，当所述训练数据集输入至所述深度神经优化网络模型后，经过训练输出的所述预测决策数据集与所述训练数据集的均方根误差小于设定的阈值时，视为模型精度较高，则对应训练后的所述预测决策数据集输出结果满意。

5.根据权利要求4所述的基于深度学习的人力管理智能分析方法，其特征在于：设定的所述阈值为0.01。

6.根据权利要求5所述的基于深度学习的人力管理智能分析方法，其特征在于：构建所述决策算法模型，并匹配所述行业大数据，输出所述标椎决策算法模型包括，

爬取所述行业大数据库中的数据；

对所述数据进行缩减预处理，获取缩减后的行业大数据；

构建所述决策算法模型；

将所述缩减后的行业大数据代入所述决策算法模型，并通过寻优迭代公式寻求算法值最大时的决策值；

提取所述决策值，获取所述标椎决策算法模型。

7.根据权利要求6所述的基于深度学习的人力管理智能分析方法，其特征在于：构建的所述决策算法模型具体为，

目标函数J(y)：

J(y)＝[E{g(y)}-E{g(y_guass)}]²

其中，y是提取出的独立分量估计值，E{}是期望，g()是非线性函数，且所述非线性函数为g＝tanh(1.5y)；

约束条件：y∈{0，1}。

8.根据权利要求6或7所述的基于深度学习的人力管理智能分析方法，其特征在于：所述寻优迭代公式为，

式中，X为数据矩阵，Z为中心化白化处理后的数据矩阵，W(i)和W(i+1)为迭代前和迭代后的分离矩阵，E{}是期望，g()是非线性函数，且所述非线性函数为g＝tanh(1.5y)，g＇()是非线性函数的导数函数，T为迭代指数。