中國特色新型智庫人才遴選指標評價

陳海貝，卓翔芝、2

(1.淮北師范大學 經濟與管理學院，安徽 淮北 235000；2.安徽省高校管理大數據研究中心 大數據決策研究所，安徽 淮北 235000)

一、引言

中國特色的新型智庫是以習近平總書記新時代中國特色社會主義思想為核心，以中國國情為出發(fā)點，以服務黨和政府為宗旨的非營利性的研究咨詢機構[1]。

人才是決定中國特色新型智庫發(fā)展的重要因素，而國內智庫普遍缺乏既有學術底蘊，又有操作技能；既會認識問題，又會解決問題；既能了解國情，又能認識世界；既懂學術語言，又懂傳播語言的復合型人才[2]。因此，選拔符合中國特色新型智庫建設標準的高端人才成為中國特色新型智庫發(fā)展軌道上的關鍵因素。

本文采用文獻調查法、問卷調查法、對比分析法和系統(tǒng)分析法等對中國特色新型智庫人才的遴選指標體系進行了研究，并運用神經網絡理論對人才指標的重要程度進行預測，模擬出適合中國特色新型智庫人才遴選的最佳評選指標體系。

神經網絡獨特的自學習功能可以對市場、效益、安全、災害和疾病等多個領域進行評價和預測。如：夏才初等[3]利用神經網絡模型，通過降雪量、大氣溫度、風速和濕度四個因素對雪深進行了預測。王超杰等[4]利用神經網絡模型對社交媒體價值因素進行了評估。丁浩等[5]利用神經網絡模型對核動力系統(tǒng)的穩(wěn)定性進行了測評。王年等[6]利用神經網絡對電力系統(tǒng)控制裝置進行了改進。李敬明等[7]利用神經網絡對農業(yè)干旱災情進行了預測。孫靖超等[8]利用神經網絡對網絡輿情進行了檢測。Boznar等[9]利用神經網絡對空氣質量進行了預測；Lee 等[10]利用神經網絡對樁基礎的承載力進行了預測。Hammad 等[11]利用神經網絡對曼氏血吸蟲病的蔓延過程進行了預測。Coppede 等[12]利用神經網絡對遺傳因素與環(huán)境的關聯(lián)度進行了預測。Azoff[13]利用神經網絡對金融市場進行了預測。

二、神經網絡理論

目前研究使用的神經網絡一般指的是人工神經網絡。1943 年，心理學家Mcculloch 和數學家Pits研究構建出首個神經元模型(MP 模型)[14]；1949 年，Hebb 提出通過調整神經元的權值來改變神經元的強度[15]；1957 年，Rosenblatt 提出用數據訓練和檢測神經網絡算法[16]。1982 年，Hopfield 首次提出一種較完善的神經網絡模型[17]。

神經網絡具有以下特性：(1)識別功能。神經網絡的優(yōu)點之一就是其強大的識別功能，它可以將實際生活中的各種問題轉化成數學問題。(2)非線性映射。神經網絡的輸入輸出功能，使得三層以上的神經網絡都可以以任何精度逼近任何非線性函數。(3)泛化能力。神經網絡通過實驗樣本，進行大量的數據分析，模擬出最佳預測數學模型。(4)容錯能力。神經網絡在對樣本進行分析時，參數的設置隨著模型的運行不斷進行調整，樣本的錯誤數據或者缺失數據并不影響最終的運行結果。

三、中國特色新型智庫人才遴選指標預測模型

(一)基本原理

神經網絡一般有三層：輸入層、隱含層和輸出層。輸入層和隱含層，隱含層和輸出層之間通過權重值進行連接。

經過神經網絡模擬的輸出值，需要經過多次訓練，不斷地將信息進行反饋和修正系數，最終探索出合適的運行路徑。整個神經網絡的運行結構見圖1。其中xm表示輸入值，yn表示輸出值，Wij表示連接輸入層I和隱含層J之間的權重，Wjk表示連接隱含層J和輸出層K之間的權重，Vj和Vk分別表示隱含層和輸出層神經元的閾值。

圖1 神經網絡運行結構圖

(二) 基本算法

神經網絡算法的學習過程主要分為兩個階段。第一階段是正向傳輸階段，即信息從輸入層進入隱含層，最終進入輸出層，整個正向傳輸過程中不會改變任何參數。如果最終輸出值在可接受誤差范圍內，則算法結束；如果最終輸出值超出可接受誤差范圍，則進入誤差修正階段。在修正誤差的反向傳播階段，神經元將總誤差分給各層神經元，不斷調整和修正權值和閾值，直到最終的輸出值在可接受誤差范圍內。具體的算法流程見圖2。

(三)中國特色新型智庫人才遴選指標選取

通過對國內外知名智庫選人用人的機制進行研究與分析，再結合中國特色新型智庫的要求，選取了7 個一級指標和39 個二級指標，形成中國特色新型智庫人才遴選指標體系。

圖2 算法流程圖

(四)建立預測模型

將39 個二級指標作為輸入神經元，將智庫人才的總評價值作為輸出神經元，詳見圖3。

1.輸入輸出函數：

2.激活函數：

3.標準化函數：

4.誤差函數。輸出層的誤差：

其中，表示真實值，表示預測值。隱含層的誤差：

權重更新：

其中，表示學習率。

偏向更新：

(五)數據采集與處理

邀請知名智庫專家對各項指標進行評價。

1.剔除異常數據。獲取的原始數據集包含450組樣本數據，采用3 準則刪選數據集中的異常數據、殘缺數據和不合理數據。設各參數的均值為，標準偏差為，則貝塞爾公式為：

2.標準化處理。原始數據的評分數值跨度較大，為了便于后續(xù)分析，將數據進行標準化處理。

(六)模型訓練

選取4 層神經網絡，每一層的節(jié)點數分別為：39，100，10 和1。其它參數的設置為：學習率為0.0001，動量因子為0.9，期望誤差為10-3，迭代次數為200。從有效數據集中選取300 組作為訓練數據，最終誤差穩(wěn)定在10-3以內，從而達到設定的期望誤差。

圖3 中國特色新型智庫人才遴選預測模型

表1 真實值和預測值對比

(七)模型驗證

通過前期訓練，形成了合適的預測模型。將剩余的100 組數據作為輸入變量進行檢測(見表1)，預測值和真實值非常接近，誤差保持在10-3內，符合期望誤差，說明該模型已經具備較好的預測性能。

真實值和預測值的擬合非常吻合，擬合情況較好，結果表明99%的預測值誤差保持在10-3內，進一步說明該模型完全可以用來進行智庫人才指標的評價。

四、結論

(一)與灰色評價法、層次分析法和模糊評價法等常用的評價方法相比

神經網絡預測法的性能、效率和精確度都很高，既避免了人工權重設置的誤差，又簡化了整個評價流程。通過系統(tǒng)、全面的評價，對新型智庫人才進行全方位的考察，既節(jié)約了人工成本，降低了時間成本，又提高了效率。因此，通過神經網絡進行中國特色新型智庫人才遴選指標的評價具有重要的科學意義和參考價值。

(二)通過預測值和實際值，發(fā)現總體評價分數較高的智庫人才一般具有工作

新時代對新智庫的要求提高了，新型智庫選拔的智庫人才不僅僅是在智庫領域是專家，在政府、企業(yè)等領域也必須是專家。新型智庫選拔的智庫人才不僅僅是對國內民情深入考察，更要對國際局勢深刻把握；不僅僅具備科研能力，更要具備交際能力。

(三)中國特色新型智庫進入了新的歷史時期，中國特色新型智庫人才也進入了新的歷史階段

作為中國特色新型智庫人才，要以中國精神為核心，以中國國情為依據，以中國道路為標桿，為中國人民謀福利，把中國國情放在心中，把世界發(fā)展放在眼前。加強中國特色新型智庫人才的遴選機制建設，對智庫、對國家都是一項義不容辭的責任與義務。