《表4 2014—2017年人力资源素质结构神经网络信息》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于BP神经网络的人力资源素质结构识别模型研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由表4可见2014、2016年神经网络隐藏层的单元数分别只有1个，而2015、2017年隐藏层的单元数分别为2个。经数十次训练学习，可得表5中2014—2017年训练终止结果，2017年测试集总体平均相对误差值较大达3.489，2014年达1.761，2015、2016年均低于1。而表6给出c1，c2，c3，c4四个自变量在4个年度内相对于因变量b1、b2的重要性分布，2014年c1的重要性最高、2015年c3的重要性最高，2016年、2017年是c2的重要性最高，但在2014年c2的重要性表现最差，仅有0.034，也说明同一变量指标在不同时序区间表现的差异化。而从2014—2017数据指标的纵向连续性来看，从中可以发现四个自变量因素相对于因变量而言均具有较高的关联度，证明原假设H1、H2、H3、H4、H5、H6、H7、H8成立。同时也证实了自变量同因变量之间存在非线性的显著性关系。