Resumen

La gente suele utilizar el método de análisis de puestos de trabajo para comprender los requisitos de cada puesto en cuanto a las características del personal, al mismo tiempo que utiliza el método de medición psicológica para comprender las características psicológicas de cada persona, y luego coloca al personal en el puesto adecuado emparejándolo entre sí. Con el desarrollo de la era de la información, se producen datos masivos y complejos. Cómo extraer con precisión los datos efectivos que necesita la industria de los big data es una tarea muy ardua. En realidad, los datos del personal están influenciados por muchos factores, y la serie temporal formada por ellos es más accidental y aleatoria y a menudo tiene características multinivel y multiescala. Cómo utilizar un determinado algoritmo o tecnología de procesamiento de datos para desenterrar eficazmente las reglas contenidas en los datos de información del personal y explorar el esquema de colocación del personal se ha convertido en una cuestión importante. En este trabajo, se establece un modelo de red neuronal variable multicapa para el aprendizaje de características complejas de big data para optimizar el esquema de colocación de personal. Al mismo tiempo, el modelo de aprendizaje se extiende del espacio vectorial al espacio tensorial. Los parámetros de la red neuronal se invierten mediante el algoritmo de retropropagación de alto orden frente al espacio tensorial. En comparación con el modelo de cálculo de la red neuronal multicapa tradicional basado en el espacio tensorial, el modelo de cálculo de la red neuronal multimodal puede aprender las características de los datos complejos de forma rápida y precisa y tiene ventajas evidentes.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:modelo de cálculo de red, espacio tensorial, datos complejos, modelo de red neuronal, cálculo de red neuronal, términos de personal, esquema de colocación de personal, aprendizaje de características de datos, algoritmo de retropropagación de orden, tecnología de procesamiento de datos
• Keywords:network calculation model, tensor space, complex data, neural network model, neural network calculation, terms of personnel, personnel placement scheme, data features learning, order backpropagation algorithm, data processing technology