【摘 要】本文基于PNN方法建立了陆军中级指挥官考核评价模型。PNN网络输入层为领导特质、成就导向、人际关系、危机管理、分析认识能力、执行能力和创新精神，输出层为陆军中级指挥官的考核和评价结果。网络模型测试均方误差最小值为0.012，所以最终确定的网络结构为7-0.6-1。领导特质、成就导向、人际关系的网络敏感性值较低。危机管理、分析认识能力、执行能力和创新精神对网络精度影响很大
【关键词】PNN；中级指挥官；考核评价模型；人力资源；胜任能力
中图分类号： E25 文献标识码： A 文章编号： 2095-2457（2017）26-0048-002
Evaluation Model of Army Intermediate Commander Based on PNN Method
ZHANG Liang YIN Hang
（Experimental Training Base，College of Information and Communication，National University of Defense Technology，Xi’an 710106， China）
【Abstract】This paper establishes a model of mid-level commander appraisal based on PNN method.The input layer of the PNN network is the leadership qualities，achievement orientation，interpersonal relationship，crisis management， analysis and recognition ability，executive ability and innovative spirit，and the output layer is the assessment and evaluation result of the Army mid-level commander.The minimum mean square error of network model test is 0.012， so the network structure finally determined is 7-0.6-1.Leadership characteristics，achievement orientation，interpersonal network sensitivity value is low.Crisis management，analytical understanding，executive ability and innovation have a significant impact on network accuracy.
【Key words】PNN；Mid-level commander；Evaluation model；Human resources；Competence
0 前言
陆军主要由侦查并、工程兵、步兵、通信兵、炮兵、陆军防空兵、陆军航空兵、电子对抗并等兵种组织。伴随着国际局势的复杂多变，加速具有中国特色的军队建设和积极推进中国信息化的军事改革的思想要求下，我党和人民对我陆军提出了更高的要求。陆军中级指挥官是指在司令部、政治、后勤、装备等部门担任旅（团）级领导职务的指挥军官。其是连接高层领导和基层人员的重要位置，该部门人员的主要职责有制定组织发展战略计划、将组织战略分解、制定本部门工作计划、负责跨部门协调、执行工作计划。确切的说，该职位人员要为高层领导提出谋划和建议，同时还要将高层领导的思想和精神传达至下层部队中，还要监督和检查高层领导决策的最终落实结果。因此考核和评价出执行任务出色、实践经验丰富陆军中级指挥官是我陆军工作的首要工作内容之一[1]。目前，考核和评价陆军中级指挥官主要靠人工进行判断，在考核和评价过程中，由于考官的主观性常常对部分优秀的中级指挥官造成误判，从而导致个别优秀的中级指挥官失去了为我陆军发挥其才能的机会。伴随着互联网和人工智能的发展，基于人工神经网络法的自适应概率神经网络（PNN）因其与大数据相结合，且该网络具有良好容错性、自适应性和强大的非线性、可快速并行处理和样本学习能力而广泛应用于信息分析、故障诊断、模式识别等领域[2]。本文基于APNN法对陆军中级指挥官的考核和评价内容进行研究，为丰富陆军中级指挥官考核和评价方法进行一种新思路。
1 原理
PNN网络是由径向基函数算法而研究出的一种前馈型神经网络，该研究方法以贝叶斯决策理论为基础，当其网络中的分布密度接近0时，该网络构成了最临界的分类器；当其网络最大时，构成了临界分类器。PNN的网络结构如图1所示，从图1可见由输入层，模式层，求和层和输出层组织。
输入层接受输入样本的数据。模式层计算输入特征向量各个模式的匹配关系，模式层神经元的个数等于各个类别矫直样本数之和。求和层是将属于某类的概率计算累积，按照公式1计算，从而得到故障模式的估算值。求和层单元的输出与各类基于内核的概率密度的估计成比例，通过输出层的归一化处理，就能够得到各类的概率估计[2]。
F（X，Wi）=exp- （公式1）
2 实验
选取某陆军300组中级指挥管统计的领导特质、成就导向、人际关系、危机管理、分析认识能力、执行能力和创新精神类数据。然后随机将抽样的方式分为实验组（200组）和测试组（100组）。其中用于实验组现用PNN网络进行模拟，确定出陆军中级指挥官的PNN网络考核和评分模型。测试组用来测试模拟结果的准确性。通过均方误差（RMSE）来描述实际值与网络输出值之间的精度， 公式（2）是均方误差的表达形式。其中Ti实际实测结果，Yi是网络输出值。
RMSE= （公式2）
3 结果与分析
3.1 模型构建
标准的PNN网络主要由三层结构构成，本文建立的PNN网络输入层为领导特质、成就导向、人际关系、危机管理、分析认识能力、执行能力和创新精神，输出层为陆军中级指挥官的考核和评价结果。目前试错法[2]确定隐含层节点Speard的数值，通过均方误差（RMSE）來描述实际值与网络输出值之间的精度。图2为Spread在0至1.4范围内，均方误差对应的数值分布图。从图2可见，当Spread值为0.6时候，模型测试均方误差最小值为0.012，所以最终确定的网络结构为7-0.6-1。
3.2 测试应用
网络敏感性分析（Sensitivity analysis，简称SA）是衡量每一个输入变量对神经网络运算精度影响大小的参数[12]。其主要作用是确定出影响网络运算精度每一个输入变量，避免无意义输入变量数据的采集，其公式如公式（3）所示：
SA（%）= ×100%（公式3）
PNN网络敏感分析结果如图3所示。从图3可见，领导特质、成就导向、人际关系的网络敏感性值较低。因此危机管理、分析认识能力、执行能力和创新精神对网络精度影响很大。在后续找那个应加强领导特质、成就导向、人际关系的内容训练和培养。
x
4 结论
（1）本文基于PNN方法建立了陆军中级指挥官考核评价模型。PNN网络输入层为领导特质、成就导向、人际关系、危机管理、分析认识能力、执行能力和创新精神，输出层为陆军中级指挥官的考核和评价结果。
（2）网络模型测试均方误差最小值为0.012，所以最终确定的网络结构为7-0.6-1。
（3）领导特质、成就导向、人际关系的网络敏感性值较低。危机管理、分析认识能力、执行能力和创新精神对网络精度影响很大。
【参考文献】
[1]黄景仁，黄邱朝，江蔼云等.陆海野战训练官兵个性与情绪不稳定因素分析[J].中国心理卫生杂志，2002，16（8）：525-526.
[2]李国勇.神经模糊控制理论及应用[M].北京，电子工业出版社，2009：18-67.