طبقه بندی میزان گرایش کارکنان به جایگزینی با استفاده از شبکه عصبی و الگوریتم ژنتیک

مساله انتخاب ویژگی، یکی از مسایلی است که در مبحث یادگیری ماشین و همچنین شناسایی آماری الگو مطرح است. این مساله در بسیاری از کاربردها (مانند طبقه بندی) اهمیت به سزایی دارد، زیرا در این کاربردها تعداد زیادی ویژگی وجود دارد، که بسیاری از آنها یا بلااستفاده هستند و یا اینکه بار اطلاعاتی چندانی ندارند. هدف این پژوهش ارزیابی و ارایه یک سیستم خبره مبتنی بر شبکه عصبی و الگوریتم ژنتیک برای طبقه بندی میزان گرایش کارکنان شرکت بهره برداری نفت و گاز کارون از شرکت های تابعه شرکت ملی نفت ایران می باشد. وجود یک سیستم با این قابلیت به اخذ تصمیمات مدیریتی سازمان هدف در جهت نگهداشت منابع انسانی و صرفه جویی در هزینه ها بسیار موثر خواهد بود. در این پژوهش به این نتیجه رسیده ایم که کیفیت و نوع ویژگی های مورد استفاده در جریان طبقه بندی بسیار مهمتر از تعداد آنهاست و انتخاب ویژگی های مناسب با استفاده از الگوریتم های ترکیبی نیز میتواند باعث بهبود دقت طبقه بندی شود. نتیجه این پژوهش ارایه یک سیستم مبتنی بر شبکه عصبی و الگوریتم ژنتیک است که علاوه بر کاهش ابعاد ویژگیها، میزان تمایل کارکنان به جایگزینی را نیز میتواند با دقت بیش از 90 درصد طبقه بندی کند.

کلیدواژه ها:

یادگیری ماشین ، الگوریتم ژنتیک ، شبکه عصبی منابع انسانی ، کاهش ویژگی