一种新的基于神经网络的IRT项目参数估计模型

探讨了一种新的基于广义回归神经网络（GRNN）的IRT（项目反应理论）项目参数估计建模方法，着重介绍了如何建立网络的输出模式及利用Monte Carlo方法建立网络的输入模式，提出了多种对模型进行改进的方法。模拟实验表明，利用GRNN可以以任意精度拟合CTT（经典测验理论）参数统计值和IRT参数值间隐含的非线性关系。与其他方法进行的比较表明，在小样本情况下，该方法的参数估计误差更小。     

从心理学数据中发现可理解的模式

近年来,机器学习技术常被用于分析心理学数据,以期从数据中找出有价值的模式,更好地刻画和调整人们的心理行为。提出采用二次学习风范的规则生成算法,结合规则学习算法的在模式理解性方面的优势和集成学习、支持向量机等高性能算法在泛化性能上的优势,从心理学数据中发现准确且易于理解的模式。实验表明,采用二次学习风范的规则生成算法在泛化性能上显著高于传统的规则生成算法,且在许多情况下,其输出规则的可理解性亦优于传统的规则生成算法。     

人工神经网络模型在人员安置中的应用研究

为了将不同特质的人员安置到各自合适的工作岗位上去，人工神经网络中的约束满意模型被用来解决这个问题。该模型中的每一个结点都代表一个假设，各结点间的联结权重代表了各个假设之间的约束，同时，对于每一个结点都可以有来自外界的输入，必要时还可以为网络设置一定的偏置值。模拟实验的结果表明该模型经运行后可以找到最大程度地满足各种约束的人员安置方案。     

企业培训策略影响因素分析

文章对培训过程中培训需求的预测、培训环境的营造、评估标准的设定等进行了深入分析，目的在于帮助企业培训部门、培训研究人员以及培训师设计出符合企业发展、提高员工绩效水平的培训项目。     

计算智能在心理学中的应用

摘要：计算智能是借助现代计算工具模拟人的智能机制、生命演化过程和人的智能行为而进行信息获取、处理、利用的理论和方法,它是人工智能的深化和发展.计算智能适用于心理学领域诸多方面的研究,其中的神经网络模型已经成为探讨社会认知、记忆、学习等高级心理过程内在机制不可或缺的工具,它的出现使人们找到了分析人的内部心理过程和状态的新途径.计算智能在效度凭证的求取、等级效标分数的预测、管理人员选拔、智能组卷等心理测量方面均已展开了研究,并取得了很好的效果.计算智能在心理学领域蕴藏着广阔的应用前景.     

运用概化理论和BP网络进行创造力研究

心理学的数据往往是通过主观评判得到的,和物理学的数据相比有较大的误差。以创造力测量为例,运用概化理论对心理测量数据的质量进行了描述。采用BP-Adaboost RT方法对心理测量数据进行建模,并且和多元线性回归、单个BP网络的建模进行了比较,结果表明,概化理论可以用来分析心理测量数据,数据的质量会影响到模型的预测精度。     

基于神经网络的项目参数估计方法

针对题库建设中项目参数估计的实际问题,提出了一种全新的基于神经网络的参数估计方法;并以二值记分的3PLM为项目反应理论模型,以广义回归神经网络为网络模型,根据Monte Cado实验法进行了模拟实验研究,最后将神经网络方法与传统的数理统计估计方法进行了比较.结果表明,在小样本测验情况下,神经网络方法具有一定的优势,尤其是当去掉对项目参数的先验概率分布的限制时,神经网络方法的优势更加明显,说明本文提出的方法具有一定的价值. ,     

基于VPRS和证据理论的毕业论文综合评价研究

针对高校本科生毕业论文综合评价中既有历史经验数据又有专家评分数据的实际情况,探讨了将变精度粗糙集(VPRS)与证据理论(ET)相结合的综合评价方法,论述了利用VPRS分析历史数据,得到经验mass函数,并结合专家评分数据构造专家mass函数,最后利用证据理论进行证据合成的思想。实例研究表明,该方法充分利用了毕业论文综合评价中的历史经验数据和专家评分数据,结果可靠。     

心理测评应用于招聘工作的尝试及问题分析

心理测评理论与技术在人力资源管理工人中的应用早已得到重视，但应用中暴露的问题也不容忽视，特别是如何才能保证心理测评技术，方法和工具在实际应用中的效度，文章介绍了将心理测评技术应用于干部招聘工作的尝试和对有关问题的探索。围绕招聘工具的制订、施测及其信度问题，讨论了工作分析的未来性、心理测评的过程性效应及招聘决策，岗位匹配性与招聘决策等。     

人工神经网络在人员安置中的应用研究

为了将不同特质的人员安置各合适的工作岗位上去,人工神经网络中约束满意模型被用业忱个总是该模型中的每一个结点都代表一个假设,各结点间的联结权重代表了各个假设之间的约束,同时,对于每一个结点都可以有来自外界的输入,必要时还可以为网络设置一定的偏置值。模拟实验的结果表明：该模型经运行后可以找最大程度地满足各种约束的人员安置方案。