田苗 李嫣資 田冰潔

摘 要：灰色神經(jīng)網(wǎng)絡(luò)是將灰色模型與BP神經(jīng)網(wǎng)絡(luò)結(jié)合的產(chǎn)物，文章運用灰色神經(jīng)網(wǎng)絡(luò)構(gòu)建大學生創(chuàng)業(yè)素質(zhì)評估模型，從而進一步完善大學生創(chuàng)業(yè)素質(zhì)評估指標體系，通過對保定市高校創(chuàng)業(yè)學生進行實證解析，結(jié)合調(diào)研問卷量化分析出影響大學生創(chuàng)業(yè)素質(zhì)提升的主要問題，提出優(yōu)化決策，以期對大學生創(chuàng)業(yè)提供指導性方案建議。

關(guān)鍵詞：灰色神經(jīng)網(wǎng)絡(luò)；評價指標體系；高校學生創(chuàng)業(yè)；創(chuàng)業(yè)素質(zhì)

在京津冀協(xié)同發(fā)展的背景下，保定市創(chuàng)新創(chuàng)業(yè)走向了新的高度，高校大學生學生創(chuàng)業(yè)素質(zhì)的提高也迫在眉睫。本文通過調(diào)查當前保定市高校學生創(chuàng)業(yè)素質(zhì)情況，對其中反饋的問題進行分析和研究，使測評高校的學生創(chuàng)業(yè)素質(zhì)的準確度和效率提高的目的達成，并在此基礎(chǔ)上運用灰色理論并將之加入BP神經(jīng)網(wǎng)絡(luò)中的方法對高校學生創(chuàng)業(yè)素質(zhì)進行評測，通過將灰色理論和BP神經(jīng)網(wǎng)絡(luò)進行結(jié)合互補，對在“逼近復雜的非線性函數(shù)方面的灰色理論”和“需要大量代表性數(shù)據(jù)訓練的BP神經(jīng)網(wǎng)絡(luò)”的局限性所表現(xiàn)出的不足，進行彌補改進。此方法應用于對保定市高校大學生創(chuàng)業(yè)素質(zhì)方面的評估預測仿真結(jié)果以達到量化分析，解決大學生創(chuàng)業(yè)素質(zhì)方面的主要問題，并提出提升路徑以達到對指導大學生創(chuàng)業(yè)成功的目的。

1 大學生創(chuàng)業(yè)素質(zhì)評估模板

創(chuàng)業(yè)素質(zhì)為創(chuàng)業(yè)者所具備且能使該創(chuàng)業(yè)者達成順利創(chuàng)業(yè)的內(nèi)在的穩(wěn)定的特征或特點，是創(chuàng)業(yè)者必須具備的重要素質(zhì)條件，分別為創(chuàng)業(yè)者的創(chuàng)業(yè)前提（創(chuàng)業(yè)意識）、創(chuàng)業(yè)核心（創(chuàng)業(yè)能力）、創(chuàng)業(yè)基礎(chǔ)（創(chuàng)業(yè)品質(zhì)）以及對創(chuàng)業(yè)保證（創(chuàng)業(yè)知識）等幾個方面的要求，是一項很強的綜合素質(zhì)。

將高校學生創(chuàng)業(yè)素質(zhì)評價指標作為輸入項輸入灰色神經(jīng)網(wǎng)評模型，將高校學生創(chuàng)業(yè)質(zhì)量分數(shù)設(shè)為預測模型的輸出項，并于灰色神經(jīng)網(wǎng)絡(luò)中，對數(shù)據(jù)序列在不確定情況下進行學習和訓練，使該神經(jīng)網(wǎng)絡(luò)模型能夠智能地完成高校學生創(chuàng)業(yè)素質(zhì)質(zhì)量的評估目的。圖1所示為高校學生創(chuàng)業(yè)素質(zhì)評估結(jié)構(gòu)模板圖解。

2 高校學生創(chuàng)業(yè)素質(zhì)評估指標體系

在多重因素綜合作用下，大學生創(chuàng)業(yè)素質(zhì)評估的本質(zhì)是對大學生創(chuàng)業(yè)能力產(chǎn)生影響的自身因素與大學生創(chuàng)業(yè)產(chǎn)生

效果形成的綜合產(chǎn)物，合理、科學的創(chuàng)業(yè)素質(zhì)評估數(shù)據(jù)所構(gòu)建的實用指標體系的建立是完成大學生創(chuàng)業(yè)素質(zhì)評測的前提條件。本文在瀏覽查閱相關(guān)大學生創(chuàng)業(yè)素質(zhì)研究成果的同時，調(diào)查走訪近2年我市高校創(chuàng)業(yè)學生及教師，深入了解保定市高校學生創(chuàng)業(yè)素質(zhì)現(xiàn)狀，加強對當今大學生創(chuàng)業(yè)過程中主要面臨問題的針對性分析，并依據(jù)以上方式將大學生創(chuàng)業(yè)素質(zhì)評估指標體系愈加完善地建立。具體如表1所示。

3 灰色神經(jīng)網(wǎng)絡(luò)模型

3.1 灰色理論

灰色系統(tǒng)理論是鄧聚龍教授所創(chuàng)建的一種解決問題的方法，它的特點是在少數(shù)據(jù)、貧信息、不確定性問題的分析上效率很高，其中GM（1，1）模型應用最為廣泛。

3.2 灰色神經(jīng)網(wǎng)絡(luò)

灰色模型的主要是灰色生成、處理、加工已有的少量不確定性數(shù)據(jù)，進而使輸入數(shù)據(jù)和輸出數(shù)據(jù)之間的非線性規(guī)律更加明確具體。而BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)點是算法簡易，實現(xiàn)方便，但其尚有一些缺陷——并不能絕對完成數(shù)據(jù)擬合，如較大誤差出現(xiàn)于一些特殊數(shù)據(jù)BP神經(jīng)網(wǎng)絡(luò)預測結(jié)果中，易產(chǎn)生出現(xiàn)局部極小值，從而使運算預測的精度收到嚴重影響。

灰色神經(jīng)網(wǎng)絡(luò)是將灰色模型與BP神經(jīng)網(wǎng)絡(luò)結(jié)合的產(chǎn)物，該模型過程如下：累加一次輸入項的樣本數(shù)據(jù)使數(shù)據(jù)的離散性和隨機性受到削弱，并將其代入白化方程，然后對模型所預測公式進行求解，從而確定所有數(shù)據(jù)的網(wǎng)絡(luò)拓撲結(jié)構(gòu)，對網(wǎng)絡(luò)進行再訓練，并對網(wǎng)絡(luò)連接權(quán)值和閾值反復調(diào)整至其各自的迭代次數(shù)。此將兩者結(jié)合的網(wǎng)絡(luò)可互補前者之短，且其曲線更易逼近某種非線性函數(shù)，提升了預測精度，并增強了網(wǎng)絡(luò)的泛化能力。一個典型的灰色神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)如圖2所示。其中，t為輸入?yún)?shù)序號，y2（t），…，yn（t）為網(wǎng)絡(luò)輸入?yún)?shù)；ω21，ω22，ω2n…，ω31，ω32，ω3n…為網(wǎng)絡(luò)權(quán)值；y1為網(wǎng)絡(luò)預測值，LA、LB、LC、LD為灰色神經(jīng)網(wǎng)絡(luò)的四層。

使用灰色神經(jīng)網(wǎng)絡(luò)進行預測的算法流程如圖3所示。

4 大學生創(chuàng)業(yè)素質(zhì)評估實證分析

此次調(diào)研發(fā)放問卷100份并回收95份，統(tǒng)計回收的有效問卷中的數(shù)據(jù)并以其作為神經(jīng)網(wǎng)絡(luò)樣本，各樣本都是由13個評價指標（X1至X13）和Y（創(chuàng)業(yè)素質(zhì)評分）組成。設(shè)學習樣本為前80個數(shù)據(jù)，測試樣本為余下15個數(shù)據(jù)。調(diào)研樣本如表2所示。

在matlab2011a中，首先對原始數(shù)據(jù)進行累加處理，使之成為一階生成序列，并初始化構(gòu)建灰色神經(jīng)網(wǎng)絡(luò)模型的權(quán)值和閾值，輸入編號為1`80的樣本至灰色神經(jīng)網(wǎng)絡(luò)，用于訓練；最后用訓練后的評價模型對測試樣本進行測試。其誤差變化情況和預測結(jié)果如圖4-5所示。

5 高校大學生創(chuàng)業(yè)素質(zhì)提升路徑

通過對保定市高校學生創(chuàng)業(yè)素質(zhì)評估結(jié)果分析得出，大學生學生綜合創(chuàng)業(yè)素質(zhì)評估分數(shù)于60～85的區(qū)間上下浮動，這表明在大學生創(chuàng)業(yè)素質(zhì)方面僅有一般的水平；對調(diào)查問卷中高校學生創(chuàng)業(yè)素質(zhì)評估體系各指標的得分進行量化分析得出：對高校學生創(chuàng)業(yè)的質(zhì)量進行限制的重難點問題是學生的心理和部分能力的素質(zhì)偏低。對此情況，本文對高校學生整體創(chuàng)業(yè)水平進行提高的措施上，提出以下建議。

5.1 加強創(chuàng)業(yè)心理教育

高校應該在普遍開展的心理課程中進行獨有的創(chuàng)業(yè)教育專版改革化，于日常心理健康教育中增添創(chuàng)業(yè)教育的特色，加強挫折式、悲觀式的創(chuàng)業(yè)情感應對方式的教育。并以創(chuàng)業(yè)心理咨詢活動的形式，對學生在創(chuàng)業(yè)過程中可能出現(xiàn)的心理問題進行教輔，以此來指導學生，培養(yǎng)其創(chuàng)業(yè)心理品質(zhì)，強化大學生創(chuàng)業(yè)意志和改善樂觀的創(chuàng)業(yè)情感，堅定自己的創(chuàng)業(yè)信念的自信心，控制好心態(tài)，敢于冒險和承擔風險等，使每個創(chuàng)業(yè)者以源于自己內(nèi)心尤為強烈的創(chuàng)業(yè)欲望來迎接未來的創(chuàng)業(yè)挑戰(zhàn)。

5.2 強化專業(yè)知識培養(yǎng)

高校在系統(tǒng)傳授給創(chuàng)業(yè)者專業(yè)知識的基礎(chǔ)上，還應是其對創(chuàng)業(yè)領(lǐng)域的相關(guān)專業(yè)知識熟識精通，且對創(chuàng)業(yè)后企業(yè)須知的知識進行了解和儲備（如：企業(yè)管理相關(guān)理論知識、一定法律知識等），以此為基礎(chǔ)進行知識素質(zhì)方面的完備。

5.3 關(guān)注能力素質(zhì)的培養(yǎng)

高校創(chuàng)業(yè)教育應多開展創(chuàng)業(yè)論壇，提供有利的創(chuàng)業(yè)實踐成果展現(xiàn)的舞臺。在商業(yè)形式上，使創(chuàng)業(yè)者應能敏銳地發(fā)掘商機，并創(chuàng)新或獲取各種所需要資源；在人際交往方面，善于與人溝通，有強大的交際脈絡(luò)；在應變能力方面，能對形勢變化做出敏捷反應等。

6 結(jié)語

通過上述分析，灰色神經(jīng)網(wǎng)絡(luò)應用于高校學生創(chuàng)業(yè)素質(zhì)評估中，它克服了BP神經(jīng)網(wǎng)絡(luò)泛化能力低的缺點，這個模型的評價結(jié)果與實際值相吻合，較為貼近實際曲線，證明此模型的評價結(jié)果準確，分類準確率相對來說頗高，將之作為高校學生創(chuàng)業(yè)素質(zhì)評價模型尤為合適。

[參考文獻]

[1]周霖，朱賀玲.試析我國高校創(chuàng)業(yè)教育的主要問題[J].現(xiàn)代教育科學，2010（5）：90-93.

[2]李志，李雪峰，萬鳳艷.當代大學生創(chuàng)業(yè)意識問卷的初步編制[J].心理學探新，2010（1）：85-89.

[3]Gideon D.Mark man，Robert A.Baron.Person-entrepreneurship fit：why some people are more successful as entrepreneurs than others[J].Human Resource Management Review，2003（13）：281-301.

[4]袁新文.創(chuàng)業(yè)教育，給“面包”還是給“獵槍”[N].人民日報，2010-07-02.

[5]彭璐，張霞，吳建新，等.大學生創(chuàng)業(yè)素質(zhì)指標體系初探[J].科技創(chuàng)業(yè)月刊，2008（2）：26-28.

[6]張凱，錢峰，楊漫丹.模糊神經(jīng)網(wǎng)絡(luò)技術(shù)綜述[J].信息與控制，2003（5）：431-435.

The Analysis and Evaluation of University Students Entrepreneurial Quality Based on Grey Neural Network and Improving Path

Tian Miao， Li Yanzi， Tian Bingjie

（Hebei Finance University， Baoding 071000， China）

Abstract： Grey neural network is the product of gray model combined with BP neural network，College students，Construct the college students entrepreneurial quality evaluation model using the gray neural network， and further improve the evaluation index system of college students entrepreneurial quality， making an empirical analysis of college students entrepreneurs in Baoding. Analyze the main contradiction of the promotion in college students entrepreneurial quality， using the quantitative research questionnaire， and put forward the optimization decision making in order to provide guidance scheme for college students entrepreneurship education.

Key words： grey neural network； evaluation index system； college students entrepreneurship； entrepreneurial quality