論文の概要: Obtain Employee Turnover Rate and Optimal Reduction Strategy Based On Neural Network and Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2012.00583v1
• Date: Tue, 1 Dec 2020 15:48:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-30 19:52:59.875255
• Title: Obtain Employee Turnover Rate and Optimal Reduction Strategy Based On Neural Network and Reinforcement Learning
• Title（参考訳）: ニューラルネットワークと強化学習に基づく従業員の離職率と最適削減戦略の獲得
• Authors: Xiaohan Cheng
• Abstract要約: 本稿では,従業員の転職率の多層パーセプトロン予測モデルを構築した。 従業員の転職率を抑えるための一連の戦略を自動生成する,一種の強化学習アルゴリズムであるSarsaに基づくモデルを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nowadays, human resource is an important part of various resources of enterprises. For enterprises, high-loyalty and high-quality talented persons are often the core competitiveness of enterprises. Therefore, it is of great practical significance to predict whether employees leave and reduce the turnover rate of employees. First, this paper established a multi-layer perceptron predictive model of employee turnover rate. A model based on Sarsa which is a kind of reinforcement learning algorithm is proposed to automatically generate a set of strategies to reduce the employee turnover rate. These strategies are a collection of strategies that can reduce the employee turnover rate the most and cost less from the perspective of the enterprise, and can be used as a reference plan for the enterprise to optimize the employee system. The experimental results show that the algorithm can indeed improve the efficiency and accuracy of the specific strategy.
• Abstract（参考訳）: 現在、人材は企業の様々な資源の重要な部分を占めている。 企業にとって、高いロイヤリティと質の高い人材は、しばしば企業の中核的な競争力である。 したがって、従業員の離職や離職率の低下を予測できることは、非常に実用的である。 まず,従業員の転職率の多層パーセプトロン予測モデルを構築した。 強化学習アルゴリズムの一種であるsarsaに基づくモデルを提案し、従業員の離職率を低減するための一連の戦略を自動的に生成する。 これらの戦略は、企業の観点から従業員の離職率を最大かつ少ないコストで削減できる戦略の集合であり、企業が従業員のシステムを最適化するための参照計画として使用できる。 実験の結果、アルゴリズムは特定の戦略の効率と精度を実際に向上できることがわかった。

関連論文リスト

• From Novice to Expert: LLM Agent Policy Optimization via Step-wise Reinforcement Learning [62.54484062185869]
  本稿では,エージェントの強化学習プロセスの最適化にステップワイド報酬を利用するStepAgentを紹介する。 エージェント反射とポリシー調整を容易にする暗黙の逆・逆の強化学習手法を提案する。
  論文  参考訳（メタデータ） (2024-11-06T10:35:11Z)
• Decision-Aware Predictive Model Selection for Workforce Allocation [0.27309692684728615]
  本稿では、機械学習を利用して労働者の行動を予測する新しいフレームワークを提案する。 本手法では,作業者の振舞いを表現するための最適予測モデルを,その作業員の割り当て方法によって決定する。 本稿では,予測モデル選択と作業員割り当てを統合した意思決定対応最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-10T13:59:43Z)
• Decentralized Learning Strategies for Estimation Error Minimization with Graph Neural Networks [94.2860766709971]
  統計的に同一性を持つ無線ネットワークにおける自己回帰的マルコフ過程のサンプリングとリモート推定の課題に対処する。 我々のゴールは、分散化されたスケーラブルサンプリングおよび送信ポリシーを用いて、時間平均推定誤差と/または情報の年齢を最小化することである。
  論文  参考訳（メタデータ） (2024-04-04T06:24:11Z)
• Hierarchical Deep Counterfactual Regret Minimization [53.86223883060367]
  本稿では,大規模な状態空間や深部ゲームツリーを含むタスクにおいて,学習効率を向上させる革新的な手法であるDeep CFRの最初の階層バージョンを紹介する。 HDCFRのこれまでの研究よりも顕著な利点は、事前に定義された(人間的な)専門知識による学習の促進と、同様のタスクに移行可能なスキルの獲得を促進する能力である。
  論文  参考訳（メタデータ） (2023-05-27T02:05:41Z)
• A Reinforcement Learning-assisted Genetic Programming Algorithm for Team Formation Problem Considering Person-Job Matching [70.28786574064694]
  解の質を高めるために強化学習支援遺伝的プログラミングアルゴリズム(RL-GP)を提案する。 効率的な学習を通じて得られる超ヒューリスティックなルールは、プロジェクトチームを形成する際の意思決定支援として利用することができる。
  論文  参考訳（メタデータ） (2023-04-08T14:32:12Z)
• "How to make them stay?" -- Diverse Counterfactual Explanations of Employee Attrition [3.0839245814393728]
  従業員の誘惑は、組織の競争力とパフォーマンスに直接影響を与える、重要で複雑な問題である。 機械学習(ML)は、人的資源管理の様々な側面に適用されている。 本稿では, 過去のデータから, 複数事例に焦点をあてた反実的説明の利用を提案する。
  論文  参考訳（メタデータ） (2023-03-08T13:54:57Z)
• Learning to Optimize for Reinforcement Learning [58.01132862590378]
  強化学習(Reinforcement Learning, RL)は、教師付き学習とは本質的に異なり、実際、これらの学習は単純なRLタスクでもうまく機能しない。 エージェント勾配分布は非独立で同一分布であり、非効率なメタトレーニングをもたらす。 おもちゃのタスクでしか訓練されていないが、我々の学習はブラックスの目に見えない複雑なタスクを一般化できることを示した。
  論文  参考訳（メタデータ） (2023-02-03T00:11:02Z)
• The Cost of Learning: Efficiency vs. Efficacy of Learning-Based RRM for 6G [10.28841351455586]
  深層強化学習(DRL)は、複雑なネットワークにおける効率的な資源管理戦略を自動学習するための貴重なソリューションとなっている。 多くのシナリオでは、学習タスクはクラウドで実行され、経験サンプルはエッジノードまたはユーザによって直接生成される。 これにより、効果的な戦略に向けて収束をスピードアップする必要性と、学習サンプルの送信にリソースの割り当てが必要となることの間に摩擦が生じます。 本稿では,学習とデータプレーン間の動的バランス戦略を提案する。これにより,集中型学習エージェントは,効率的な資源配分戦略に迅速に収束することができる。
  論文  参考訳（メタデータ） (2022-11-30T11:26:01Z)
• Integration of a machine learning model into a decision support tool to predict absenteeism at work of prospective employees [0.0]
  失業による生産性の低下は、アメリカの雇用主が毎年何十億ドルもの損失を被った。 本研究は、潜在的な従業員の不在を予測するための意思決定支援ツールを開発することを目的とする。
  論文  参考訳（メタデータ） (2022-02-02T03:49:01Z)
• An Extensive Analytical Approach on Human Resources using Random Forest Algorithm [0.0]
  調査では、ワークライフの不均衡、低賃金、不均一なシフトなど、従業員がワークライフを変えることを考えることが示されました。 本稿では,異なる従業員パラメータを考慮したランダムフォレストアルゴリズムを用いたモデルを提案する。 hr部門がギャップを特定し、良好な従業員保持率で組織をスムーズに運営することを支援することで、従業員の維持を支援する。
  論文  参考訳（メタデータ） (2021-05-07T07:35:23Z)
• Decentralized Reinforcement Learning: Global Decision-Making via Local Economic Transactions [80.49176924360499]
  我々は、シーケンシャルな意思決定問題を解決するために、単純で専門的で自己関心のあるエージェントの社会を指示する枠組みを確立する。 我々は分散強化学習アルゴリズムのクラスを導出する。 我々は、より効率的な移動学習のための社会固有のモジュラー構造の潜在的な利点を実証する。
  論文  参考訳（メタデータ） (2020-07-05T16:41:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。