篇一 大學(xué)碩士學(xué)位論文開題報(bào)告
一、論文名稱、課題來源、選題依據(jù)
論文名稱：基于bp神經(jīng)網(wǎng)絡(luò)的技術(shù)創(chuàng)新預(yù)測(cè)與評(píng)估模型及其應(yīng)用研究
課題來源：?jiǎn)挝蛔詳M課題或省政府下達(dá)的研究課題
選題依據(jù)：
技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估是企業(yè)技術(shù)創(chuàng)新決策的前提和依據(jù)。通過技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估, 可以使企業(yè)對(duì)未來的技術(shù)發(fā)展水平及其變化趨勢(shì)有正確的把握, 從而為企業(yè)的技術(shù)創(chuàng)新決策提供科學(xué)的依據(jù), 以減少技術(shù)創(chuàng)新決策過程中的主觀性和盲目性。只有在正確把握技術(shù)創(chuàng)新發(fā)展方向的前提下, 企業(yè)的技術(shù)創(chuàng)新工作才能沿著正確方向開展,企業(yè)產(chǎn)品的市場(chǎng)競(jìng)爭(zhēng)力才能得到不斷加強(qiáng)。在市場(chǎng)競(jìng)爭(zhēng)日趨激烈的現(xiàn)代商業(yè)中, 企業(yè)的技術(shù)創(chuàng)新決定著企業(yè)生存和發(fā)展、前途與命運(yùn), 為了確保技術(shù)創(chuàng)新工作的正確性,企業(yè)對(duì)技術(shù)創(chuàng)新的預(yù)測(cè)和評(píng)估提出了更高的要求。
二、本課題國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì)
現(xiàn)有的技術(shù)創(chuàng)新預(yù)測(cè)方法可分為趨勢(shì)外推法、相關(guān)分析法和專家預(yù)測(cè)法三大類。
(1)趨勢(shì)外推法。指利用過去和現(xiàn)在的技術(shù)、經(jīng)濟(jì)信息, 分析技術(shù)發(fā)展趨勢(shì)和規(guī)律, 在分析判斷這些趨勢(shì)和規(guī)律將繼續(xù)的前提下, 將過去和現(xiàn)在的趨勢(shì)向未來推演。生長(zhǎng)曲線法是趨勢(shì)外推法中的一種應(yīng)用較為廣泛的技術(shù)創(chuàng)新預(yù)測(cè)方法,美國(guó)生物學(xué)家和人口統(tǒng)計(jì)學(xué)家raymond pearl提出的pearl曲線(數(shù)學(xué)模型為: y=l∕[1+a?exp(-b·t)] )及英國(guó)數(shù)學(xué)家和統(tǒng)計(jì)學(xué)家gompertz提出的gompertz曲線(數(shù)學(xué)模型為: y=l·exp(-b·t))皆屬于生長(zhǎng)曲線, 其預(yù)測(cè)值y為技術(shù)性能指標(biāo), t為時(shí)間自變量, l、a、b皆為常數(shù)。ridenour模型也屬于生長(zhǎng)曲線預(yù)測(cè)法, 但它假定新技術(shù)的成長(zhǎng)速度與熟悉該項(xiàng)技術(shù)的人數(shù)成正比, 主要適用于新技術(shù)、新產(chǎn)品的擴(kuò)散預(yù)測(cè)。
(2)相關(guān)分析法。利用一系列條件、參數(shù)、因果關(guān)系數(shù)據(jù)和其他信息, 建立預(yù)測(cè)對(duì)象與影響因素的因果關(guān)系模型, 預(yù)測(cè)技術(shù)的發(fā)展變化。相關(guān)分析法認(rèn)為, 一種技術(shù)性能的改進(jìn)或其應(yīng)用的擴(kuò)展是和其他一些已知因素高度相關(guān)的, 這樣, 通過已知因素的分析就可以對(duì)該項(xiàng)技術(shù)進(jìn)行預(yù)測(cè)。相關(guān)分析法主要有以下幾種: 導(dǎo)前-滯后相關(guān)分析、技術(shù)進(jìn)步與經(jīng)驗(yàn)積累的相關(guān)分析、技術(shù)信息與人員數(shù)等因素的相關(guān)分析及目標(biāo)與手段的相關(guān)分析等方法。
(3)專家預(yù)測(cè)法。以專家意見作為信息來源, 通過系統(tǒng)的調(diào)查、征詢專家的意見, 分析和整理出預(yù)測(cè)結(jié)果。專家預(yù)測(cè)法主要有: 專家個(gè)人判斷法、專家會(huì)議法、頭腦風(fēng)暴法及德爾菲法等, 其中, 德爾菲法吸收了前幾種專家預(yù)測(cè)法的長(zhǎng)處, 避免了其缺點(diǎn), 被認(rèn)為是技術(shù)預(yù)測(cè)中最有效的專家預(yù)測(cè)法。
趨勢(shì)外推法的預(yù)測(cè)數(shù)據(jù)只能為縱向數(shù)據(jù), 在進(jìn)行產(chǎn)品技術(shù)創(chuàng)新預(yù)測(cè)時(shí), 只能利用過去的產(chǎn)品技術(shù)性能這一個(gè)指標(biāo)來預(yù)測(cè)它的隨時(shí)間的發(fā)展趨勢(shì), 并不涉及影響產(chǎn)品技術(shù)創(chuàng)新的科技、經(jīng)濟(jì)、產(chǎn)業(yè)、市場(chǎng)、社會(huì)及政策等多方面因素。在現(xiàn)代商業(yè)經(jīng)濟(jì)中, 對(duì)于產(chǎn)品技術(shù)發(fā)展的預(yù)測(cè)不能簡(jiǎn)單地歸結(jié)為產(chǎn)品過去技術(shù)性能指標(biāo)按時(shí)間的進(jìn)展來類推, 而應(yīng)系統(tǒng)綜合地考慮現(xiàn)代商業(yè)中其他因素對(duì)企業(yè)產(chǎn)品技術(shù)創(chuàng)新的深刻影響。相關(guān)分析法盡管可同時(shí)按橫向數(shù)據(jù)和縱向數(shù)據(jù)來進(jìn)行預(yù)測(cè), 但由于它是利用過去的歷史數(shù)據(jù)中的某些影響產(chǎn)品技術(shù)創(chuàng)新的因素求出的具體的回歸預(yù)測(cè)式, 而所得到的回歸預(yù)測(cè)模型往往只能考慮少數(shù)幾種主要影響因素, 略去了許多未考慮的因素, 所以, 所建模型對(duì)實(shí)際問題的表達(dá)能力也不夠準(zhǔn)確, 預(yù)測(cè)結(jié)果與實(shí)際的符合程度也有較大偏差。專家預(yù)測(cè)法是一種定性預(yù)測(cè)方法,依靠的是預(yù)測(cè)者的知識(shí)和經(jīng)驗(yàn), 往往帶有主觀性, 難以滿足企業(yè)對(duì)技術(shù)創(chuàng)新預(yù)測(cè)準(zhǔn)確度的要求。以上這些技術(shù)創(chuàng)新預(yù)測(cè)技術(shù)和方法為企業(yè)技術(shù)創(chuàng)新工作的開展做出了很大的貢獻(xiàn), 為企業(yè)技術(shù)創(chuàng)新的預(yù)測(cè)提供了科學(xué)的方法論, 但在新的經(jīng)濟(jì)和市場(chǎng)環(huán)境下, 技術(shù)創(chuàng)新預(yù)測(cè)的方法和技術(shù)應(yīng)有新的豐富和發(fā)展, 以克服自身的不足, 更進(jìn)一步適應(yīng)時(shí)代發(fā)展的需要, 為企業(yè)的技術(shù)創(chuàng)新工作的開展和企業(yè)的生存與發(fā)展提供先進(jìn)的基礎(chǔ)理論和技術(shù)方法。
目前,在我國(guó)企業(yè)技術(shù)創(chuàng)新評(píng)估中, 一般只考慮如下四個(gè)方面的因素: (1) 技術(shù)的先進(jìn)性、可行性、連續(xù)性; (2) 經(jīng)濟(jì)效果; (3) 社會(huì)效果; (4) 風(fēng)險(xiǎn)性, 在對(duì)此四方面內(nèi)容逐個(gè)分析后, 再作綜合評(píng)估。在綜合評(píng)估中所用的方法主要有: delphi法(專家法)、ahp法(層次分析法)、模糊評(píng)估法、決策樹法、戰(zhàn)略方法及各種圖例法等, 但技術(shù)創(chuàng)新的評(píng)估是一個(gè)非常復(fù)雜的系統(tǒng), 其中存在著廣泛的非線性、時(shí)變性和不確定性, 同時(shí), 還涉及技術(shù)、經(jīng)濟(jì)、管理、社會(huì)等諸多復(fù)雜因素,目前所使用的原理和方法, 難以滿足企業(yè)對(duì)技術(shù)創(chuàng)新評(píng)估科學(xué)性的要求。關(guān)于技術(shù)創(chuàng)新評(píng)估的研究, 在我國(guó)的歷史還不長(zhǎng), 無論是指標(biāo)體系還是評(píng)估方法, 均處于研究之中, 我們認(rèn)為目前在企業(yè)技術(shù)創(chuàng)新評(píng)估方面應(yīng)做的工作是: (1) 建立一套符合我國(guó)實(shí)際情況的技術(shù)創(chuàng)新評(píng)估指標(biāo)體系; (2) 建立一種適應(yīng)于多因素、非線性和不確定性的綜合評(píng)估方法。
這種情況下, 神經(jīng)網(wǎng)絡(luò)技術(shù)就有其特有的優(yōu)勢(shì), 以其并行分布、自組織、自適應(yīng)、自學(xué)習(xí)和容錯(cuò)性等優(yōu)良性能, 可以較好地適應(yīng)技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估這類多因素、不確定性和非線性問題, 它能克服上述各方法的不足。本項(xiàng)目以bp神經(jīng)網(wǎng)絡(luò)作為基于多因素的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估模型構(gòu)建的基礎(chǔ), bp神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層構(gòu)成, 各層的神經(jīng)元數(shù)目不同, 由正向傳播和反向傳播組成, 在進(jìn)行產(chǎn)品技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估時(shí), 從輸入層輸入影響產(chǎn)品技術(shù)創(chuàng)新預(yù)測(cè)值和評(píng)估值的n個(gè)因素信息, 經(jīng)隱含層處理后傳入輸出層, 其輸出值y即為產(chǎn)品技術(shù)創(chuàng)新技術(shù)性能指標(biāo)的預(yù)測(cè)值或產(chǎn)品技術(shù)創(chuàng)新的評(píng)估值。這種n個(gè)因素指標(biāo)的設(shè)置, 考慮了概括性和動(dòng)態(tài)性, 力求全面、客觀地反映影響產(chǎn)品技術(shù)創(chuàng)新發(fā)展的主要因素和導(dǎo)致產(chǎn)品個(gè)體差異的主要因素, 盡管是黑匣子式的預(yù)測(cè)和評(píng)估, 但事實(shí)證明它自身的強(qiáng)大學(xué)習(xí)能力可將需考慮的多種因素的數(shù)據(jù)進(jìn)行融合, 輸出一個(gè)經(jīng)非線性變換后較為精確的預(yù)測(cè)值和評(píng)估值。
據(jù)文獻(xiàn)查閱, 雖然在技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估的現(xiàn)有原理和方法的改進(jìn)和完善方面有一定的研究,如文獻(xiàn)[08]、[09]、[11]等, 但尚未發(fā)現(xiàn)將神經(jīng)網(wǎng)絡(luò)應(yīng)用于技術(shù)創(chuàng)新預(yù)測(cè)與評(píng)估方面的研究, 在當(dāng)前產(chǎn)品的市場(chǎng)壽命周期不斷縮短、要求企業(yè)不斷推出新產(chǎn)品的經(jīng)濟(jì)條件下, 以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)來建立產(chǎn)品技術(shù)創(chuàng)新預(yù)測(cè)與評(píng)估模型, 是對(duì)技術(shù)創(chuàng)新定量預(yù)測(cè)和評(píng)估方法的有益補(bǔ)充和完善。
三、論文預(yù)期成果的理論意義和應(yīng)用價(jià)值
本項(xiàng)目研究的理論意義表現(xiàn)在: (1) 探索新的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估技術(shù), 豐富和完善技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估方法體系; (2) 將神經(jīng)網(wǎng)絡(luò)技術(shù)引入技術(shù)創(chuàng)新的預(yù)測(cè)和評(píng)估, 有利于推動(dòng)技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估方法的發(fā)展。
本項(xiàng)目研究的應(yīng)用價(jià)值體現(xiàn)在: (1) 提供一種基于多因素的技術(shù)創(chuàng)新定量預(yù)測(cè)技術(shù), 有利于提高預(yù)測(cè)的正確性; (2)提供一種基于bp神經(jīng)網(wǎng)絡(luò)的綜合評(píng)估方法, 有利于提高評(píng)估的科學(xué)性; (3) 為企業(yè)的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估工作提供新的方法論和實(shí)用技術(shù)。
四、課題研究的主要內(nèi)容
研究目標(biāo)：
以bp神經(jīng)網(wǎng)絡(luò)模型為基礎(chǔ)研究基于多因素的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估模型, 并建立科學(xué)的預(yù)測(cè)和評(píng)估指標(biāo)體系及設(shè)計(jì)相應(yīng)的模型計(jì)算方法, 結(jié)合企業(yè)的具體實(shí)際, 對(duì)指標(biāo)和模型體系進(jìn)行實(shí)證分析, 使研究具有一定的理論水平和實(shí)用價(jià)值。
研究?jī)?nèi)容：
1、影響企業(yè)技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)佑的相關(guān)指標(biāo)體系確定及其量化和規(guī)范化。從企業(yè)的宏觀環(huán)境和微觀環(huán)境兩個(gè)方面入手, 密切結(jié)合電子商務(wù)和知識(shí)經(jīng)濟(jì)對(duì)企業(yè)技術(shù)創(chuàng)新的影響, 系統(tǒng)綜合地分析影響產(chǎn)品技術(shù)創(chuàng)新的各相關(guān)因素, 建立科學(xué)的企業(yè)技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估指標(biāo)體系, 并研究其量化和規(guī)范化的原則及方法。
2、影響技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估各相關(guān)指標(biāo)的相對(duì)權(quán)重確定。影響技術(shù)創(chuàng)新發(fā)展和變化各相關(guān)因素在輸入預(yù)測(cè)和評(píng)估模型時(shí), 需要一組決定其相對(duì)重要性的初始權(quán)重, 權(quán)重的確定需要基本的原則作支持。
3、基于bp神經(jīng)網(wǎng)絡(luò)的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估模型研究。 根據(jù)技術(shù)創(chuàng)新預(yù)測(cè)的特點(diǎn)
, 以bp神經(jīng)網(wǎng)絡(luò)為基礎(chǔ), 構(gòu)建基于多因素的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估模型。
4、基于bp神經(jīng)網(wǎng)絡(luò)的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估模型計(jì)算方法設(shè)計(jì)。根據(jù)基于bp神經(jīng)網(wǎng)絡(luò)的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估模型的基本特點(diǎn), 設(shè)計(jì)其相應(yīng)的計(jì)算方法。
5、基于bp神經(jīng)網(wǎng)絡(luò)的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估模型學(xué)習(xí)樣本設(shè)計(jì)。根據(jù)相關(guān)的歷史資料, 構(gòu)建基于bp神經(jīng)網(wǎng)絡(luò)的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估模型的學(xué)習(xí)樣本, 對(duì)預(yù)測(cè)和評(píng)估模型進(jìn)行自學(xué)習(xí)和訓(xùn)練, 使模型適合實(shí)際情況。
6、基于bp神經(jīng)網(wǎng)絡(luò)的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估技術(shù)的實(shí)證研究。以一般企業(yè)的技術(shù)創(chuàng)新預(yù)測(cè)與評(píng)估工作為背景, 對(duì)基于bp神經(jīng)網(wǎng)絡(luò)的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估技術(shù)進(jìn)行實(shí)證研究。
創(chuàng)新點(diǎn)：
1、建立一套基于電子商務(wù)和知識(shí)經(jīng)濟(jì)的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估指標(biāo)體系。目前,在技術(shù)創(chuàng)新的預(yù)測(cè)和評(píng)估指標(biāo)體系方面, 一種是采用傳統(tǒng)的指標(biāo)體系, 另一種是采用國(guó)外先進(jìn)國(guó)家的指標(biāo)體系, 如何結(jié)合我國(guó)實(shí)際當(dāng)前經(jīng)濟(jì)形勢(shì), 參考國(guó)外先進(jìn)發(fā)達(dá)國(guó)家的研究工作, 建立一套適合于我國(guó)企業(yè)技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估指標(biāo)體系, 此為本研究要做的首要工作, 這是一項(xiàng)創(chuàng)新。
2、研究基于bp神經(jīng)網(wǎng)絡(luò)的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估模型及其計(jì)算方法。神經(jīng)網(wǎng)絡(luò)技術(shù)具有并行分布處理、自學(xué)習(xí)、自組織、自適應(yīng)和容錯(cuò)性等優(yōu)良性能, 能較好地處理基于多因素、非線性和不確定性預(yù)測(cè)和評(píng)估的現(xiàn)實(shí)問題, 本項(xiàng)目首次將神經(jīng)網(wǎng)絡(luò)技術(shù)引入企業(yè)的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估, 這也是一項(xiàng)創(chuàng)新。
篇二 西北工業(yè)大學(xué)碩士開題報(bào)告
西北工業(yè)大學(xué)碩士開題報(bào)告
1. 國(guó)內(nèi)外研究動(dòng)態(tài)
隨著我國(guó)經(jīng)濟(jì)體制改革進(jìn)程的加快以及金融體制改革的深入，社會(huì)中的投資行為正日益增多，例如證券投資等。而股票交易作為生活中重要的一種風(fēng)險(xiǎn)投資活動(dòng)，已經(jīng)成為證券投資中非常重要的一種。要想做好股票投資交易，需要對(duì)股票進(jìn)行分析和預(yù)測(cè)。最初的分析預(yù)測(cè)技術(shù)有道氏理論等為代表，后來又發(fā)展出其他很多的分析方法和技術(shù)指標(biāo)。后來，數(shù)據(jù)挖掘技術(shù)的出現(xiàn)為股票投資分析開創(chuàng)了新的天地。學(xué)者們蜂擁而至對(duì)此技術(shù)進(jìn)行研究，他們對(duì)原始的股票數(shù)據(jù)進(jìn)行處理，之后對(duì)交易數(shù)據(jù)進(jìn)行挖掘，以期可以較好的反映股市的變化狀況，從而實(shí)現(xiàn)對(duì)股市的預(yù)測(cè)，對(duì)投資者進(jìn)行有效的指導(dǎo)[3-6]。
2. 課題的理論意義、實(shí)用價(jià)值和社會(huì)經(jīng)濟(jì)效益
3. 課題研究的目標(biāo)、研究?jī)?nèi)容和研究方法
4. 論文工作量的估計(jì)，關(guān)鍵技術(shù)以及所遇到的困難和問題，擬采取的解決措施
參考文獻(xiàn)
曹小春,曾安,潘丹. 云計(jì)算環(huán)境下面向領(lǐng)域的數(shù)據(jù)挖掘服務(wù)平臺(tái)研究[j]. 自動(dòng)化儀表,20xx,09:9-13.
曹正鳳,紀(jì)宏,謝邦昌. 使用隨機(jī)森林算法實(shí)現(xiàn)優(yōu)質(zhì)股票的選擇[j]. 首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào),20xx,02:21-27.
[3]xin-nan zhao,hong-chan feng. application of data mining technology in the enterprise salary design[a]. information engineering research institute,usa.proceedings of 20xx 4th international conference on applied social science(icass 20xx) volume 51[c].information engineering research institute,usa:,20xx:5.
[4]曹正鳳. 隨機(jī)森林算法優(yōu)化研究[d].首都經(jīng)濟(jì)貿(mào)易大學(xué),20xx.
[5]曾安,潘丹,楊海東,謝光強(qiáng). 面向領(lǐng)域的數(shù)據(jù)挖掘云平臺(tái)研究[j]. 微電子學(xué)與計(jì)算機(jī),20xx,08:15-19.
[6]曾珂. 基于數(shù)據(jù)挖掘的`微博用戶興趣群體發(fā)現(xiàn)與分類[d].華中師范大學(xué),20xx.
[7]常凱. 基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘分類算法比較和分析研究[d].安徽大學(xué),20xx.
[8]xin-nan zhao,hong-chan feng. application of data mining technology in the enterprise salary design[a]. information engineering research institute,usa.proceedings of 20xx 4th international conference on applied social science(icass 20xx) volume 51[c].information engineering research institute,usa:,20xx:5.
[9]陳寶鋼. 基于數(shù)據(jù)挖掘方法的企業(yè)財(cái)務(wù)分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[d].吉林大學(xué),20xx.
[10]emanuel raschi,elisabetta poluzzi,ariola koci,paolo caraceni,fabrizio de ponti. assessing liver injury associated with antimycotics:concise literature review and clues from data mining of the faers database[j]. world journal of hepatology,20xx,08:601-612.
[11]陳欣然. 基于數(shù)據(jù)挖掘技術(shù)的近15年反流性食管炎中醫(yī)臨床期刊文獻(xiàn)研究[d].北京中醫(yī)藥大學(xué),20xx.
[12]陳怡. 基于網(wǎng)絡(luò)數(shù)據(jù)挖掘的移動(dòng)視頻客戶數(shù)據(jù)支撐體系[j]. 信息通信,20xx,01:161-163.
[13]何清,莊福振,曾立,趙衛(wèi)中,譚慶. pdminer:基于云計(jì)算的并行分布式數(shù)據(jù)挖掘工具平臺(tái)[j]. 中國(guó)科學(xué):信息科學(xué),20xx,07:871-885.
[14]liu tianhui,fu bina,zhang dong h. six-dimensional potential energy surface of the dissociative chemisorption of hcl on au(111) using neural networks[j]. science china(chemistry),20xx,01:147-155.
[15]何曉旭. 時(shí)間序列數(shù)據(jù)挖掘若干關(guān)鍵問題研究[d].中國(guó)科學(xué)技術(shù)大學(xué),20xx.
[16]黃佳彬. 數(shù)據(jù)挖掘在實(shí)踐教學(xué)信息網(wǎng)中的研究與應(yīng)用[d].北方工業(yè)大學(xué),20xx.
[17]rennie kaunda. new artificial neural networks for true triaxial stress state analysis and demonstration of intermediate principal stress effects on intact rock strength[j]. journal of rock mechanics and geotechnical engineering,20xx,04:338-347.
[18]黃玲. 在電子商務(wù)中應(yīng)用web數(shù)據(jù)挖掘的研究[d].湖南大學(xué),20xx.
[19]吉根林,趙斌. 面向大數(shù)據(jù)的時(shí)空數(shù)據(jù)挖掘綜述[j]. 南京師大學(xué)報(bào)(自然科學(xué)版),20xx,01:1-7.
[20]荊月敏. 基于數(shù)據(jù)挖掘的圖書館書目推薦服務(wù)的研究[d].中北大學(xué),20xx.
[21]李海林. 大數(shù)據(jù)環(huán)境下的數(shù)據(jù)挖掘課程教學(xué)探索[j]. 計(jì)算機(jī)時(shí)代,20xx,02:54-55.
[22]liu yanjun,liu lei,tong shaocheng. adaptive neural network tracking design for a class of uncertain nonlinear discrete-time systems with dead-zone[j]. science china(information sciences),20xx,03:276-287.
[23]李平榮. 大數(shù)據(jù)時(shí)代的數(shù)據(jù)挖掘技術(shù)與應(yīng)用[j]. 重慶三峽學(xué)院學(xué)報(bào),20xx,03:45-47.
[24]emanuel raschi,elisabetta poluzzi,ariola koci,paolo caraceni,fabrizio de ponti. assessing liver injury associated with antimycotics:concise literature review and clues from data mining of the faers database[j]. world journal of hepatology,20xx,08:601-612.
[25]li dongjuan. adaptive neural network control for a class of continuous stirred tank reactor systems[j]. science china(information sciences),20xx,10:246-253.
[26]李永紅. 相關(guān)子空間中的局部離群數(shù)據(jù)挖掘及應(yīng)用[d].太原科技大學(xué),20xx.
[27]劉昱崗,安冬冬. 數(shù)據(jù)挖掘在公交調(diào)查數(shù)據(jù)分析中的應(yīng)用研究[j]. 公路工程,20xx,02:96-101.
[28]hongmei ni,xuming yang,chengquan fang,yingying guo,mingyue xu,yumin he. data mining-based study on sub-mentally healthy state among residents in eight provinces and cities in china[j]. journal of traditional chinese medicine,20xx,04:511-517.
[29]hongmei ni,xuming yang,chengquan fang,yingying guo,mingyue xu,yumin he. data mining-based study on sub-mentally healthy state among residents in eight provinces and cities in china[j]. journal of traditional chinese medicine,20xx,04:511-517.
[30]劉智龍. 統(tǒng)計(jì)行業(yè)數(shù)據(jù)分析與數(shù)據(jù)挖掘應(yīng)用——工具篇[j]. 統(tǒng)計(jì)與咨詢,20xx,01:36-38.
[31]馬宏斌,王柯,馬團(tuán)學(xué). 大數(shù)據(jù)時(shí)代的空間數(shù)據(jù)挖掘綜述[j]. 測(cè)繪與空間地理信息,20xx,07:19-22.
[32]屈莉莉,陳燕. 大數(shù)據(jù)背景下數(shù)據(jù)挖掘課程的教學(xué)改革與探索[j]. 教育教學(xué)論壇,20xx,16:57-58.
[33]孫二娟. 基于隱私保護(hù)的數(shù)據(jù)挖掘技術(shù)與研究[d].浙江理工大學(xué),20xx.
[34]陶相宜. 基于數(shù)據(jù)挖掘的朱仁康從“風(fēng)”論治皮膚病學(xué)術(shù)思想及臨床經(jīng)驗(yàn)研究[d].北京中醫(yī)藥大學(xué),20xx.
[35]陶雨雨. 決策樹及神經(jīng)網(wǎng)絡(luò)算法在股票分類預(yù)測(cè)中的應(yīng)用[d].杭州電子科技大學(xué),20xx.
[36]王明星. 數(shù)據(jù)挖掘算法優(yōu)化研究與應(yīng)用[d].安徽大學(xué),20xx.
[37]王云峰,寧曉希. 刑偵數(shù)據(jù)倉(cāng)庫(kù)模型設(shè)計(jì)與數(shù)據(jù)挖掘技術(shù)應(yīng)用[j]. 軟件工程師,20xx,06:53-55.
[38]fei he,dong-feng he,an-jun xu,hong-bing wang,nai-yuan tian. hybrid model of molten steel temperature prediction based on ladle heat status and artificial neural network[j]. journal of iron and steel research(international),20xx,02:181-190.
[39]吳漢華. 大數(shù)據(jù)時(shí)代中如何進(jìn)行醫(yī)療數(shù)據(jù)挖掘與利用[j]. 硅谷,20xx,05:13+12.
[40]吳喬. 基于數(shù)據(jù)挖掘的煤炭企業(yè)成本管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[d].廈門大學(xué),20xx.
[41]謝立陽. 基于海量數(shù)據(jù)挖掘的武漢城市圈應(yīng)急物流系統(tǒng)的設(shè)計(jì)與優(yōu)化[d].湖北工業(yè)大學(xué),20xx.
[42]熊平,朱天清,王曉峰. 差分隱私保護(hù)及其應(yīng)用[j]. 計(jì)算機(jī)學(xué)報(bào),20xx,01:101-122.
[43]徐健鋒,張遠(yuǎn)健,zhou duanning,li dan,李宇. 基于粒計(jì)算的不確定性時(shí)間序列建模及其聚類[j]. 南京大學(xué)學(xué)報(bào)(自然科學(xué)),20xx,01:86-94.
[44]許芳芳,丁雷道. 淺談數(shù)據(jù)挖掘技術(shù)及其相關(guān)問題解析[j]. 數(shù)字技術(shù)與應(yīng)用,20xx,04:141-144.
[45]閆燕. 數(shù)據(jù)挖掘在中國(guó)的現(xiàn)狀和發(fā)展分析[j]. 科技信息,20xx,05:292.
[46]張晶晶. 數(shù)據(jù)挖掘在車險(xiǎn)客戶關(guān)系管理中的應(yīng)用研究[d].大連海事大學(xué),20xx.
[47]張雅. 面向鐵路貨運(yùn)市場(chǎng)營(yíng)銷的數(shù)據(jù)挖掘技術(shù)應(yīng)用研究[d].西南交通大學(xué),20xx.
[48]masoud rakhshkhorshid,sayyed-amin teimouri sendesi. bayesian regularization neural networks for prediction of austenite formation temperatures(a_(c1) and a_(c3))[j]. journal of iron and steel research(international),20xx,02:246-251.
[49]張艷. 大數(shù)據(jù)背景下的數(shù)據(jù)挖掘課程教學(xué)新思考[j]. 計(jì)算機(jī)時(shí)代,20xx,04:59-61.
[50]鄭細(xì)端. oracle數(shù)據(jù)挖掘在城市能源計(jì)量數(shù)據(jù)平臺(tái)的應(yīng)用[j]. 計(jì)算機(jī)與數(shù)字工程,20xx,07:1299-1302.
[51]周超群. 基于數(shù)據(jù)挖掘算法的教務(wù)選課系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[d].西安工業(yè)大學(xué),20xx.
[52]周金革. 基于消錯(cuò)理論的數(shù)據(jù)挖掘錯(cuò)誤系統(tǒng)優(yōu)化方法及應(yīng)用研究[d].廣東工業(yè)大學(xué),20xx.
篇三 最新大學(xué)碩士學(xué)位論文開題報(bào)告
一、論文名稱、課題來源、選題依據(jù)
論文名稱：基于bp神經(jīng)網(wǎng)絡(luò)的技術(shù)創(chuàng)新預(yù)測(cè)與評(píng)估模型及其應(yīng)用研究
課題來源：?jiǎn)挝蛔詳M課題或省政府下達(dá)的研究課題
選題依據(jù)：
技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估是企業(yè)技術(shù)創(chuàng)新決策的前提和依據(jù)。通過技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估, 可以使企業(yè)對(duì)未來的技術(shù)發(fā)展水平及其變化趨勢(shì)有正確的把握, 從而為企業(yè)的技術(shù)創(chuàng)新決策提供科學(xué)的依據(jù), 以減少技術(shù)創(chuàng)新決策過程中的主觀性和盲目性。只有在正確把握技術(shù)創(chuàng)新發(fā)展方向的前提下, 企業(yè)的技術(shù)創(chuàng)新工作才能沿著正確方向開展,企業(yè)產(chǎn)品的市場(chǎng)競(jìng)爭(zhēng)力才能得到不斷加強(qiáng)。在市場(chǎng)競(jìng)爭(zhēng)日趨激烈的現(xiàn)代商業(yè)中, 企業(yè)的技術(shù)創(chuàng)新決定著企業(yè)生存和發(fā)展、前途與命運(yùn), 為了確保技術(shù)創(chuàng)新工作的正確性,企業(yè)對(duì)技術(shù)創(chuàng)新的預(yù)測(cè)和評(píng)估提出了更高的要求。
二、本課題國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì)
現(xiàn)有的技術(shù)創(chuàng)新預(yù)測(cè)方法可分為趨勢(shì)外推法、相關(guān)分析法和專家預(yù)測(cè)法三大類。
(1)趨勢(shì)外推法。指利用過去和現(xiàn)在的技術(shù)、經(jīng)濟(jì)信息, 分析技術(shù)發(fā)展趨勢(shì)和規(guī)律, 在分析判斷這些趨勢(shì)和規(guī)律將繼續(xù)的前提下, 將過去和現(xiàn)在的趨勢(shì)向未來推演。生長(zhǎng)曲線法是趨勢(shì)外推法中的一種應(yīng)用較為廣泛的技術(shù)創(chuàng)新預(yù)測(cè)方法,美國(guó)生物學(xué)家和人口統(tǒng)計(jì)學(xué)家raymond pearl提出的pearl曲線(數(shù)學(xué)模型為: y=l∕[1+a?exp(-b·t)] )及英國(guó)數(shù)學(xué)家和統(tǒng)計(jì)學(xué)家gompertz提出的gompertz曲線(數(shù)學(xué)模型為: y=l·exp(-b·t))皆屬于生長(zhǎng)曲線, 其預(yù)測(cè)值y為技術(shù)性能指標(biāo), t為時(shí)間自變量, l、a、b皆為常數(shù)。ridenour模型也屬于生長(zhǎng)曲線預(yù)測(cè)法, 但它假定新技術(shù)的成長(zhǎng)速度與熟悉該項(xiàng)技術(shù)的人數(shù)成正比, 主要適用于新技術(shù)、新產(chǎn)品的擴(kuò)散預(yù)測(cè)。
(2)相關(guān)分析法。利用一系列條件、參數(shù)、因果關(guān)系數(shù)據(jù)和其他信息, 建立預(yù)測(cè)對(duì)象與影響因素的因果關(guān)系模型, 預(yù)測(cè)技術(shù)的發(fā)展變化。相關(guān)分析法認(rèn)為, 一種技術(shù)性能的改進(jìn)或其應(yīng)用的擴(kuò)展是和其他一些已知因素高度相關(guān)的, 這樣, 通過已知因素的分析就可以對(duì)該項(xiàng)技術(shù)進(jìn)行預(yù)測(cè)。相關(guān)分析法主要有以下幾種: 導(dǎo)前-滯后相關(guān)分析、技術(shù)進(jìn)步與經(jīng)驗(yàn)積累的相關(guān)分析、技術(shù)信息與人員數(shù)等因素的相關(guān)分析及目標(biāo)與手段的相關(guān)分析等方法。
(3)專家預(yù)測(cè)法。以專家意見作為信息來源, 通過系統(tǒng)的調(diào)查、征詢專家的意見, 分析和整理出預(yù)測(cè)結(jié)果。專家預(yù)測(cè)法主要有: 專家個(gè)人判斷法、專家會(huì)議法、頭腦風(fēng)暴法及德爾菲法等, 其中, 德爾菲法吸收了前幾種專家預(yù)測(cè)法的長(zhǎng)處, 避免了其缺點(diǎn), 被認(rèn)為是技術(shù)預(yù)測(cè)中最有效的專家預(yù)測(cè)法。
趨勢(shì)外推法的預(yù)測(cè)數(shù)據(jù)只能為縱向數(shù)據(jù), 在進(jìn)行產(chǎn)品技術(shù)創(chuàng)新預(yù)測(cè)時(shí), 只能利用過去的產(chǎn)品技術(shù)性能這一個(gè)指標(biāo)來預(yù)測(cè)它的隨時(shí)間的發(fā)展趨勢(shì), 并不涉及影響產(chǎn)品技術(shù)創(chuàng)新的科技、經(jīng)濟(jì)、產(chǎn)業(yè)、市場(chǎng)、社會(huì)及政策等多方面因素。在現(xiàn)代商業(yè)經(jīng)濟(jì)中, 對(duì)于產(chǎn)品技術(shù)發(fā)展的預(yù)測(cè)不能簡(jiǎn)單地歸結(jié)為產(chǎn)品過去技術(shù)性能指標(biāo)按時(shí)間的進(jìn)展來類推, 而應(yīng)系統(tǒng)綜合地考慮現(xiàn)代商業(yè)中其他因素對(duì)企業(yè)產(chǎn)品技術(shù)創(chuàng)新的深刻影響。相關(guān)分析法盡管可同時(shí)按橫向數(shù)據(jù)和縱向數(shù)據(jù)來進(jìn)行預(yù)測(cè), 但由于它是利用過去的歷史數(shù)據(jù)中的某些影響產(chǎn)品技術(shù)創(chuàng)新的因素求出的具體的回歸預(yù)測(cè)式, 而所得到的回歸預(yù)測(cè)模型往往只能考慮少數(shù)幾種主要影響因素, 略去了許多未考慮的因素, 所以, 所建模型對(duì)實(shí)際問題的表達(dá)能力也不夠準(zhǔn)確, 預(yù)測(cè)結(jié)果與實(shí)際的符合程度也有較大偏差。專家預(yù)測(cè)法是一種定性預(yù)測(cè)方法,依靠的是預(yù)測(cè)者的知識(shí)和經(jīng)驗(yàn), 往往帶有主觀性, 難以滿足企業(yè)對(duì)技術(shù)創(chuàng)新預(yù)測(cè)準(zhǔn)確度的要求。以上這些技術(shù)創(chuàng)新預(yù)測(cè)技術(shù)和方法為企業(yè)技術(shù)創(chuàng)新工作的開展做出了很大的貢獻(xiàn), 為企業(yè)技術(shù)創(chuàng)新的預(yù)測(cè)提供了科學(xué)的方法論, 但在新的經(jīng)濟(jì)和市場(chǎng)環(huán)境下, 技術(shù)創(chuàng)新預(yù)測(cè)的方法和技術(shù)應(yīng)有新的豐富和發(fā)展, 以克服自身的不足, 更進(jìn)一步適應(yīng)時(shí)代發(fā)展的需要, 為企業(yè)的技術(shù)創(chuàng)新工作的開展和企業(yè)的生存與發(fā)展提供先進(jìn)的基礎(chǔ)理論和技術(shù)方法。
目前,在我國(guó)企業(yè)技術(shù)創(chuàng)新評(píng)估中, 一般只考慮如下四個(gè)方面的因素: (1) 技術(shù)的先進(jìn)性、可行性、連續(xù)性; (2) 經(jīng)濟(jì)效果; (3) 社會(huì)效果; (4) 風(fēng)險(xiǎn)性, 在對(duì)此四方面內(nèi)容逐個(gè)分析后, 再作綜合評(píng)估。在綜合評(píng)估中所用的方法主要有: delphi法(專家法)、ahp法(層次分析法)、模糊評(píng)估法、決策樹法、戰(zhàn)略方法及各種圖例法等, 但技術(shù)創(chuàng)新的評(píng)估是一個(gè)非常復(fù)雜的系統(tǒng), 其中存在著廣泛的非線性、時(shí)變性和不確定性, 同時(shí), 還涉及技術(shù)、經(jīng)濟(jì)、管理、社會(huì)等諸多復(fù)雜因素,目前所使用的原理和方法, 難以滿足企業(yè)對(duì)技術(shù)創(chuàng)新評(píng)估科學(xué)性的要求。關(guān)于技術(shù)創(chuàng)新評(píng)估的研究, 在我國(guó)的歷史還不長(zhǎng), 無論是指標(biāo)體系還是評(píng)估方法, 均處于研究之中, 我們認(rèn)為目前在企業(yè)技術(shù)創(chuàng)新評(píng)估方面應(yīng)做的工作是: (1) 建立一套符合我國(guó)實(shí)際情況的技術(shù)創(chuàng)新評(píng)估指標(biāo)體系; (2) 建立一種適應(yīng)于多因素、非線性和不確定性的綜合評(píng)估方法。
這種情況下, 神經(jīng)網(wǎng)絡(luò)技術(shù)就有其特有的優(yōu)勢(shì), 以其并行分布、自組織、自適應(yīng)、自學(xué)習(xí)和容錯(cuò)性等優(yōu)良性能, 可以較好地適應(yīng)技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估這類多因素、不確定性和非線性問題, 它能克服上述各方法的不足。本項(xiàng)目以bp神經(jīng)網(wǎng)絡(luò)作為基于多因素的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估模型構(gòu)建的基礎(chǔ), bp神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層構(gòu)成, 各層的神經(jīng)元數(shù)目不同, 由正向傳播和反向傳播組成, 在進(jìn)行產(chǎn)品技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估時(shí), 從輸入層輸入影響產(chǎn)品技術(shù)創(chuàng)新預(yù)測(cè)值和評(píng)估值的n個(gè)因素信息, 經(jīng)隱含層處理后傳入輸出層, 其輸出值y即為產(chǎn)品技術(shù)創(chuàng)新技術(shù)性能指標(biāo)的預(yù)測(cè)值或產(chǎn)品技術(shù)創(chuàng)新的評(píng)估值。這種n個(gè)因素指標(biāo)的設(shè)置, 考慮了概括性和動(dòng)態(tài)性, 力求全面、客觀地反映影響產(chǎn)品技術(shù)創(chuàng)新發(fā)展的主要因素和導(dǎo)致產(chǎn)品個(gè)體差異的主要因素, 盡管是黑匣子式的預(yù)測(cè)和評(píng)估, 但事實(shí)證明它自身的強(qiáng)大學(xué)習(xí)能力可將需考慮的多種因素的數(shù)據(jù)進(jìn)行融合, 輸出一個(gè)經(jīng)非線性變換后較為精確的預(yù)測(cè)值和評(píng)估值。
據(jù)文獻(xiàn)查閱, 雖然在技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估的現(xiàn)有原理和方法的改進(jìn)和完善方面有一定的研究,如文獻(xiàn)[08]、[09]、[11]等, 但尚未發(fā)現(xiàn)將神經(jīng)網(wǎng)絡(luò)應(yīng)用于技術(shù)創(chuàng)新預(yù)測(cè)與評(píng)估方面的研究, 在當(dāng)前產(chǎn)品的市場(chǎng)壽命周期不斷縮短、要求企業(yè)不斷推出新產(chǎn)品的經(jīng)濟(jì)條件下, 以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)來建立產(chǎn)品技術(shù)創(chuàng)新預(yù)測(cè)與評(píng)估模型, 是對(duì)技術(shù)創(chuàng)新定量預(yù)測(cè)和評(píng)估方法的有益補(bǔ)充和完善。
三、論文預(yù)期成果的理論意義和應(yīng)用價(jià)值
本項(xiàng)目研究的理論意義表現(xiàn)在: (1) 探索新的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估技術(shù), 豐富和完善技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估方法體系; (2) 將神經(jīng)網(wǎng)絡(luò)技術(shù)引入技術(shù)創(chuàng)新的預(yù)測(cè)和評(píng)估, 有利于推動(dòng)技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估方法的發(fā)展。
本項(xiàng)目研究的應(yīng)用價(jià)值體現(xiàn)在: (1) 提供一種基于多因素的技術(shù)創(chuàng)新定量預(yù)測(cè)技術(shù), 有利于提高預(yù)測(cè)的正確性; (2)提供一種基于bp神經(jīng)網(wǎng)絡(luò)的綜合評(píng)估方法, 有利于提高評(píng)估的科學(xué)性; (3) 為企業(yè)的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估工作提供新的方法論和實(shí)用技術(shù)。
四、課題研究的主要內(nèi)容
研究目標(biāo)：
以bp神經(jīng)網(wǎng)絡(luò)模型為基礎(chǔ)研究基于多因素的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估模型, 并建立科學(xué)的預(yù)測(cè)和評(píng)估指標(biāo)體系及設(shè)計(jì)相應(yīng)的模型計(jì)算方法, 結(jié)合企業(yè)的具體實(shí)際, 對(duì)指標(biāo)和模型體系進(jìn)行實(shí)證分析, 使研究具有一定的理論水平和實(shí)用價(jià)值。
研究?jī)?nèi)容：
1、影響企業(yè)技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)佑的相關(guān)指標(biāo)體系確定及其量化和規(guī)范化。從企業(yè)的宏觀環(huán)境和微觀環(huán)境兩個(gè)方面入手, 密切結(jié)合電子商務(wù)和知識(shí)經(jīng)濟(jì)對(duì)企業(yè)技術(shù)創(chuàng)新的影響, 系統(tǒng)綜合地分析影響產(chǎn)品技術(shù)創(chuàng)新的各相關(guān)因素, 建立科學(xué)的企業(yè)技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估指標(biāo)體系, 并研究其量化和規(guī)范化的原則及方法。
2、影響技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估各相關(guān)指標(biāo)的相對(duì)權(quán)重確定。影響技術(shù)創(chuàng)新發(fā)展和變化各相關(guān)因素在輸入預(yù)測(cè)和評(píng)估模型時(shí), 需要一組決定其相對(duì)重要性的初始權(quán)重, 權(quán)重的確定需要基本的原則作支持。
3、基于bp神經(jīng)網(wǎng)絡(luò)的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估模型研究。 根據(jù)技術(shù)創(chuàng)新預(yù)測(cè)的特點(diǎn)
, 以bp神經(jīng)網(wǎng)絡(luò)為基礎(chǔ), 構(gòu)建基于多因素的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估模型。
4、基于bp神經(jīng)網(wǎng)絡(luò)的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估模型計(jì)算方法設(shè)計(jì)。根據(jù)基于bp神經(jīng)網(wǎng)絡(luò)的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估模型的基本特點(diǎn), 設(shè)計(jì)其相應(yīng)的計(jì)算方法。
5、基于bp神經(jīng)網(wǎng)絡(luò)的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估模型學(xué)習(xí)樣本設(shè)計(jì)。根據(jù)相關(guān)的歷史資料, 構(gòu)建基于bp神經(jīng)網(wǎng)絡(luò)的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估模型的學(xué)習(xí)樣本, 對(duì)預(yù)測(cè)和評(píng)估模型進(jìn)行自學(xué)習(xí)和訓(xùn)練, 使模型適合實(shí)際情況。
6、基于bp神經(jīng)網(wǎng)絡(luò)的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估技術(shù)的實(shí)證研究。以一般企業(yè)的技術(shù)創(chuàng)新預(yù)測(cè)與評(píng)估工作為背景, 對(duì)基于bp神經(jīng)網(wǎng)絡(luò)的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估技術(shù)進(jìn)行實(shí)證研究。
創(chuàng)新點(diǎn)：
1、建立一套基于電子商務(wù)和知識(shí)經(jīng)濟(jì)的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估指標(biāo)體系。目前,在技術(shù)創(chuàng)新的預(yù)測(cè)和評(píng)估指標(biāo)體系方面, 一種是采用傳統(tǒng)的指標(biāo)體系, 另一種是采用國(guó)外先進(jìn)國(guó)家的指標(biāo)體系, 如何結(jié)合我國(guó)實(shí)際當(dāng)前經(jīng)濟(jì)形勢(shì), 參考國(guó)外先進(jìn)發(fā)達(dá)國(guó)家的研究工作, 建立一套適合于我國(guó)企業(yè)技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估指標(biāo)體系, 此為本研究要做的首要工作, 這是一項(xiàng)創(chuàng)新。
2、研究基于bp神經(jīng)網(wǎng)絡(luò)的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估模型及其計(jì)算方法。神經(jīng)網(wǎng)絡(luò)技術(shù)具有并行分布處理、自學(xué)習(xí)、自組織、自適應(yīng)和容錯(cuò)性等優(yōu)良性能, 能較好地處理基于多因素、非線性和不確定性預(yù)測(cè)和評(píng)估的現(xiàn)實(shí)問題, 本項(xiàng)目首次將神經(jīng)網(wǎng)絡(luò)技術(shù)引入企業(yè)的技術(shù)創(chuàng)新預(yù)測(cè)和評(píng)估, 這也是一項(xiàng)創(chuàng)新。
