- 目錄
篇一 大學碩士學位論文開題報告
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)絡的技術創(chuàng)新預測與評估模型及其應用研究
課題來源：單位自擬課題或省政府下達的研究課題
選題依據(jù)：
技術創(chuàng)新預測和評估是企業(yè)技術創(chuàng)新決策的前提和依據(jù)。通過技術創(chuàng)新預測和評估, 可以使企業(yè)對未來的技術發(fā)展水平及其變化趨勢有正確的把握, 從而為企業(yè)的技術創(chuàng)新決策提供科學的依據(jù), 以減少技術創(chuàng)新決策過程中的主觀性和盲目性。只有在正確把握技術創(chuàng)新發(fā)展方向的前提下, 企業(yè)的技術創(chuàng)新工作才能沿著正確方向開展,企業(yè)產(chǎn)品的市場競爭力才能得到不斷加強。在市場競爭日趨激烈的現(xiàn)代商業(yè)中, 企業(yè)的技術創(chuàng)新決定著企業(yè)生存和發(fā)展、前途與命運, 為了確保技術創(chuàng)新工作的正確性,企業(yè)對技術創(chuàng)新的預測和評估提出了更高的要求。
二、本課題國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢
現(xiàn)有的技術創(chuàng)新預測方法可分為趨勢外推法、相關分析法和專家預測法三大類。
(1)趨勢外推法。指利用過去和現(xiàn)在的技術、經(jīng)濟信息, 分析技術發(fā)展趨勢和規(guī)律, 在分析判斷這些趨勢和規(guī)律將繼續(xù)的前提下, 將過去和現(xiàn)在的趨勢向未來推演。生長曲線法是趨勢外推法中的一種應用較為廣泛的技術創(chuàng)新預測方法,美國生物學家和人口統(tǒng)計學家raymond pearl提出的pearl曲線(數(shù)學模型為: y=l∕[1+a?exp(-b·t)] )及英國數(shù)學家和統(tǒng)計學家gompertz提出的gompertz曲線(數(shù)學模型為: y=l·exp(-b·t))皆屬于生長曲線, 其預測值y為技術性能指標, t為時間自變量, l、a、b皆為常數(shù)。ridenour模型也屬于生長曲線預測法, 但它假定新技術的成長速度與熟悉該項技術的人數(shù)成正比, 主要適用于新技術、新產(chǎn)品的擴散預測。
(2)相關分析法。利用一系列條件、參數(shù)、因果關系數(shù)據(jù)和其他信息, 建立預測對象與影響因素的因果關系模型, 預測技術的發(fā)展變化。相關分析法認為, 一種技術性能的改進或其應用的擴展是和其他一些已知因素高度相關的, 這樣, 通過已知因素的分析就可以對該項技術進行預測。相關分析法主要有以下幾種: 導前-滯后相關分析、技術進步與經(jīng)驗積累的相關分析、技術信息與人員數(shù)等因素的相關分析及目標與手段的相關分析等方法。
(3)專家預測法。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, 分析和整理出預測結(jié)果。專家預測法主要有: 專家個人判斷法、專家會議法、頭腦風暴法及德爾菲法等, 其中, 德爾菲法吸收了前幾種專家預測法的長處, 避免了其缺點, 被認為是技術預測中最有效的專家預測法。
趨勢外推法的預測數(shù)據(jù)只能為縱向數(shù)據(jù), 在進行產(chǎn)品技術創(chuàng)新預測時, 只能利用過去的產(chǎn)品技術性能這一個指標來預測它的隨時間的發(fā)展趨勢, 并不涉及影響產(chǎn)品技術創(chuàng)新的科技、經(jīng)濟、產(chǎn)業(yè)、市場、社會及政策等多方面因素。在現(xiàn)代商業(yè)經(jīng)濟中, 對于產(chǎn)品技術發(fā)展的預測不能簡單地歸結(jié)為產(chǎn)品過去技術性能指標按時間的進展來類推, 而應系統(tǒng)綜合地考慮現(xiàn)代商業(yè)中其他因素對企業(yè)產(chǎn)品技術創(chuàng)新的深刻影響。相關分析法盡管可同時按橫向數(shù)據(jù)和縱向數(shù)據(jù)來進行預測, 但由于它是利用過去的歷史數(shù)據(jù)中的某些影響產(chǎn)品技術創(chuàng)新的因素求出的具體的回歸預測式, 而所得到的回歸預測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, 所建模型對實際問題的表達能力也不夠準確, 預測結(jié)果與實際的符合程度也有較大偏差。專家預測法是一種定性預測方法,依靠的是預測者的知識和經(jīng)驗, 往往帶有主觀性, 難以滿足企業(yè)對技術創(chuàng)新預測準確度的要求。以上這些技術創(chuàng)新預測技術和方法為企業(yè)技術創(chuàng)新工作的開展做出了很大的貢獻, 為企業(yè)技術創(chuàng)新的預測提供了科學的方法論, 但在新的經(jīng)濟和市場環(huán)境下, 技術創(chuàng)新預測的方法和技術應有新的豐富和發(fā)展, 以克服自身的不足, 更進一步適應時代發(fā)展的需要, 為企業(yè)的技術創(chuàng)新工作的開展和企業(yè)的生存與發(fā)展提供先進的基礎理論和技術方法。
目前,在我國企業(yè)技術創(chuàng)新評估中, 一般只考慮如下四個方面的因素: (1) 技術的先進性、可行性、連續(xù)性; (2) 經(jīng)濟效果; (3) 社會效果; (4) 風險性, 在對此四方面內(nèi)容逐個分析后, 再作綜合評估。在綜合評估中所用的方法主要有: delphi法(專家法)、ahp法(層次分析法)、模糊評估法、決策樹法、戰(zhàn)略方法及各種圖例法等, 但技術創(chuàng)新的評估是一個非常復雜的系統(tǒng), 其中存在著廣泛的非線性、時變性和不確定性, 同時, 還涉及技術、經(jīng)濟、管理、社會等諸多復雜因素,目前所使用的原理和方法, 難以滿足企業(yè)對技術創(chuàng)新評估科學性的要求。關于技術創(chuàng)新評估的研究, 在我國的歷史還不長, 無論是指標體系還是評估方法, 均處于研究之中, 我們認為目前在企業(yè)技術創(chuàng)新評估方面應做的工作是: (1) 建立一套符合我國實際情況的技術創(chuàng)新評估指標體系; (2) 建立一種適應于多因素、非線性和不確定性的綜合評估方法。
這種情況下, 神經(jīng)網(wǎng)絡技術就有其特有的優(yōu)勢, 以其并行分布、自組織、自適應、自學習和容錯性等優(yōu)良性能, 可以較好地適應技術創(chuàng)新預測和評估這類多因素、不確定性和非線性問題, 它能克服上述各方法的不足。本項目以bp神經(jīng)網(wǎng)絡作為基于多因素的技術創(chuàng)新預測和評估模型構(gòu)建的基礎, bp神經(jīng)網(wǎng)絡由輸入層、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, 在進行產(chǎn)品技術創(chuàng)新預測和評估時, 從輸入層輸入影響產(chǎn)品技術創(chuàng)新預測值和評估值的n個因素信息, 經(jīng)隱含層處理后傳入輸出層, 其輸出值y即為產(chǎn)品技術創(chuàng)新技術性能指標的預測值或產(chǎn)品技術創(chuàng)新的評估值。這種n個因素指標的設置, 考慮了概括性和動態(tài)性, 力求全面、客觀地反映影響產(chǎn)品技術創(chuàng)新發(fā)展的主要因素和導致產(chǎn)品個體差異的主要因素, 盡管是黑匣子式的預測和評估, 但事實證明它自身的強大學習能力可將需考慮的多種因素的數(shù)據(jù)進行融合, 輸出一個經(jīng)非線性變換后較為精確的預測值和評估值。
據(jù)文獻查閱, 雖然在技術創(chuàng)新預測和評估的現(xiàn)有原理和方法的改進和完善方面有一定的研究,如文獻[08]、[09]、[11]等, 但尚未發(fā)現(xiàn)將神經(jīng)網(wǎng)絡應用于技術創(chuàng)新預測與評估方面的研究, 在當前產(chǎn)品的市場壽命周期不斷縮短、要求企業(yè)不斷推出新產(chǎn)品的經(jīng)濟條件下, 以神經(jīng)網(wǎng)絡為基礎來建立產(chǎn)品技術創(chuàng)新預測與評估模型, 是對技術創(chuàng)新定量預測和評估方法的有益補充和完善。
三、論文預期成果的理論意義和應用價值
本項目研究的理論意義表現(xiàn)在: (1) 探索新的技術創(chuàng)新預測和評估技術, 豐富和完善技術創(chuàng)新預測和評估方法體系; (2) 將神經(jīng)網(wǎng)絡技術引入技術創(chuàng)新的預測和評估, 有利于推動技術創(chuàng)新預測和評估方法的發(fā)展。
本項目研究的應用價值體現(xiàn)在: (1) 提供一種基于多因素的技術創(chuàng)新定量預測技術, 有利于提高預測的正確性; (2)提供一種基于bp神經(jīng)網(wǎng)絡的綜合評估方法, 有利于提高評估的科學性; (3) 為企業(yè)的技術創(chuàng)新預測和評估工作提供新的方法論和實用技術。
四、課題研究的主要內(nèi)容
研究目標：
以bp神經(jīng)網(wǎng)絡模型為基礎研究基于多因素的技術創(chuàng)新預測和評估模型, 并建立科學的預測和評估指標體系及設計相應的模型計算方法, 結(jié)合企業(yè)的具體實際, 對指標和模型體系進行實證分析, 使研究具有一定的理論水平和實用價值。
研究內(nèi)容：
1、影響企業(yè)技術創(chuàng)新預測和評佑的相關指標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)境兩個方面入手, 密切結(jié)合電子商務和知識經(jīng)濟對企業(yè)技術創(chuàng)新的影響, 系統(tǒng)綜合地分析影響產(chǎn)品技術創(chuàng)新的各相關因素, 建立科學的企業(yè)技術創(chuàng)新預測和評估指標體系, 并研究其量化和規(guī)范化的原則及方法。
2、影響技術創(chuàng)新預測和評估各相關指標的相對權(quán)重確定。影響技術創(chuàng)新發(fā)展和變化各相關因素在輸入預測和評估模型時, 需要一組決定其相對重要性的初始權(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)絡的技術創(chuàng)新預測和評估模型研究。 根據(jù)技術創(chuàng)新預測的特點
, 以bp神經(jīng)網(wǎng)絡為基礎, 構(gòu)建基于多因素的技術創(chuàng)新預測和評估模型。
4、基于bp神經(jīng)網(wǎng)絡的技術創(chuàng)新預測和評估模型計算方法設計。根據(jù)基于bp神經(jīng)網(wǎng)絡的技術創(chuàng)新預測和評估模型的基本特點, 設計其相應的計算方法。
5、基于bp神經(jīng)網(wǎng)絡的技術創(chuàng)新預測和評估模型學習樣本設計。根據(jù)相關的歷史資料, 構(gòu)建基于bp神經(jīng)網(wǎng)絡的技術創(chuàng)新預測和評估模型的學習樣本, 對預測和評估模型進行自學習和訓練, 使模型適合實際情況。
6、基于bp神經(jīng)網(wǎng)絡的技術創(chuàng)新預測和評估技術的實證研究。以一般企業(yè)的技術創(chuàng)新預測與評估工作為背景, 對基于bp神經(jīng)網(wǎng)絡的技術創(chuàng)新預測和評估技術進行實證研究。
創(chuàng)新點：
1、建立一套基于電子商務和知識經(jīng)濟的技術創(chuàng)新預測和評估指標體系。目前,在技術創(chuàng)新的預測和評估指標體系方面, 一種是采用傳統(tǒng)的指標體系, 另一種是采用國外先進國家的指標體系, 如何結(jié)合我國實際當前經(jīng)濟形勢, 參考國外先進發(fā)達國家的研究工作, 建立一套適合于我國企業(yè)技術創(chuàng)新預測和評估指標體系, 此為本研究要做的首要工作, 這是一項創(chuàng)新。
2、研究基于bp神經(jīng)網(wǎng)絡的技術創(chuàng)新預測和評估模型及其計算方法。神經(jīng)網(wǎng)絡技術具有并行分布處理、自學習、自組織、自適應和容錯性等優(yōu)良性能, 能較好地處理基于多因素、非線性和不確定性預測和評估的現(xiàn)實問題, 本項目首次將神經(jīng)網(wǎng)絡技術引入企業(yè)的技術創(chuàng)新預測和評估, 這也是一項創(chuàng)新。
篇二 西北工業(yè)大學碩士開題報告
西北工業(yè)大學碩士開題報告
1. 國內(nèi)外研究動態(tài)
隨著我國經(jīng)濟體制改革進程的加快以及金融體制改革的深入，社會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險投資活動，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，需要對股票進行分析和預測。最初的分析預測技術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指標。后來，數(shù)據(jù)挖掘技術的出現(xiàn)為股票投資分析開創(chuàng)了新的天地。學者們蜂擁而至對此技術進行研究，他們對原始的股票數(shù)據(jù)進行處理，之后對交易數(shù)據(jù)進行挖掘，以期可以較好的反映股市的變化狀況，從而實現(xiàn)對股市的預測，對投資者進行有效的指導[3-6]。
2. 課題的理論意義、實用價值和社會經(jīng)濟效益
3. 課題研究的目標、研究內(nèi)容和研究方法
4. 論文工作量的估計，關鍵技術以及所遇到的困難和問題，擬采取的解決措施
參考文獻
曹小春,曾安,潘丹. 云計算環(huán)境下面向領域的數(shù)據(jù)挖掘服務平臺研究[j]. 自動化儀表,20xx,09:9-13.
曹正鳳,紀宏,謝邦昌. 使用隨機森林算法實現(xiàn)優(yōu)質(zhì)股票的選擇[j]. 首都經(jīng)濟貿(mào)易大學學報,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. 隨機森林算法優(yōu)化研究[d].首都經(jīng)濟貿(mào)易大學,20xx.
[5]曾安,潘丹,楊海東,謝光強. 面向領域的數(shù)據(jù)挖掘云平臺研究[j]. 微電子學與計算機,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,20xx.
[7]常凱. 基于神經(jīng)網(wǎng)絡的數(shù)據(jù)挖掘分類算法比較和分析研究[d].安徽大學,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)財務分析系統(tǒng)設計與實現(xiàn)[d].吉林大學,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)挖掘技術的近15年反流性食管炎中醫(yī)臨床期刊文獻研究[d].北京中醫(yī)藥大學,20xx.
[12]陳怡. 基于網(wǎng)絡數(shù)據(jù)挖掘的移動視頻客戶數(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:基于云計算的并行分布式數(shù)據(jù)挖掘工具平臺[j]. 中國科學:信息科學,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. 時間序列數(shù)據(jù)挖掘若干關鍵問題研究[d].中國科學技術大學,20xx.
[16]黃佳彬. 數(shù)據(jù)挖掘在實踐教學信息網(wǎng)中的研究與應用[d].北方工業(yè)大學,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. 在電子商務中應用web數(shù)據(jù)挖掘的研究[d].湖南大學,20xx.
[19]吉根林,趙斌. 面向大數(shù)據(jù)的時空數(shù)據(jù)挖掘綜述[j]. 南京師大學報(自然科學版),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的研究[d].中北大學,20xx.
[21]李海林. 大數(shù)據(jù)環(huán)境下的數(shù)據(jù)挖掘課程教學探索[j]. 計算機時代,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)時代的數(shù)據(jù)挖掘技術與應用[j]. 重慶三峽學院學報,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. 相關子空間中的局部離群數(shù)據(jù)挖掘及應用[d].太原科技大學,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)計行業(yè)數(shù)據(jù)分析與數(shù)據(jù)挖掘應用——工具篇[j]. 統(tǒng)計與咨詢,20xx,01:36-38.
[31]馬宏斌,王柯,馬團學. 大數(shù)據(jù)時代的空間數(shù)據(jù)挖掘綜述[j]. 測繪與空間地理信息,20xx,07:19-22.
[32]屈莉莉,陳燕. 大數(shù)據(jù)背景下數(shù)據(jù)挖掘課程的教學改革與探索[j]. 教育教學論壇,20xx,16:57-58.
[33]孫二娟. 基于隱私保護的數(shù)據(jù)挖掘技術與研究[d].浙江理工大學,20xx.
[34]陶相宜. 基于數(shù)據(jù)挖掘的朱仁康從“風”論治皮膚病學術思想及臨床經(jīng)驗研究[d].北京中醫(yī)藥大學,20xx.
[35]陶雨雨. 決策樹及神經(jīng)網(wǎng)絡算法在股票分類預測中的應用[d].杭州電子科技大學,20xx.
[36]王明星. 數(shù)據(jù)挖掘算法優(yōu)化研究與應用[d].安徽大學,20xx.
[37]王云峰,寧曉希. 刑偵數(shù)據(jù)倉庫模型設計與數(shù)據(jù)挖掘技術應用[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)時代中如何進行醫(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)的設計與實現(xiàn)[d].廈門大學,20xx.
[41]謝立陽. 基于海量數(shù)據(jù)挖掘的武漢城市圈應急物流系統(tǒng)的設計與優(yōu)化[d].湖北工業(yè)大學,20xx.
[42]熊平,朱天清,王曉峰. 差分隱私保護及其應用[j]. 計算機學報,20xx,01:101-122.
[43]徐健鋒,張遠健,zhou duanning,li dan,李宇. 基于粒計算的不確定性時間序列建模及其聚類[j]. 南京大學學報(自然科學),20xx,01:86-94.
[44]許芳芳,丁雷道. 淺談數(shù)據(jù)挖掘技術及其相關問題解析[j]. 數(shù)字技術與應用,20xx,04:141-144.
[45]閆燕. 數(shù)據(jù)挖掘在中國的現(xiàn)狀和發(fā)展分析[j]. 科技信息,20xx,05:292.
[46]張晶晶. 數(shù)據(jù)挖掘在車險客戶關系管理中的應用研究[d].大連海事大學,20xx.
[47]張雅. 面向鐵路貨運市場營銷的數(shù)據(jù)挖掘技術應用研究[d].西南交通大學,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)挖掘課程教學新思考[j]. 計算機時代,20xx,04:59-61.
[50]鄭細端. oracle數(shù)據(jù)挖掘在城市能源計量數(shù)據(jù)平臺的應用[j]. 計算機與數(shù)字工程,20xx,07:1299-1302.
[51]周超群. 基于數(shù)據(jù)挖掘算法的教務選課系統(tǒng)的設計與實現(xiàn)[d].西安工業(yè)大學,20xx.
[52]周金革. 基于消錯理論的數(shù)據(jù)挖掘錯誤系統(tǒng)優(yōu)化方法及應用研究[d].廣東工業(yè)大學,20xx.
篇三 最新大學碩士學位論文開題報告
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)絡的技術創(chuàng)新預測與評估模型及其應用研究
課題來源：單位自擬課題或省政府下達的研究課題
選題依據(jù)：
技術創(chuàng)新預測和評估是企業(yè)技術創(chuàng)新決策的前提和依據(jù)。通過技術創(chuàng)新預測和評估, 可以使企業(yè)對未來的技術發(fā)展水平及其變化趨勢有正確的把握, 從而為企業(yè)的技術創(chuàng)新決策提供科學的依據(jù), 以減少技術創(chuàng)新決策過程中的主觀性和盲目性。只有在正確把握技術創(chuàng)新發(fā)展方向的前提下, 企業(yè)的技術創(chuàng)新工作才能沿著正確方向開展,企業(yè)產(chǎn)品的市場競爭力才能得到不斷加強。在市場競爭日趨激烈的現(xiàn)代商業(yè)中, 企業(yè)的技術創(chuàng)新決定著企業(yè)生存和發(fā)展、前途與命運, 為了確保技術創(chuàng)新工作的正確性,企業(yè)對技術創(chuàng)新的預測和評估提出了更高的要求。
二、本課題國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢
現(xiàn)有的技術創(chuàng)新預測方法可分為趨勢外推法、相關分析法和專家預測法三大類。
(1)趨勢外推法。指利用過去和現(xiàn)在的技術、經(jīng)濟信息, 分析技術發(fā)展趨勢和規(guī)律, 在分析判斷這些趨勢和規(guī)律將繼續(xù)的前提下, 將過去和現(xiàn)在的趨勢向未來推演。生長曲線法是趨勢外推法中的一種應用較為廣泛的技術創(chuàng)新預測方法,美國生物學家和人口統(tǒng)計學家raymond pearl提出的pearl曲線(數(shù)學模型為: y=l∕[1+a?exp(-b·t)] )及英國數(shù)學家和統(tǒng)計學家gompertz提出的gompertz曲線(數(shù)學模型為: y=l·exp(-b·t))皆屬于生長曲線, 其預測值y為技術性能指標, t為時間自變量, l、a、b皆為常數(shù)。ridenour模型也屬于生長曲線預測法, 但它假定新技術的成長速度與熟悉該項技術的人數(shù)成正比, 主要適用于新技術、新產(chǎn)品的擴散預測。
(2)相關分析法。利用一系列條件、參數(shù)、因果關系數(shù)據(jù)和其他信息, 建立預測對象與影響因素的因果關系模型, 預測技術的發(fā)展變化。相關分析法認為, 一種技術性能的改進或其應用的擴展是和其他一些已知因素高度相關的, 這樣, 通過已知因素的分析就可以對該項技術進行預測。相關分析法主要有以下幾種: 導前-滯后相關分析、技術進步與經(jīng)驗積累的相關分析、技術信息與人員數(shù)等因素的相關分析及目標與手段的相關分析等方法。
(3)專家預測法。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, 分析和整理出預測結(jié)果。專家預測法主要有: 專家個人判斷法、專家會議法、頭腦風暴法及德爾菲法等, 其中, 德爾菲法吸收了前幾種專家預測法的長處, 避免了其缺點, 被認為是技術預測中最有效的專家預測法。
趨勢外推法的預測數(shù)據(jù)只能為縱向數(shù)據(jù), 在進行產(chǎn)品技術創(chuàng)新預測時, 只能利用過去的產(chǎn)品技術性能這一個指標來預測它的隨時間的發(fā)展趨勢, 并不涉及影響產(chǎn)品技術創(chuàng)新的科技、經(jīng)濟、產(chǎn)業(yè)、市場、社會及政策等多方面因素。在現(xiàn)代商業(yè)經(jīng)濟中, 對于產(chǎn)品技術發(fā)展的預測不能簡單地歸結(jié)為產(chǎn)品過去技術性能指標按時間的進展來類推, 而應系統(tǒng)綜合地考慮現(xiàn)代商業(yè)中其他因素對企業(yè)產(chǎn)品技術創(chuàng)新的深刻影響。相關分析法盡管可同時按橫向數(shù)據(jù)和縱向數(shù)據(jù)來進行預測, 但由于它是利用過去的歷史數(shù)據(jù)中的某些影響產(chǎn)品技術創(chuàng)新的因素求出的具體的回歸預測式, 而所得到的回歸預測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, 所建模型對實際問題的表達能力也不夠準確, 預測結(jié)果與實際的符合程度也有較大偏差。專家預測法是一種定性預測方法,依靠的是預測者的知識和經(jīng)驗, 往往帶有主觀性, 難以滿足企業(yè)對技術創(chuàng)新預測準確度的要求。以上這些技術創(chuàng)新預測技術和方法為企業(yè)技術創(chuàng)新工作的開展做出了很大的貢獻, 為企業(yè)技術創(chuàng)新的預測提供了科學的方法論, 但在新的經(jīng)濟和市場環(huán)境下, 技術創(chuàng)新預測的方法和技術應有新的豐富和發(fā)展, 以克服自身的不足, 更進一步適應時代發(fā)展的需要, 為企業(yè)的技術創(chuàng)新工作的開展和企業(yè)的生存與發(fā)展提供先進的基礎理論和技術方法。
目前,在我國企業(yè)技術創(chuàng)新評估中, 一般只考慮如下四個方面的因素: (1) 技術的先進性、可行性、連續(xù)性; (2) 經(jīng)濟效果; (3) 社會效果; (4) 風險性, 在對此四方面內(nèi)容逐個分析后, 再作綜合評估。在綜合評估中所用的方法主要有: delphi法(專家法)、ahp法(層次分析法)、模糊評估法、決策樹法、戰(zhàn)略方法及各種圖例法等, 但技術創(chuàng)新的評估是一個非常復雜的系統(tǒng), 其中存在著廣泛的非線性、時變性和不確定性, 同時, 還涉及技術、經(jīng)濟、管理、社會等諸多復雜因素,目前所使用的原理和方法, 難以滿足企業(yè)對技術創(chuàng)新評估科學性的要求。關于技術創(chuàng)新評估的研究, 在我國的歷史還不長, 無論是指標體系還是評估方法, 均處于研究之中, 我們認為目前在企業(yè)技術創(chuàng)新評估方面應做的工作是: (1) 建立一套符合我國實際情況的技術創(chuàng)新評估指標體系; (2) 建立一種適應于多因素、非線性和不確定性的綜合評估方法。
這種情況下, 神經(jīng)網(wǎng)絡技術就有其特有的優(yōu)勢, 以其并行分布、自組織、自適應、自學習和容錯性等優(yōu)良性能, 可以較好地適應技術創(chuàng)新預測和評估這類多因素、不確定性和非線性問題, 它能克服上述各方法的不足。本項目以bp神經(jīng)網(wǎng)絡作為基于多因素的技術創(chuàng)新預測和評估模型構(gòu)建的基礎, bp神經(jīng)網(wǎng)絡由輸入層、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, 在進行產(chǎn)品技術創(chuàng)新預測和評估時, 從輸入層輸入影響產(chǎn)品技術創(chuàng)新預測值和評估值的n個因素信息, 經(jīng)隱含層處理后傳入輸出層, 其輸出值y即為產(chǎn)品技術創(chuàng)新技術性能指標的預測值或產(chǎn)品技術創(chuàng)新的評估值。這種n個因素指標的設置, 考慮了概括性和動態(tài)性, 力求全面、客觀地反映影響產(chǎn)品技術創(chuàng)新發(fā)展的主要因素和導致產(chǎn)品個體差異的主要因素, 盡管是黑匣子式的預測和評估, 但事實證明它自身的強大學習能力可將需考慮的多種因素的數(shù)據(jù)進行融合, 輸出一個經(jīng)非線性變換后較為精確的預測值和評估值。
據(jù)文獻查閱, 雖然在技術創(chuàng)新預測和評估的現(xiàn)有原理和方法的改進和完善方面有一定的研究,如文獻[08]、[09]、[11]等, 但尚未發(fā)現(xiàn)將神經(jīng)網(wǎng)絡應用于技術創(chuàng)新預測與評估方面的研究, 在當前產(chǎn)品的市場壽命周期不斷縮短、要求企業(yè)不斷推出新產(chǎn)品的經(jīng)濟條件下, 以神經(jīng)網(wǎng)絡為基礎來建立產(chǎn)品技術創(chuàng)新預測與評估模型, 是對技術創(chuàng)新定量預測和評估方法的有益補充和完善。
三、論文預期成果的理論意義和應用價值
本項目研究的理論意義表現(xiàn)在: (1) 探索新的技術創(chuàng)新預測和評估技術, 豐富和完善技術創(chuàng)新預測和評估方法體系; (2) 將神經(jīng)網(wǎng)絡技術引入技術創(chuàng)新的預測和評估, 有利于推動技術創(chuàng)新預測和評估方法的發(fā)展。
本項目研究的應用價值體現(xiàn)在: (1) 提供一種基于多因素的技術創(chuàng)新定量預測技術, 有利于提高預測的正確性; (2)提供一種基于bp神經(jīng)網(wǎng)絡的綜合評估方法, 有利于提高評估的科學性; (3) 為企業(yè)的技術創(chuàng)新預測和評估工作提供新的方法論和實用技術。
四、課題研究的主要內(nèi)容
研究目標：
以bp神經(jīng)網(wǎng)絡模型為基礎研究基于多因素的技術創(chuàng)新預測和評估模型, 并建立科學的預測和評估指標體系及設計相應的模型計算方法, 結(jié)合企業(yè)的具體實際, 對指標和模型體系進行實證分析, 使研究具有一定的理論水平和實用價值。
研究內(nèi)容：
1、影響企業(yè)技術創(chuàng)新預測和評佑的相關指標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)境兩個方面入手, 密切結(jié)合電子商務和知識經(jīng)濟對企業(yè)技術創(chuàng)新的影響, 系統(tǒng)綜合地分析影響產(chǎn)品技術創(chuàng)新的各相關因素, 建立科學的企業(yè)技術創(chuàng)新預測和評估指標體系, 并研究其量化和規(guī)范化的原則及方法。
2、影響技術創(chuàng)新預測和評估各相關指標的相對權(quán)重確定。影響技術創(chuàng)新發(fā)展和變化各相關因素在輸入預測和評估模型時, 需要一組決定其相對重要性的初始權(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)絡的技術創(chuàng)新預測和評估模型研究。 根據(jù)技術創(chuàng)新預測的特點
, 以bp神經(jīng)網(wǎng)絡為基礎, 構(gòu)建基于多因素的技術創(chuàng)新預測和評估模型。
4、基于bp神經(jīng)網(wǎng)絡的技術創(chuàng)新預測和評估模型計算方法設計。根據(jù)基于bp神經(jīng)網(wǎng)絡的技術創(chuàng)新預測和評估模型的基本特點, 設計其相應的計算方法。
5、基于bp神經(jīng)網(wǎng)絡的技術創(chuàng)新預測和評估模型學習樣本設計。根據(jù)相關的歷史資料, 構(gòu)建基于bp神經(jīng)網(wǎng)絡的技術創(chuàng)新預測和評估模型的學習樣本, 對預測和評估模型進行自學習和訓練, 使模型適合實際情況。
6、基于bp神經(jīng)網(wǎng)絡的技術創(chuàng)新預測和評估技術的實證研究。以一般企業(yè)的技術創(chuàng)新預測與評估工作為背景, 對基于bp神經(jīng)網(wǎng)絡的技術創(chuàng)新預測和評估技術進行實證研究。
創(chuàng)新點：
1、建立一套基于電子商務和知識經(jīng)濟的技術創(chuàng)新預測和評估指標體系。目前,在技術創(chuàng)新的預測和評估指標體系方面, 一種是采用傳統(tǒng)的指標體系, 另一種是采用國外先進國家的指標體系, 如何結(jié)合我國實際當前經(jīng)濟形勢, 參考國外先進發(fā)達國家的研究工作, 建立一套適合于我國企業(yè)技術創(chuàng)新預測和評估指標體系, 此為本研究要做的首要工作, 這是一項創(chuàng)新。
2、研究基于bp神經(jīng)網(wǎng)絡的技術創(chuàng)新預測和評估模型及其計算方法。神經(jīng)網(wǎng)絡技術具有并行分布處理、自學習、自組織、自適應和容錯性等優(yōu)良性能, 能較好地處理基于多因素、非線性和不確定性預測和評估的現(xiàn)實問題, 本項目首次將神經(jīng)網(wǎng)絡技術引入企業(yè)的技術創(chuàng)新預測和評估, 這也是一項創(chuàng)新。
