10.3969/j.issn.1007-757X.2021.12.008
基于自组织神经网络的科技成果转移预测模型与仿真
为了促进应用型科技成果的转化、提升科技资金投资的精度,对科技成果的社会效益预测方法进行了研究,构建了成果预测模型.该模型基于自组织神经网络在训练过程中引入神经元间的"竞争—合作"机制,解决了传统的神经网络对于高特征维度训练任务适应性差的难题;此外,该网络引入了邻域函数保存神经元间的拓扑关系,从而保证网络在训练过程中误差的稳定性;在模型特征向量的选取上,综合考虑应用型成果转移过程中科技成果项 目本身的创新性、承担科技成果项 目企业的能力、科技项目的经济可行性和成果项目管理团队管理水平等多个因素,构建了指标筛选体系.搜集了 2013-2019年间724个科技项目的数据进行算法的仿真.仿真结果表明,与模糊评价算法相比,所提出的模型预测误差可以降低6.41%.
自组织网络;成果转化;数学建模;模糊分析;预测精度;特征向量
37
F204;F224.5(国民经济管理)
陕西省科技厅软科学计划研究项目;陕西省教育厅专项科学研究计划项目
2022-02-18(万方平台首次上网日期,不代表论文的发表时间)
共4页
26-29