大學碩士學位論文的開題報告分析

這篇大學碩士學位論文的開題報告分析的關鍵詞是開題報告,大學碩士學位論文,

一、論文名稱、課題來源、選題依據

論文名稱：基於bp神經網絡的技術創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：

技術創新預測和評估是企業技術創新決策的前提和依據。通過技術創新預測和評估, 可以使企業對未來的技術發展水平及其變化趨勢有正確的把握, 從而爲企業的技術創新決策提供科學的依據, 以減少技術創新決策過程中的主觀性和盲目性。只有在正確把握技術創新發展方向的前提下, 企業的技術創新工作才能沿着正確方向開展,企業產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代商業中, 企業的技術創新決定着企業生存和發展、前途與命運, 爲了確保技術創新工作的正確性,企業對技術創新的預測和評估提出了更高的要求。

二、本課題國內外研究現狀及發展趨勢

現有的技術創新預測方法可分爲趨勢外推法、相關分析法和專家預測法三大類。

(1)趨勢外推法。指利用過去和現在的技術、經濟信息, 分析技術發展趨勢和規律, 在分析判斷這些趨勢和規律將繼續的前提下, 將過去和現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爲廣泛的技術創新預測方法,美國生物學家和人口統計學家raymond pearl提出的pearl曲線(數學模型爲: y=l∕[1+a?exp(-b·t)] )及英國數學家和統計學家gompertz提出的gompertz曲線(數學模型爲: y=l·exp(-b·t))皆屬於生長曲線, 其預測值y爲技術性能指標, t爲時間自變量, l、a、b皆爲常數。ridenour模型也屬於生長曲線預測法, 但它假定新技術的成長速度與熟悉該項技術的人數成正比, 主要適用於新技術、新產品的擴散預測。

(2)相關分析法。利用一系列條件、參數、因果關係數據和其他信息, 建立預測對象與影響因素的因果關係模型, 預測技術的發展變化。相關分析法認爲, 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-滯後相關分析、技術進步與經驗積累的相關分析、技術信息與人員數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。以專家意見作爲信息來源, 通過系統的調查、徵詢專家的意見, 分析和整理出預測結果。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, 被認爲是技術預測中最有效的專家預測法。

趨勢外推法的預測數據只能爲縱向數據, 在進行產品技術創新預測時, 只能利用過去的產品技術性能這一個指標來預測它的隨時間的發展趨勢, 並不涉及影響產品技術創新的科技、經濟、產業、市場、社會及政策等多方面因素。在現代商業經濟中, 對於產品技術發展的預測不能簡單地歸結爲產品過去技術性能指標按時間的進展來類推, 而應系統綜合地考慮現代商業中其他因素對企業產品技術創新的深刻影響。相關分析法儘管可同時按橫向數據和縱向數據來進行預測, 但由於它是利用過去的歷史數據中的某些影響產品技術創新的因素求出的具體的迴歸預測式, 而所得到的迴歸預測模型往往只能考慮少數幾種主要影響因素, 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驗, 往往帶有主觀性, 難以滿足企業對技術創新預測準確度的要求。以上這些技術創新預測技術和方法爲企業技術創新工作的開展做出了很大的貢獻, 爲企業技術創新的預測提供了科學的方法論, 但在新的經濟和市場環境下, 技術創新預測的方法和技術應有新的豐富和發展, 以克服自身的不足, 更進一步適應時代發展的需要, 爲企業的技術創新工作的開展和企業的生存與發展提供先進的基礎理論和技術方法。

目前,在我國企業技術創新評估中, 一般只考慮如下四個方面的因素: (1) 技術的先進性、可行性、連續性; (2) 經濟效果; (3) 社會效果; (4) 風險性, 在對此四方面內容逐個分析後, 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、戰略方法及各種圖例法等, 但技術創新的評估是一個非常複雜的系統, 其中存在着廣泛的非線性、時變性和不確定性, 同時, 還涉及技術、經濟、管理、社會等諸多複雜因素,目前所使用的原理和方法, 難以滿足企業對技術創新評估科學性的要求。關於技術創新評估的研究, 在我國的歷史還不長, 無論是指標體系還是評估方法, 均處於研究之中, 我們認爲目前在企業技術創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新評估指標體系; (2) 建立一種適應於多因素、非線性和不確定性的綜合評估方法。

這種情況下, 神經網絡技術就有其特有的優勢, 以其並行分佈、自組織、自適應、自學習和容錯性等優良性能, 可以較好地適應技術創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神經網絡作爲基於多因素的技術創新預測和評估模型構建的基礎, bp神經網絡由輸入層、隱含層和輸出層構成, 各層的神經元數目不同, 由正向傳播和反向傳播組成, 在進行產品技術創新預測和評估時, 從輸入層輸入影響產品技術創新預測值和評估值的n個因素信息, 經隱含層處理後傳入輸出層, 其輸出值y即爲產品技術創新技術性能指標的預測值或產品技術創新的評估值。這種n個因素指標的設置, 考慮了概括性和動態性, 力求全面、客觀地反映影響產品技術創新發展的主要因素和導致產品個體差異的主要因素, 儘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據進行融合, 輸出一個經非線性變換後較爲精確的預測值和評估值。

據文獻查閱, 雖然在技術創新預測和評估的現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, 但尚未發現將神經網絡應用於技術創新預測與評估方面的研究, 在當前產品的市場壽命週期不斷縮短、要求企業不斷推出新產品的經濟條件下, 以神經網絡爲基礎來建立產品技術創新預測與評估模型, 是對技術創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在: (1) 探索新的技術創新預測和評估技術, 豐富和完善技術創新預測和評估方法體系; (2) 將神經網絡技術引入技術創新的預測和評估, 有利於推動技術創新預測和評估方法的發展。

本項目研究的應用價值體現在: (1) 提供一種基於多因素的技術創新定量預測技術, 有利於提高預測的正確性; (2)提供一種基於bp神經網絡的綜合評估方法, 有利於提高評估的科學性; (3) 爲企業的技術創新預測和評估工作提供新的方法論和實用技術。

四、課題研究的主要內容

研究目標：

以bp神經網絡模型爲基礎研究基於多因素的技術創新預測和評估模型, 並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, 結合企業的具體實際, 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。

研究內容：

1、影響企業技術創新預測和評佑的相關指標體系確定及其量化和規範化。從企業的宏觀環境和微觀環境兩個方面入手, 密切結合電子商務和知識經濟對企業技術創新的影響, 系統綜合地分析影響產品技術創新的各相關因素, 建立科學的企業技術創新預測和評估指標體系, 並研究其量化和規範化的原則及方法。

2、影響技術創新預測和評估各相關指標的相對權重確定。影響技術創新發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重, 權重的確定需要基本的原則作支持。

3、基於bp神經網絡的技術創新預測和評估模型研究。 根據技術創新預測的特點

, 以bp神經網絡爲基礎, 構建基於多因素的技術創新預測和評估模型。

4、基於bp神經網絡的技術創新預測和評估模型計算方法設計。根據基於bp神經網絡的技術創新預測和評估模型的基本特點, 設計其相應的計算方法。

5、基於bp神經網絡的技術創新預測和評估模型學習樣本設計。根據相關的歷史資料, 構建基於bp神經網絡的技術創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、基於bp神經網絡的技術創新預測和評估技術的實證研究。以一般企業的技術創新預測與評估工作爲背景, 對基於bp神經網絡的技術創新預測和評估技術進行實證研究。

創新點：

1、建立一套基於電子商務和知識經濟的技術創新預測和評估指標體系。目前,在技術創新的預測和評估指標體系方面, 一種是採用傳統的指標體系, 另一種是採用國外先進國家的指標體系, 如何結合我國實際當前經濟形勢, 參考國外先進發達國家的研究工作, 建立一套適合於我國企業技術創新預測和評估指標體系, 此爲本研究要做的首要工作, 這是一項創新。

2、研究基於bp神經網絡的技術創新預測和評估模型及其計算方法。神經網絡技術具有並行分佈處理、自學習、自組織、自適應和容錯性等優良性能, 能較好地處理基於多因素、非線性和不確定性預測和評估的現實問題, 本項目首次將神經網絡技術引入企業的技術創新預測和評估, 這也是一項創新。