大學碩士開題報告多篇

【第1篇】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

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。

【第2篇】西北工業大學碩士開題報告

西北工業大學碩士開題報告

1. 國內外研究動態

隨着我國經濟體制改革進程的加快以及金融體制改革的深入，社會中的投資行爲正日益增多，例如證券投資等。而股票交易作爲生活中重要的一種風險投資活動，已經成爲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爲代表，後來又發展出其他很多的分析方法和技術指標。後來，數據挖掘技術的出現爲股票投資分析開創了新的天地。學者們蜂擁而至對此技術進行研究，他們對原始的股票數據進行處理，之後對交易數據進行挖掘，以期可以較好的反映股市的變化狀況，從而實現對股市的預測，對投資者進行有效的指導[3-6]。

2. 課題的理論意義、實用價值和社會經濟效益

3. 課題研究的目標、研究內容和研究方法

4. 論文工作量的估計，關鍵技術以及所遇到的困難和問題，擬採取的解決措施

參考文獻

曹小春,曾安,潘丹. 雲計算環境下面向領域的數據挖掘服務平臺研究[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優質股票的選擇[j]. 首都經濟貿易大學學報,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,eedings of 20xx 4th international conference on applied social science(icass 20xx) volume 51[c]rmation engineering research institute,usa:,20xx:5.

[4]曹正鳳. 隨機森林算法優化研究[d].首都經濟貿易大學,20xx.

[5]曾安,潘丹,楊海東,謝光強. 面向領域的數據挖掘雲平臺研究[j]. 微電子學與計算機,20xx,08:15-19.

[6]曾珂. 基於數據挖掘的`微博用戶興趣羣體發現與分類[d].華中師範大學,20xx.

[7]常凱. 基於神經網絡的數據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,eedings of 20xx 4th international conference on applied social science(icass 20xx) volume 51[c]rmation engineering research institute,usa:,20xx:5.

[9]陳寶鋼. 基於數據挖掘方法的企業財務分析系統設計與實現[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. 基於數據挖掘技術的近15年反流性食管炎中醫臨牀期刊文獻研究[d].北京中醫藥大學,20xx.

[12]陳怡. 基於網絡數據挖掘的移動視頻客戶數據支撐體系[j]. 信息通信,20xx,01:161-163.

[13]何清,莊福振,曾立,趙衛中,譚慶. pdminer:基於雲計算的並行分佈式數據挖掘工具平臺[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. 時間序列數據挖掘若干關鍵問題研究[d].中國科學技術大學,20xx.

[16]黃佳彬. 數據挖掘在實踐教學信息網中的研究與應用[d].北方工業大學,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數據挖掘的研究[d].湖南大學,20xx.

[19]吉根林,趙斌. 面向大數據的時空數據挖掘綜述[j]. 南京師大學報(自然科學版),20xx,01:1-7.

[20]荊月敏. 基於數據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. 大數據環境下的數據挖掘課程教學探索[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. 大數據時代的數據挖掘技術與應用[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羣數據挖掘及應用[d].太原科技大學,20xx.

[27]劉昱崗,安鼕鼕. 數據挖掘在公交調查數據分析中的應用研究[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. 統計行業數據分析與數據挖掘應用——工具篇[j]. 統計與諮詢,20xx,01:36-38.

[31]馬宏斌,王柯,馬團學. 大數據時代的空間數據挖掘綜述[j]. 測繪與空間地理信息,20xx,07:19-22.

[32]屈莉莉,陳燕. 大數據背景下數據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. 基於隱私保護的數據挖掘技術與研究[d].浙江理工大學,20xx.

[34]陶相宜. 基於數據挖掘的朱仁康從“風”論治皮膚病學術思想及臨牀經驗研究[d].北京中醫藥大學,20xx.

[35]陶雨雨. 決策樹及神經網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. 數據挖掘算法優化研究與應用[d].安徽大學,20xx.

[37]王雲峯,寧曉希. 刑偵數據倉庫模型設計與數據挖掘技術應用[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. 大數據時代中如何進行醫療數據挖掘與利用[j]. 硅谷,20xx,05:13+12.

[40]吳喬. 基於數據挖掘的煤炭企業成本管理系統的設計與實現[d].廈門大學,20xx.

[41]謝立陽. 基於海量數據挖掘的武漢城市圈應急物流系統的設計與優化[d].湖北工業大學,20xx.

[42]熊平,朱天清,王曉峯. 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. 基於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. 淺談數據挖掘技術及其相關問題解析[j]. 數字技術與應用,20xx,04:141-144.

[45]閆燕. 數據挖掘在中國的現狀和發展分析[j]. 科技信息,20xx,05:292.

[46]張晶晶. 數據挖掘在車險客戶關係管理中的應用研究[d].大連海事大學,20xx.

[47]張雅. 面向鐵路貨運市場營銷的數據挖掘技術應用研究[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]張豔. 大數據背景下的數據挖掘課程教學新思考[j]. 計算機時代,20xx,04:59-61.

[50]鄭細端. oracle數據挖掘在城市能源計量數據平臺的應用[j]. 計算機與數字工程,20xx,07:1299-1302.

[51]周超羣. 基於數據挖掘算法的教務選課系統的設計與實現[d].西安工業大學,20xx.

[52]周金革. 基於消錯理論的數據挖掘錯誤系統優化方法及應用研究[d].廣東工業大學,20xx.

【第3篇】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

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。