基于模拟退火神经网络的高校科技成果转化评估研究.pdf

基于模拟退火神经网络的高校科技成果转化评估研究.pdf

ID:52353182

大小:338.83 KB

页数:4页

时间:2020-03-26

基于模拟退火神经网络的高校科技成果转化评估研究.pdf_第1页
基于模拟退火神经网络的高校科技成果转化评估研究.pdf_第2页
基于模拟退火神经网络的高校科技成果转化评估研究.pdf_第3页
基于模拟退火神经网络的高校科技成果转化评估研究.pdf_第4页
资源描述:

《基于模拟退火神经网络的高校科技成果转化评估研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、2011年第15期⋯慧。mRes盯。hdoi:10.3969/j.issn.1000—7695.2011.15.024基于模拟退火神经网络的高校科技成果转化评估研究孟力,陈少雄(厦门大学管理科学系,福建厦门361005)摘要:通过构建科技成果转化评估指标体系,并借助于BP人工神经网络方法,实现对高校科技成果转化指标体系的综合评价。主要应用主成分分析方法(PCAM)对神经网络的输入层数据进行处理,使用模拟退火算法(SA)与神经网络结合的方法提高评价的精确度,并通过实证分析证明BP神经元网络在高校科技成

2、果评估领域的的适用性。关键词:科技成果转化;BP人工神经网络;模拟退火算法;主成分分析;指标体系中图分类号:G644文献标识码:A文章编号:1000—7695(2011)15—0091—04Universities’ScienceandTechnicalAchievementTransformationBasedonSimulatedAnnealingNeuralNetworkMENGLi,CHENShaoxiong(DepartmentofManagementScience,XiamenUnive

3、~ity,Xiamen361005,China)Abstract:Inthispaper,weconstnlctanindexsystemofuniversities’scienceandtechnicalachievementtransformation.ThenweaccomplishthetotalevaluationofachievementtransformationbyusingBPneuralnetworkmethod.Inordertosolvethemuhi—dimensionpr

4、oblemofBP’Sinputlayer,thispaperembedsthePCAintothemode1.Thenitusesthesimulatedannealingalgorithmtoimprovetheaccuracyofevaluation.EmpiricalresearchhasshownthatthemodelwithBPartificialneuralnetwork,PCAandsimulatedannealingalgorithm,canpreferablyevaluatet

5、heindexesofuniversities’scienceandtechnicalachievementtransformation.Keywords:technicalachievementtransformation;BPartificialneuralnetwork;simulatedannealingalgorithm;PCA;theindexsystem高校科研成果转化是高校科研与社会生活的结机结合。周宏在此基础上应用BP人工神经网合,是高校科技工作在现实社会中的价值体现。高络及聚类分

6、析主客观两种方法,实现了对高校科校科研成果转化率的高低,是一个高校的学术水平技成果转化的综合评价,取得一定的效果。然和竞争能力强弱的体现,甚至是一个国家的经济竞而,BP神经网络的输入层数据仍然需要处理,数争力和综合国力的反映。因此,对高校科技成果转据较少时,训练的结果较好;当数据较多时训练化进行全面客观的评价意义重大。为准确地形成对的结果就会出现算法收敛速度慢J、训练不稳高校科研成果转化的评价,刘希宋,成勇⋯把科研定等问题。Hagan等人首次把数值优化算法成果转化评价分为事前、事中、事后3个阶段。本

7、应用到BP算法的训练,形成LMBP算法,改进了文主要讨论高校科技成果转化的事前评价,即通过算法的收敛速度;李炯城等人再对LMBP算法构建高校科技成果转化评估指标体系,并借助于BP进行了改进形成QLMBP算法,极大地减少了算人工神经网络方法实现了对高校科技成果转化指标法的计算量;王桂月等人_8应用模糊神经网络建体系的综合评价。立成果转化评价模型,使其具备一定的泛化(预从目前对于高校科技成果转化的评估方法上测)能力。然而,以上算法都只考虑到算法的速看,大都使用了评等法、综合评分法等主观赋权度,在精度方面

8、却没有得到保证。方法,或者是应用模糊数学、多元统计、层次分本文在此基础上,构建了基于BP神经网络的成析等客观赋权方法。然而,这些方法都忽视了各果转化评估指标体系,利用主成分分析方法对神经评价指标和效果之问的非线性关系,其结果带有网络的输入层数据进行降维处理,使用模拟退火算很大的主动性,很少考虑到主观与客观二者的有法与神经网络结合的方法来提高评价的精确度,增收稿日期:2011—01—06。修回日期:201】一03一l6基金项目:全国教育科学“十一五”规划课题基金项目(D

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。