学位论文 > 优秀研究生学位论文题录展示

基于模糊神经网络的高校专利技术产业化风险评估

作　者: 杨娟
导　师: 宫小全
学　校: 北京交通大学
专　业: 信息管理
关键词: 高校专利技术产业化风险评估灰色多层次分析法 BP神经网络模糊神经网络
分类号: G644
类　型: 硕士论文
年　份: 2014年
下　载: 31次
引　用: 0次
阅　读: 论文下载

内容摘要

高校专利技术产业化是一个国家科技实力的重要体现,是高校实现其服务社会功能的核心体现。高校专利技术产业化进程是技术创新能力综合评估的重要标志之一,同样也关系到高校在竞争中的生存和发展。然而,目前高校专利技术产业化效率仍然偏低,这是因为在产业化进程中存在着诸多制约因素与风险因子。因此,如能对高校专利技术产业化过程中的风险进行有效分析,建立合理的高校专利技术产业化风险指标体系,并选取合适的评估方法对其进行评估,提出有效的建议与应对措施,必将能为推进高校专利技术产业化提供客观有力的数据支撑与实施向导。进而进一步良好促进高校专利技术产业化效率与进程。本论文通过对高校专利技术产业化的风险管理理论进行研究,根据高校专利技术产业化的特点,将理论与实际相结合,定性与定量分析相结合,大胆尝试建立高校专利技术产业化风险评估指标体系与基于模糊神经网络的评估模型,选取三种评估方法对高校专利技术产业化风险进行对比评估分析,希望在此基础上为推进高校专利技术产业化提供客观有力的数据支撑与实施向导。在文章的最后选取清华大学作为实例,分别利用灰色多层次分析方法、BP神经网络、模糊神经网络对高校专利技术产业化风险进行对比实证评估,论证模糊神经网络在高校专利技术产业化风险评估中的有效性与优势所在。并在评估结论的基础上,提出高校专利技术产业化风险评估控制策略,希望对以后学者的研究能提供一定的向导与借鉴作用。

全文目录

致谢  5-6
中文摘要  6-7
Abstract  7-11
图表清单  11-14
1 绪论  14-33
  1.1 研究背景  14-17
    1.1.1 相关概念的界定  15-16
    1.1.2 研究的现实需要  16-17
  1.2 研究意义  17-19
    1.2.1 理论意义  18
    1.2.2 实践意义  18-19
  1.3 国内外研究现状  19-25
    1.3.1 专利技术产业化的研究现状  19-20
    1.3.2 高校专利技术产业化的研究现状  20-22
    1.3.3 风险评估理论研究现状  22-24
    1.3.4 基于模糊神经网络的高校专利技术产业化风险评估研究现状  24-25
  1.4 高校专利技术产业化发展现状与问题分析  25-29
    1.4.1 高校专利技术产业化发展现状  25-28
    1.4.2 高校专利技术产业化问题研究  28-29
  1.5 研究内容与创新点  29-31
    1.5.1 研究内容  30
    1.5.2 创新点  30-31
  1.6 研究方法与研究技术路线  31-33
    1.6.1 研究方法  31
    1.6.2 研究技术路线图  31-33
2 相关理论概述  33-49
  2.1 风险识别理论  33-34
    2.1.1 风险的性质  33-34
    2.1.2 风险识别方法  34
  2.2 高校专利技术产业化理论分析  34-37
    2.2.1 高校专利技术产业化模式  34-35
    2.2.2 高校专利技术产业化风险研究  35-37
  2.3 风险评估方法  37-49
    2.3.1 灰色多层次分析方法  37-39
    2.3.2 BP神经网络(BPNN)  39-43
    2.3.3 模糊神经网络(FNN)  43-47
    2.3.4 BP神经网络与模糊神经网络对比研究  47-49
3 高校专利技术产业化风险评估指标体系构建  49-56
  3.1 评估指标体系构建基本原则与基本流程  49-50
    3.1.1 评估指标体系构建的基本原则  49
    3.1.2 评估指标体系构建的基本流程  49-50
  3.2 评估指标体系构建  50-56
    3.2.1 评估指标体系的设计  51-54
    3.2.2 评估指标体系的组成  54-56
4 基于模糊神经网络的高校专利技术产业化风险评估模型构建  56-60
  4.1 模型构建的总体思路及基本步骤  56
    4.1.1 模型构建的总体思路  56
    4.1.2 模型构建的基本步骤  56
  4.2 评估模型的建立  56-60
    4.2.1 评估模型的网络结构  57
    4.2.2 评估模型的参数  57-60
5 实证研究-清华大学专利技术产业化风险评估  60-88
  5.1 清华大学专利技术产业化现状  60-62
    5.1.1 清华大学专利技术产业化成果  60
    5.1.2 清华大学专利技术产业化风险研究  60-62
  5.2 基于灰色多层次分析方法的清华大学专利技术产业化风险评估  62-70
    5.2.1 确定评估灰类及白化权函数  62-63
    5.2.2 评定等级  63
    5.2.3 确定指标体系及各级指标权重  63-67
    5.2.4 专家评分及灰色综合评估  67-70
  5.3 基于BP神经网络的清华大学专利技术产业化风险评估  70-76
    5.3.1 输入节点数  70
    5.3.2 输入输出层数据进行归一化处理  70-73
    5.3.3 输出层节点数  73
    5.3.4 隐含层节点数  73-74
    5.3.5 学习效率η  74-75
    5.3.6 MATLAB算法及评估等级  75-76
    5.3.7 网络训练与仿真  76
  5.4 基于模糊神经网络的清华大学专利技术产业化风险评估  76-83
    5.4.1 风险定级  77
    5.4.2 数据处理  77-81
    5.4.3 模糊神经网络的训练  81-82
    5.4.4 模糊神经网络的测试  82-83
  5.5 清华大学专利技术产业化风险评估方法对比分析  83-85
    5.5.1 三种评估方法的基本步骤  83
    5.5.2 模糊神经网络对高校专利技术产业化风险评估的优越性  83-85
  5.6 高校专利技术产业化风险控制对策研究  85-88
    5.6.1 鼓励高校主动进行专利技术产业化  85
    5.6.2 建立以市场为导向产学研相结合的研发战略  85-86
    5.6.3 加强校企科技合作,增大企业对高校专利技术产业化的推力  86
    5.6.4 设立专业的专利技术产业化服务机构  86-87
    5.6.5 完善专利产业化平台建设,提高实施效率  87-88
6 结论  88-90
参考文献  90-94
附录  94-104
作者简历  104-106

基于模糊神经网络的高校专利技术产业化风险评估

内容摘要

全文目录

相似论文