基于感应学习网络的科技成果转移预测模型与仿真

• 作者: 汪杰
• 来源期刊: 电子设计工程
• 关键词: 感应学习 成果转移 数学建模 回归分析
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 通信与网络|Communication & Network
• 页码范围: 161-165
• 页数: 5页
• 分类号: TP311
• 语种: 中文
• DOI: 10.14022/j.issn1674-6236.2021.07.035

摘要

为了提前评估预测科技成果的社会收益、提升科技成果的转移效率,文中对科技成果的转移流程进行数学建模,通过分析该过程的数据流向,将其划分为技术研发子系统、技术改进子系统、中试转化子系统与新产品生产子系统.使用机器学习领域中的感应学习网络算法,对4个子系统分别建立预测网络,该网络包括竞争、合作与自适应3个过程,有效避免了传统神经网络在小样本训练中的过拟合现象,具有较强的泛化能力.为了评估算法性能,使用20个科技项目的实际数据与回归分析算法进行模型的训练与对比测试.测试结果表明,文中算法在该组数据下的平均相对误差为2.23％,相比回归分析法提升了约2％,算法误差的最大值仅为3.12％,证明了算法的误差在平均值附近波动较小,针对某一项目进行预测时更接近真实值.