基于自组织神经网络的科技成果转移预测模型与仿真

• 作者: 王春嬉 甘娟 马龙
• 来源期刊: 微型电脑应用
• 学科: 经济
• 关键词: 自组织网络 成果转化 数学建模 模糊分析 预测精度 特征向量
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 基金项目|FUND PROJECT
• 页码范围: 26-29
• 页数: 4页
• 分类号: F204|F224.5
• 语种: 中文
• DOI: 10.3969/j.issn.1007-757X.2021.12.008

摘要

为了促进应用型科技成果的转化、提升科技资金投资的精度,对科技成果的社会效益预测方法进行了研究,构建了成果预测模型.该模型基于自组织神经网络在训练过程中引入神经元间的"竞争—合作"机制,解决了传统的神经网络对于高特征维度训练任务适应性差的难题;此外,该网络引入了邻域函数保存神经元间的拓扑关系,从而保证网络在训练过程中误差的稳定性;在模型特征向量的选取上,综合考虑应用型成果转移过程中科技成果项 目本身的创新性、承担科技成果项 目企业的能力、科技项目的经济可行性和成果项目管理团队管理水平等多个因素,构建了指标筛选体系.搜集了 2013-2019年间724个科技项目的数据进行算法的仿真.仿真结果表明,与模糊评价算法相比,所提出的模型预测误差可以降低6.41％.