طراحی مدل پیش بینی و ارزیابی ظرفیت نوآوری شرکت های دانش بنیان با رویکرد استنتاج فازی عصبی- تطبیقی(ANFIS)
Publish place: Journal of Management Researches، Vol: 13، Issue: 47
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 514
This Paper With 30 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MR-13-47_003
تاریخ نمایه سازی: 4 مرداد 1399
Abstract:
ارزیابی ظرفیت نوآوری شرکت های دانش بنیان و پیش بینی میزان ظرفیت نوآوری آن ها برای این شرکت ها بسیار حائز اهمیت است و تصمیم در خصوص انتقال یا بسط فناوری شرکت تابع میزان ظرفیت نوآوری است. هدف اصلی این تحقیق، طراحی مدل ارزیابی ظرفیت نوآوری شرکت های دانش بنیان با رویکرد استنتاج فازی عصبی- تطبیقی است. سیستم استنتاج فازی عصبی - تطبیقی ([1]ANFIS) روش مناسبی برای حل مسائل غیرخطی است. ANFIS ترکیبی از روش استنتاج فازی و شبکه عصبی است که از توانایی هر دو بهره می برد. جامعه تحقیق و نمونه آماری جهت تدوین، اجرا و تست مدل، تمامی شرکت های دانش بنیان پارک فناوری پردیس است که درنهایت تعداد 180 مورد ارزیابی، انجام شده توسط ارزیاب های متخصص جمع آوری و مبنای محاسبات مدل قرار گرفت. برای ارزیابی عملکرد مدل، از پارامترهای مجذور میانگین مربعات خطا (RMSE)، درصد خطای نسبی (ε)، میانگین خطای مطلق (MAE) و ضریب تبیین (R2) محاسبه گردید که به ترتیب مقادیر 0136/0، 3/1 درصد، 048/0 و 998/0 به دست آمد که نشانگر دقت و قابلیت اعتماد در پیش بینی خروجی مدل است. این پژوهش از نظر هدف، کاربردی و با توجه به روش گردآوری داده ها از نوع توصیفی- پیمایشی است. خروجی این پژوهش، یک سیستم استنتاج فازی- عصبی هوشمند (ANFIS) است
Keywords:
Authors
امیرحمزه عالی نژاد
دکترای مدیریت تکنولوژی، گروه مدیریت صنعتی، دانشکده مدیریت، تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
عادل آذر
استاد دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس ، تهران، ایران.
محمدابراهیم پورزرندی
گروه مدیریت صنعتی، دانشکده مدیریت، تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :