طراحی مدل پیش بینی و ارزیابی ظرفیت نوآوری شرکت های دانش بنیان با رویکرد استنتاج فازی عصبی- تطبیقی(ANFIS)
محل انتشار: پژوهشهای مدیریت عمومی، دوره: 13، شماره: 47
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 599
فایل این مقاله در 30 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- 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
چکیده مقاله:
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
کلیدواژه ها:
نویسندگان
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 مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :