大学硕士学位论文开题报告

【按】：开题是指开题者对科研课题的一种文字说明材料。这是散文一些则新的应用写作文体，这种文字体裁是随着现代科学研究活动计划性的增强和科研图画选题程序化行政管理的需要应运而生的。电视频道论文电视网为您提供各类开题报告范文参考，以及开题报告

写作指导和格式排版要求，解决您在开题报告写作解决问题中的难题。 一、论文名称、课题来源、选题依据

论文名称：基于bp神经网络的技术创新预测与评估模型及其应用分子生物学

课题来源：单位自拟课题或省政府下达的研究课题 选题依据：

技术创新预测和综合评价评估是企业技术创新决策的前提和依据。通过技术创新预测和测评, 可以使企业对未来技术发展水平及其变化趋势有正确的把握, 直接提供从而为企业的技术开发决策提供科学的依据, 以减少技术创新决策过程中的主观性和。只有在正确把握技术创新发展方向的前提下, 进行企业的技术创新工作才能沿着正确方向开展,企业产品的市场才能得到不断加强。在市场竞争日趋激烈的现代商业十分激烈中, 企业的技术创新决定着企业生存和发展、前途与命运, 为了确保技术创新工作的正确性,企业对技术创新的预测和复核提出了更高的要求。

二、本课题国内外研究现状及发展趋势

现有的技术创新预测方法可分为趋势外推法、相关分析法和专家推算相关机构法三大类。

(1)趋势外推法。指利用过去和现在的技术、经济信息, 分析技术经济模式和规律, 在分析判断这些详细分析趋势和规律将继续的前提下, 将过去和以前的趋势向未来推演。生长曲线法是趋势外推法中的

一种应用较为广为的技术创新预测方法,美国生物学家和人口统计学家raymond pearl提出的pearl曲线(数学模型为: y=l?[1+a?exp(-b·t)] )及挪威数学家和统计学家gompertz提出的gompertz曲线(数学模型为: y=l·exp(-b·t))皆属于生长曲线, 其预测值y为技术性能指标, t为时间自变量, l、a、b皆为常数。ridenour模型也属于生长曲线预测法, 但它假定新技术的成长速度与熟悉该项技术技术的人数等于零, 主要适用于新技术、新产品的扩散预测。

(2)相关分析法。利用一系列条件、参数、因果关系数据和其他讯息, 建立预测对象与影响风险因素的因果关系模型, 预测技术的发展战略变化。相关分析法认为, 一种技术性能已知改进或其应用的扩展是和其他一些的因素高度相关的, 这样, 通过已知因素的分析就可以对该项技术进行分析。相关分析法主要有以下几种: 导前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数等因素的相关分析及目标与手段的相关分析等方法。

(3)专家预测法。以专家意见作为信息来源, 通过系统的调查、征询专家的意见, 分析和整理出与预测结果。专家预测法主要有: 专家个人判断法、专家会议法、头脑风暴法及德尔菲法等, 其中, 德尔菲法吸收了前几种专家预测法的长处, 避免了其缺点, 被认为是技术预测中最有效的专家预测法。

外推法的预测数据只能为纵向数据, 在进行产品产业化预测判断时, 只能利用过去的产品技术性能这一个指标来预测它的随时间的发展趋势, 并不涉及影响产品技术创新的科技产业、经济、产业、市场、社会及政策等多方面因素。在现代商业经济中, 对于产品技术发展的预测不能简单地归结为产品过去技术性能指标按时间的进展来类推, 而应系统综合地考虑现代商业电脑系统中其他因素对企业产品技术创新的生动影响。相关分析法尽管可同时按横向数据和纵向数据来进行预测, 但由于它是利用过去的历史数据中的某些影响产品技术创新的因素求出与的具体的回归预测式, 而所得到的回归预测模型往往少数几种考虑只能主要影响因素, 略去了许多未考虑的利空因素, 所以,

所模型对实际问题的表达能力也不够准确, 结果与实际的符合程度也有较大偏差。专家权威专家预测法是一些则定性预测方法,依靠的是预测者的知识和经验, 往往带有主观性, 难以满足跨国公司对技术创新预测准确度的要求。以上这些技术创新技术和方法为企业技术创新工作的开展做出了很大的贡献, 为企业技术创新的预测提供了科学的方法论, 但在新的经济和本土市场捷伊环境下, 技术创新预测的方法和技术应有新的丰富和发展, 以克服自身的不足, 更进一步适应时代发展的需要, 为企业的技术创新工作的开展和企业的生存与发展提供先进的基础理论和技术方法。

目前,在我国之中企业技术创新评估中, 一般只考虑如下四个方面的因素: (1) 技术的先进性、可行性、连续性; (2) 经济效果; (3) 社会效果; (4) 风险性, 在对此四方面内容逐个分析后, 再作综合评估。在综合评估中所用的方法主要有: delphi法(专家法)、ahp法(层次分析法)、模糊评估法、决策树法、战略方法及各种图例法等, 但的评估是一个非常复杂的系统, 其中存在着广泛的二阶、时变性和不确定性, 同时, 还涉及技术、经济、管理、社会等诸多复杂因素,目前所使用的原理和方法, 难以满足对技术创新评估科学性的要求。关于技术创新评估的研究, 在我国的历史又不长, 无论是指标体系还是评估方法, 均处于研究之中, 我们认为目前在网络管理企业技术创新评估方面应做的管理工作是: (1) 建立一套符合实际情况的技术创新评估指标体系; (2) 建立一种适应于多因素、线性系统和线性方程不确定性的综合评估方法。

这种情况下, 神经网络编程技术开发就有其特有的优势, 以其并行分布、自组织、自适应、自学习和可靠性扩展性等优良性能, 可以较好地适应技术创新预测和评估这类多、不确定性和非线性问题, 它能克服上述各方法的较弱。本项目以bp神经网络作为基于多因素的技术创新预测和评估模型构建的基础, bp神经网络由输入多层、隐含层和传输层构成, 各层的神经元数目不同, 由正向传播和反向传播组成, 评估在进行产品技术创新预测和评估时, 负面影响从输入层输入影响产品技术创新预测值和评估值的n个因素信息, 经暗合层处理后一脉

相承传入输出层, 其输出值y即为产品技术创新技术革新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置, 考虑了概括性和动态性, 力求全面、客观地反映影响产品技术创新发展的主要利空因素和性别差异导致产品个体差异的主要因素, 尽管是黑匣子式的预测和评估, 但事实证明它自身因素强大学习能力可将需顾及的多种的的数据进行融合, 输出一个经非线性相当插值后较为精确的预测值和评估值。

据文献查阅, 虽然在技术创新预测和评估结果的现有原理和方法的改进和完善方面有一定的研究,如文献[08]、[09]、[11]等, 但尚未将发现神经网络应用于技术创新预测与评估方面的研究, 在当前产品的消费市场寿命周期经济周期不断缩短、要求企业不断新产品的经济条件下, 以神经网络为基础来建立产品技术创新预测与评估模型, 是对技术创新定量预测和评估方法足量的有益补充和完善。 三、毕业论文论文预期成果的理论意义和应用价值

本项目研究的理论意义表现在: (1) 探索新的技术创新预测和评估技术, 丰富和完善技术创新技术创新估计和评估方法体系; (2) 将神经网络评估技术转用技术创新的预测和评估, 有利于促进技术创新预测和评估方法的发展。

本充分体现房地产项目研究的应用价值体现在: (1) 提供一种基于多因素的技术创新定量预测技术, 有利于提高预测的正确性; (2)提供一种基于bp可视化的综合评估方法, 有益于提高评估的科学性; (3) 为企业的技术创新预测新的评估工作提供和唯物主义和实用技术。 四、课题研究的主要内容 研究目标：

以bp建模模型为基础研究基于多因素的技术创新预测和评估模型, 并建立自然科学的预测和评估指标体系及设计相应模型计算方法, 结

合民企的具体实际, 对指标和模型运行机制进行实证分析, 使研究具有一定的理论实用价值水平和实用价值。 研究内容：

1、影响企业技术创新预测和评佑的相关指标体系确定及其量化和规范化。从内在企业的宏观环境和微观环境两个方面入手, 密切结合电子商务和知识经济对企业技术创新技术开发的影响, 系统综合地分析影响产品技术创新的各相关因素, 建立科学的企业技术创新预测和评估指标体系, 并研究其量化和规范化的原则及方法。

2、影响技术创新预测和评估各相关指标的相对推算出权重确定。影响技术创新发展和变化各相关因素在输入预测评定和评估模型时, 需要一组决定相对其相对重要性的初始权重, 权重的确定需要基本的指导思想作支持。

3、基于bp神经网络所研究的技术创新预测和评估三维研究。 根据技术创新预测的特点

, 以bp神经网络为基础, 构建基于多利空因素的技术创新预测和利多因素评估模型。

4、基于bp神经网络的技术创新预测和评估神经网络图表计算方法设计。根据基于bp神经网络的技术创新预测和评估模型的基本特点, 设计其相应的分析方法。

5、基于bp神经网络的技术创新判断和评估技术革新模型学习样本设计。根据相关机构的历史资料, 构建基于bp神经网络的技术创新预测判断和评估模型的学习样本, 对预测和评估模型进行自学习和训练, 使模型适合实际情况。

6、基于bp神经网络的技术创新预测和评估技术的节能环保实证研究。以一般企业的技术创新预测与评估工作为背景, 对基于bp神经网络的技术创新预测和评估进行实证研究。

创新点：

1、建立一套基于电子商务和知识经济的技术创新预测和评估指标体系。目前,在技术创新的预测和评估指标体系方面, 一种是采用传统的指标体系, 另第二种是采用国外先进国家的指标体系, 如何结合我国实际当前世界经济形势, 参考国外先进西欧国家参见的研究工作, 建立一套适合于我国企业技术创新和评估指标体系, 此为本研究组要做的首要工作, 这是一项创新。

2、研究基于bp神经网络的技术创新预测和评估模型及其计算结果。神经网络技术具有并行分布处理、自学习、自组织、自适应和容错性等优良舒适性, 能较好地后处理基于多因素、各向异性和不确定性预测和评估环境问题的现实问题, 本项目首次将神经网络技术引入企业的技术创新预测和评估, 这也是一项创新。