基于人工神经网络的R&D项目中止决策诊断

R&D项目中止决策诊断是我国企业创新管理中的薄弱环节。本文阐述了人工神经网络理论用于R&D项目中止决策诊断的理论依据 ,探讨了R&D项目中止决策的神经网络诊断的一般程序和步骤 ,并以收集到的样本为例 ,对该方法进行了实证研究 ,证明了该方法的有效性。

改进的Hamming神经网络在R&D项目中止决策中的应用

针对 Ham ming网络的匹配网络中输出节点的阈值 ,采用一种既能反映模式向量又能反映输入向量的调整方式 ,使改进的 Hamm ing网络能够测度基于欧氏距离的向量间的贴近度。探讨了改进的Hamming网络在 R& D项目中止决策领域应用的可行性 ,同时对改进的 Hamm ing神经网络算法迭代的收敛性给出了证明。案例研究表明 ,改进后的 Ham ming神经网络能有效地对 R&

R&D项目中止决策的区域映射模型

讨论了BP神经网络进行R＆D项目中止决策时存在的缺陷,提出了R＆D项目中止决策的区域映射模型,结合教师区域的范围以及像点集合的平面分布特征设计了每个类的判定标准和分类算法。区域映射模型能够克服BP神经网络收敛速度慢、易陷入局部极小点等不足,保证了实际分类准则与训练准则的一致性,具有很高的识别率和比BP神经网络更快的收敛速度,是R＆D项目中止决策的一个有效的模式识别工具。

基于区域映射模型的R&D项目中止决策

针对传统的BP网络训练时收敛速度缓慢 ,容易陷入局部极小 ,并且实际分类准则与训练准则不一致的缺陷 ,提出了R&D项目中止决策模式识别的区域映射模型 .模型从根本上保证了分类准则与训练准则的一致性 ,具有比BP网络更快的训练速度和更高的识别率 .案例研究表明 。

R&D项目中止决策的有效性分析

依据数据包络分析（ＤＥＡ） 理论与方法，建立了Ｒ＆Ｄ 项目中止决策有效性分析的指标体系和判别模型，并结合我国实际，用它对多个Ｒ＆Ｄ项目实施情况以及他们的经济决定因素、技术决定因素和管理决定因素进行了数理分析，并在此基础上论述了影响我国实施创新非有效的管理因素及相应采取的对策与措施。

一种基于改进粗糙集的R&D中止决策方法

提出了一种改进粗糙集的R&D项目的中止决策方法,该方法应用向量空间理论知识在一定程度上改进了粗糙集中属性约简以及规则提取的算法,解决了R&D项目中止决策中产生的样本较小时粗糙集属性约简计算量大和特征提取规律不明显的问题,同时根据以往同类R&D项目失败或成功的经验作为学习样本,识别R&D项目的类别,从而做出中止还是继续进行的决策。最后以重庆市某大型企业近几年的R&D项目进展情况为实例,使用该方法和支持向量机两种方法进行了计算,对该方法进行了可行性和有效性验证。

综合统计方法在R&D项目中止决策中的应用

针对性地设计了适用于 R& D项目中止决策的指标体系 ,建立了确定指标权重的综合统计方法 ,并提出了对 R& D项目模糊综合评判向量进行处理的模式识别方法 .进而 ,将其成功地应用到 R& D中止决策实践 .案例研究表明 ,综合统计方法用于确定指标权重 ,模糊模式识别方法用来对模糊综合评判向量进行识别 ,其计算量较少、操作简单 ,结果较符合实际 .

R&D项目诊断和中止决策

从风险性质及项目研究过程中的风险来源的角度提出了主要的风险因素;比较系统地介绍发R&D项目风险诊断的基本方法和思想,列出了风险诊断模型;采用风险调查表的形式对项目风险因素进行调查,在统计分析的基础上对项目风险因素进行量化;最后提出几点处理风险及降低风险的方法.

基于判别分析的R&D项目中止决策

R&D项目中止决策是R&D管理过程中一项非常重要的工作,有效、及时的中止决策对于优化科技资源配置、提高创新效率有着非常重要的意义。本文在对已有的R&D项目中止决策方法简要回顾基础上,根据R&D项目中止决策实质,给出了一种基于已有数据判别分析的R&D项目中止决策方法和步骤,并进行了示例计算。结果表明,该方法较为简便有效,易于操作。

R&D项目中止决策的小波网络模式识别

如何科学、合理、有效地识别和中止那些行将失败或没有前途的 R&D项目 ,对于企业成功地进行技术创新、建立和保持竞争优势 ,显然具有十分重要的理论价值和实践意义 .本文根据中止决策的实质及模式识别的基本原理 ,探讨了定量地中止 R&D项目的一般模式识别程序 .同时 ,基于小波基具有很强的自适应数据和函数变化的能力 ,进一步研究给出了一种基于小波网络的 R&D项目中止决策分析模式识别新方法 ,并在最小均方能量准则下 ,采用相应的共轭梯度学习算法求解子波函数线性组合的尺度和时延参数 ,以及神经网络的权值 .本研究不仅克服了现有 R&D项目中止决策分析技术在构造与求解模型方面的某些局限性 ,并且为R&D项目的跟踪管理提供了一种新的理论依据 ,为具体决策单位和政府有关部门对正在实施的

R&D项目中止决策刍议

本文论述了Ｒ＆Ｄ项目中止决策的要义及特征；对国内外中止决策研究状况作了简要的评述；提出有关Ｒ＆Ｄ项目中止决策研究的思考，内容包括：认识问题、方法问题。

R&D项目中止因素研究

R&D项目本身最大的特点是具有不确定性和风险性。在这种条件下,如何在适当的时候终止一个项目,来减少企业的损失是一个值得探讨的问题。通过划分研究开发项目过程的三阶段活动决策方法,实证研究得出对项目中止起决定性影响的关键因素来判断项目是否应该中止,并为国内的项目管理者提供一条新的思路。

R&D项目中止决策的小波网络模式识别

本文根据中止决策的实质及模式识别的基本原理 ,探讨了中止 R& D项目的一般模式识别程序。同时 ,基于小波基具有很强的自适应数据和函数变化的能力 ,进一步研究给出了一种基于小波网络的 R& D项目中止决策分析模式识别新方法 ,并在最小均方能量准则下 ,采用相应的共轭梯度学习算法求解子波函数线性组合的尺度和时延参数 ,以及神经网络的权值。本研究不仅克服了现有 R& D项目中止决策分析技术在构造与求解模型方面的某些局限性 ,并且为 R& D项目的跟踪管理提供了一种新的理论依据 ,为具体决策单位和政府有关部门对正在实施的 R&

基于支持向量机的R&D项目中止决策算法

提出了一种基于支持向量机的R＆D项目的中止决策算法,该算法根据以往同类R＆D项目失败或成功的经验作为学习样本,来识别未知性质的R＆D项目的类别,从而做出中止还是继续研究的决策。算法不存在困扰神经网络算法的局部极小值问题。为解决项目各指标权重及合理阈值难以确定的R＆D项目中止决策提供了一种有效的途径。最后用一个实例验证了该算法的可行性和有效性。

基于SPDS算法的R&D项目中止决策的神经网络模型

提出了基于SPDS算法的R&D项目中止决策的快速神经网络模型。SPDS算法具有比BP网络更快的训练速度和更高的识别率。

北京地区制造业R&D/NPD项目影响因素的筛选及优化分析

本文依据2000年北京地区制造业R&D/NPD(研究开发项目/新产品开发项目)项目的调查数据,分别使用2χ检验、T检验以及因子分析方法对初始因素集进行筛选优化,识别出项目在不同开发阶段的关键影响因素,并对结果进行分析研究,为建立R&D/NPD项目中止决策的指标体系提供了一种更加合理、科学的方法。

鉴别分析在R&D项目中止决策的运用

R&D项目是一种高风险的投资活动,在项目实施过程中很可能出现很多问题,需要对其评估.进行R&D项目中止决策,对资源的优化配置将起到重要的作用.中止决策的方法很多,采用鉴别分析法进行R&D项目中止决策,能够充分利用已有项目有效信息进行判别,方法更为简便,在日常的R&D项目管理实践中,更易于操作及普遍使用,并得到较为满意的结果.

国防R&D项目中止决策支持系统研究

探讨了神经网络方法用于国防 R&D项目评估及中止决策的可行性 ,提出了基于神经网络方法和加权评分模型相结合的适用于国防口 R&D项目评估及中止决策的决策支持系统 .进而 ,对决策支持系统的结构模块进行了系统分析和详细设计 .案例研究表明 ,该中止决策支持系统较传统的中止决策方法有一定的优越性 ,能适应多种不同情况的中止决策问题 .

企业R&D项目最佳组合及中止决策

从系统观点论述了对正在实施的 R& D项目进行中止决策的重要意义及中止决策的主要研究内容 .提出了确定企业 R& D项目最佳中止比例的三阶段数学模型 .进而 ,将该模型与模糊综合评判方法相结合来确定应被中止 R&

风险投资项目中止决策模型研究

重点研究不确定状态下的中止决策。首先运用聚类分析方法对项目进展情况进行定量判断,然后再用安全边界判断分析风险投资项目的权益资本市场价值是否值得继续投资,最后综合聚类分析安全边界判断的结论,进行投资决策。