復(fù)雜的市場環(huán)境促使集群企業(yè)通過開展外部性的協(xié)同創(chuàng)新來提高技術(shù)競爭能力,而制定一套科學(xué)合理的協(xié)同創(chuàng)新伙伴評價方法是保障集群企業(yè)有效選擇結(jié)盟對象并順利開展協(xié)作的必要前提。首先,本文在知識經(jīng)濟大背景下考慮知識的互補、吸收、轉(zhuǎn)化、創(chuàng)新等知識能力因素在集群企業(yè)協(xié)同創(chuàng)新的過程中,比傳統(tǒng)的價格、質(zhì)量、生產(chǎn)周期等因素具有更加重要的實際作用和現(xiàn)實地位,設(shè)計并提出基于知識能力的集群企業(yè)協(xié)同創(chuàng)新伙伴評價指標體系。其次,構(gòu)建改進的ELMAN神經(jīng)網(wǎng)絡(luò)模型,并將其應(yīng)用于新指標體系下的協(xié)同創(chuàng)新伙伴評價測度。最后以山西省某市級工業(yè)開發(fā)區(qū)內(nèi)企業(yè)為例,驗證該方法的適用性和有效性,為集群企業(yè)合理評價和選擇協(xié)同創(chuàng)新伙伴提供參考。 

【文章來源】：預(yù)測. 2020,39(05)北大核心CSSCI

【文章頁數(shù)】：7 頁

【部分圖文】：

改進的ELMAN神經(jīng)網(wǎng)絡(luò)測試企業(yè)數(shù)據(jù)得分

如圖2和圖3所示,在同樣試驗環(huán)境下達到收斂,BP神經(jīng)網(wǎng)絡(luò)迭代了930多次,而ELMAN神經(jīng)網(wǎng)絡(luò)只迭代560多次,明顯用時較少。圖3 改進的El MAN神經(jīng)網(wǎng)絡(luò)訓(xùn)練收斂

圖2 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練收斂為更加直觀地比較訓(xùn)練好的兩種神經(jīng)網(wǎng)絡(luò)性能,將最后5家企業(yè)數(shù)據(jù)作為測試數(shù)據(jù),命名為T1～T5,帶入仿真環(huán)境下進行檢測和對比。在MATLAB2014a的工具箱中點擊“Simulate”并輸入數(shù)據(jù),改進的ELMAN神經(jīng)網(wǎng)絡(luò)評價結(jié)果如圖4所示。

【參考文獻】：
期刊論文
[1]基于模糊信息公理與云模型的虛擬企業(yè)合作伙伴選擇[J]. 趙金輝,王學(xué)慧,關(guān)文革,尹立杰,周玉.  運籌與管理. 2020(01)
[2]裝備制造企業(yè)協(xié)同創(chuàng)新網(wǎng)絡(luò)知識轉(zhuǎn)移的演化博弈研究[J]. 綦良群,周凌玥.  預(yù)測. 2019(01)
[3]基于行為視角的聯(lián)盟合作伙伴選擇[J]. 張裕穩(wěn),陳萬明,吳潔,李鵬,謝嗣勝.  系統(tǒng)工程. 2018(06)
[4]基于一致性的制造業(yè)企業(yè)伙伴選擇多屬性決策模型研究——合作創(chuàng)新視角[J]. 李柏洲,尹士.  運籌與管理. 2018(06)
[5]集成供應(yīng)鏈企業(yè)合作創(chuàng)新伙伴動態(tài)選擇研究[J]. 李柏洲,尹士,羅小芳.  工業(yè)工程與管理. 2018(03)
[6]基于隱形契約的集群企業(yè)知識共享伙伴選擇研究[J]. 韓瑩,陳國宏.  中國管理科學(xué). 2018(01)
[7]聯(lián)盟控制機制與知識獲取:伙伴選擇的調(diào)節(jié)作用[J]. 畢靜煜,謝恩,梁杰.  科技進步與對策. 2018(03)
[8]基于ANP-DEA-GRA的協(xié)同創(chuàng)新合作伙伴選擇[J]. 李紅艷,吳忠,王靜.  計算機工程與應(yīng)用. 2017(24)
[9]基于灰色關(guān)聯(lián)度的虛擬企業(yè)合作伙伴選擇評價方法[J]. 邵際樹,余祖?zhèn)?  統(tǒng)計與決策. 2016(23)
[10]戰(zhàn)略性新興產(chǎn)業(yè)技術(shù)創(chuàng)新聯(lián)盟合作伙伴選擇及評價研究——基于技術(shù)生態(tài)位視角[J]. 張敬文,江曉珊,徐莉.  科技管理研究. 2016(05)



本文編號：3258268