پیش بینی موفقیت تجاری سازی ایده های نوآورانه با استفاده از شبکه عصبی مصنوعی؛ مطالعه موردی مخترعان و نوآوران استان یزد (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
اگر چه یافته های بشری در ارتقاء کیفیت زندگی و توسعه سطح رفاه جامعه و توسعه اقتصادی و اجتماعی نقش به سزایی ایفا می کند اما این یافته ها تا زمانی که جنبه کاربردی پیدا نکرده و به بازار عرضه نشوند یا در دسترس متقاضیان قرار نگیرند از اهمیت لازم برخوردار نبوده و نمی توانند هزینه های تحقیق را جبران کند. شواهد متعدد از سراسر دنیا حاکی از این است که هر چند تعداد کثیری از تحقیقات از نظر فنی موفق بوده اند، اما تنها درصد اندکی از آنها در زمینه تجاری سازی به موفقیت دست یافته اند که این امر نشان دهنده پیچیدگی فرآیند تجاری سازی است. در این راستا، شناسایی عوامل مؤثر بر تجاری سازی این ایده ها و پیش بینی احتمال موفقیت آن ها می تواند مخترعین و نوآوران را در تجاری سازی یاری رساند. بر این اساس، پژوهش حاضر با هدف بررسی عوامل مؤثر بر تجاری سازی اقدامات نوآورانه و پیش بینی موفقیت آن ها در استان یزد انجام گرفته است. در این راستا، ابتدا متغیرهای مؤثر برتجاری سازی اختراعات و ابتکارات شناسایی شده و سپس بهترین مدل شبکه عصبی مصنوعی برای پیش بینی احتمال موفقیت این اختراعات ارائه گردیده است. نتایج این تحقیق نشان داده است که متغیرهای جمعیت شناختی، عوامل فردی- شخصی، فنی- فناورانه، بازار، مالی و اداری- قانونی بر موفقیت تجاری سازی تأثیرگذارند. همچنین در میان مدل های اجرا شده، مدل پرسپترون چندلایه (MLP) همراه باالگوریتم پس انتشار خطا (EBP) با 2 لایه پنهان با تابع محرک سیگموئید در لایه های پنهان و تابع محرک خطی در لایه خارجی هم در درصد جواب صحیح و هم در سایر معیارهای کارایی از وضعیت بهتری برخوردار است.Forecasting Success of Commercialization of Innovative Ideas Using Artificial Neural Networks; The Case of Inventors and Innovators in Yazd Province
Numerous of evidence from around the world show a large number of studies was technically successful, but only a small percentage of these be commercialized. This reflects the complexity of the commercialization process. In this regard, the identification of factors forecasting the probability of successful commercialization of these ideas can help inventors and innovators in the commercialization. Accordingly, This study investigated factors contributing to successful commercialization of inventions in Yazd province, Iran. The variables affecting commercialization of inventions and innovations have been identified and the best Artificial Neural Networks (ANN) model for forecasting the probability of success of the inventions are presented. We used demographic, personal, technological, market, financial and administrative, and legal variables as contributing factors to commercialization. Also, the multilayered perceptron (MLP) with error back propagation (EBP) algorithm with two hidden layers with sigmoid Activation (transfer) function in the hidden layer and the linear in outer layer have the best result in performance measures.
تبلیغات
