[关键词]绩效评估；层次分析法；权重；实证
图书馆绩效评估即:“图书馆提供服务的效能,以及拨款和资源利用在提供服务中的效率”,就是对图书馆的各项资源的投入和产出的效益进行评价和测度。
一、图书馆绩效评估体系的建立
根据2001年的《国家图书馆绩效评估指标体系》,图书馆的绩效评估(P)体系分为资源(Z)、基础业务工作(J)、业务研究(Y)、管理(G)、读者服务(D)五大部分。本文在参考可大量文献的基础上,列出了如图所示由目标层、准则层及指标层的阶梯结构图书馆绩效评估体系。
二、基于层次分析法的图书馆绩效评估
层次分析法是一种定量与定性相结合的系统分析方法。其步骤如下:通过调查,对各个方面及指标的重要性进行两两比较,以九级分制对矩阵进行赋值,计算出判断矩阵的最大特征根max和对应的特征向量W,在满足一致性比率CR<0.1的情况下,特征向量W所对应的即是所求权重,否则需对判断矩阵进行调整直至具有满意的一致性为止。
1.权重确定
根据图书馆绩效评估体系可以构造出两两判断矩阵,即将准则层与目标层、指标层与其对应准则层的重要性进行两两判断。以某一高校图书馆为例,通过专家进行打分法,构造出如表1、表2的判断矩阵。
表1中可以得出图书馆绩效评估中各部分的权重依次是:资源(Z)占48%,读者服务(D)占25%,基础业务(J)占18%,业务研究(Y)占7%,管理(G)占4%,这也与图书馆的基本功能相符。
对于具体指标对基础业务(J)、具体指标对业务研究(Y)、具体指标对管理(G),以及具体指标对读者服务(D)的判断矩阵的结构形式与表2类似,其计算结果在表3中能够反应出来,在此略之。
2.绩效评估
由表3可知该图书馆当年绩效评估的综合得分是4.096。说明该图书馆各项资源的投入产出效益较好。但该图书馆绩效还有一些有待提高的地方,例如该馆权重排名第二、三位的指标,以及基础业务(J)的各项,专家打分均不高,说明该馆在这些方面还存在着不足之处。
三、结语
介绍了图书馆的绩效评估体系及应用层次分析法进行绩效评估的方法并结合某高校图书馆进行了实证分析。本文着重于绩效评估的示范研究,以期抛砖引玉,促进绩效评估工作的推广与应用。
参考文献:
[1]余胜:关于图书馆绩效评估的研究与实践.中国图书馆学报[J],2006(4):101-104
[2]富平:确立绩效评估体系进一步完善国家图书馆科学管理.国家图书馆学刊[J],2002(2):6-12
[3]肖蔚:图书馆绩效评价研究处探.图书馆工作与研究[J],2005(1):41-43
一、无形资产评估传统方法评析
在无形资产评估过程中，评估方法的选择和运用处于核心地位。目前无形资产评估的主要方法有成本法、收益法和市场法，下面对这三种方法进行评析并对应用中的有关问题进行探讨。
（一）成本法。成本法的基本思想是利用历史成本(即最开始购置或创造无形资产时所支付的完全成本)或简单重置成本(即以重新购进或创造无形资产时所需的支出费用)作为推算无形资产价值的主要依据。无形资产的重置成本法，是指在评估无形资产时，按被估资产的现时完全重置成本(重置价)减去应扣减损耗及贬值，或乘以成新率来确定被估无形资产价值的一种方法。公式为：无形资产评估值=无形资产重置成本×成新率。在实际运用中，重置成本是根据历史成本调整得到的。历史成本体现了资产的原始形成过程，具有易获得性和可验证性，不受人为因素的影响，容易被人们所接受。成本法的适用场合是以摊销为目的的无形资产的评估，但相对于有形资产来说，无形资产有其特殊性，所以成本法的使用也有局限性。一是无形资产的历史成本具有不完整性、弱对应性及虚拟性等特点，因此根据历史成本调整得到的重置成本来评估无形资产现值是不合理的。二是无形资产的成新率很难确定。三是大多数无形资产常常存在着开发成本高而应用前景差或开发成本低而应用前景好的现象。对这样的无形资产用成本法进行价值评估是不合适的。
二、无形资产评估的新方法
传统的方法在对无形资产进行评估时存在的一定的缺陷，在此介绍几种新的无形资产的评估方法：复合成本法、生存曲线法、成本收益双折现法、成本收益现值法。
（一）复合成本法在评估无形资产中的应用。所谓复合成本法，就是在评估一项无形资产时，不仅考虑其历史成本或重置成本，还要考虑其稀缺性及其效用的大小。用公式表示为：
无形资产重置成本=（效用函数/稀缺系数）×100％
通过上面的公式，可知无形资产的价值是劳动量、效用性和稀缺度3个因素共同决定的。
（1）劳动量。无形资产具有存在唯一性，理论上讲应当取最先研制成功的具有相同功效的一批无形资产中包含的最小劳动量。未获得成功的无形资产所耗费的劳动量则不能计入无形资产的价值。在研发成功的无形资产中，也只有包含最小劳动量的无形资产交易才最容易成功，价值得到认可。不过最小劳动量在确定时有一定的难度，在实务中应当尽评估师所能，多收集资料，筛选对比后选出最小劳动量使用。也可以用历史成本或传统成本法求得的重置成本替代之，因为劳动量在无形资产价值中的影响并不显著。
（2）效用及效用系数。无形资产的效用可以划分为生产资料效用和生活资料效用。生产资料效用的测量标准是提高劳动生产率和推动社会生产力进步。效用对劳动量起着约定作用。效用系数通常用0，0.1，0.2，……1，1.1，1.2……表示。系数越大表明效用越大。无形资产效用系数的确定可参考专家和专有技术人员的建议按其作用的大小确定，专家如果认为使用一项无形资产可提高产量100倍，则可将效用系数定为100。
（3）稀缺度及稀缺系数。稀缺度指的是无形资产的稀缺状况以及市场上无形资产的供求关系，通常用稀缺系数表示。在理论上稀缺系数存在0的值，但是当其为0时实际意义及不大，所以我们将稀缺系数定在0.01至1的范围之内。而1则代表着供求平衡时的稀缺系数。系数越小表明越稀缺，反之亦然。
可以看出，复合成本法的优点是可以很好地解释无形资产价格和成本背离的现象，在评估实务中具有较强的可操作性。而且，与传统成本法不同的是，它考虑了无形资产的未来收益情况，因此是比较科学合理的。
采用生存曲线法预计无形资产的受益期限一般需要经过以下六个主要步骤：第一，收集生存数据。我们可以选定一个样本进行观测，所有观测点由存活的初始状态转变为死亡状态后试验终止。另外，我们还可以观测市场上同类无形资产的生存、死亡情况来收集生存数据。第二，数据的初步分析，绘制数据图以获取模型选择的一些信息。第三，模型选择，即选择一个恰当的模型去拟合生存数据。第四，参数估计。第五，模型检验。第六，求出无形资产的期望剩余寿命。
（三）成本收益双折现法。成本收益双折现法，即历史成本双折现及超额收益现值法，是指在无形资产评估时，按被评估无形资产的历史成本折现值，加上其使用过程中的价值积累和超额预期收益现值，减去应扣损耗或贬值，来确定被评估无形资产价格的一种方法。该评估方法适用于一切易于获取历史数据的无形资产的评估，重置成本可以获得的无形资产的评估。对于不可辨认的无形资产“商誉”的评估，该评估方法也是适合的。当涉及到无形资产的使用权的转让和许可权时，该评估方法是不适宜的，因为其评估的结果不易为交易双方所接受。
成本收益双折现法的计算公式为：
无形资产评估值=历史成本折现值＋使用过程中的价值积累＋超额预期收益现值－实体性贬值－功能性贬值－经济性贬值。
（1）历史成本折现值，即无形资产的历史折现至评估日的值。当评估该项无形资产的历史成本数据资料易于获取时，可根据该项无形资产的历史成本，按照一定的复利率折现为评估日的数据；如果评估日该项无形资产的历史成本数据资料不易或不能获得时，可用其完全重置成本代替之。（2）使用过程中价值积累，即无形资产在使用过程中的投入积累。（3）实体性贬值，也称有形磨损贬值，它是指资产在使用或闲置中因磨损、变形、老化等造成实体性陈旧而引起的贬值。（4）功能性贬值，也称无形磨损贬值，它是由于技术进步出现性能优越的新的无形资产，使原有的无形资产部分或全部失去使用价值而造成的贬值。（5）经济性贬值，指由于外界因素引起的，与同性质资产相比活力能力下降而造成的损失。市场需求的减少、原材料供应的变化、成本的上升、通货膨胀、利率的上升等因素都可能使原有无形资产不能发挥应有的效能而贬值。（6）预期超额收益现值。如果至评估日，无形资产才开始出现，则公式中除第一项和最后一项外其余各项均为零．这时该评估方法与现行的三种评估方法中的收益现值法等价。
（四）成本收益现值法。成本收益现值法，就是考查评估基准日以前评估对象所费成本，并通过一定的物价指数将此成本调整为评估基准日时的价值(现值)作为评估对象评估价值的一部分；评估价值的另一部分是在预测未来一定时期内企业各年销售收入的基础上确定合适的提成率，其提成额除税后作为评估对象带来各年收益，再通过折现求和计算所得的结果，以上两部分之和即为该评估对象的评估值。由上述可见，该方法同时考虑重置成本标准和收益现值两种标准，它比单一的重置成本或收益现值标准全面，该方法适用于商标所有权价值的评估。其计算公式为：
其中：V评估值；C评估对象成本现值；α企业各年的销售额；β所得税率；r折现率；m评估对象经济寿命期分界段。
论文关键词：LED显示屏的常见故障及排除方法
LED显示屏的工作原理及基本结构
进行故障排除，必须了解LED显示屏的工作原理及基本结构，明确信号的流向。LED是发光二极管的简称科技小论文，LED显示屏即是用大量LED发光管按一定顺序排列形成的显示设备。显示屏一般由单元板（模组）拼成，每个单元板上按一定规律集成了一定数量的LED灯及控制和供电电路。作为一个完整的系统，LED显示屏由控制计算机、屏体、供电装置、信号传输线等组成。在所有的组成部分中，屏体出故障的可能性最大，屏体故障的排除也是LED显示屏日常维护、维修的重点。
显示屏常见故障及排除办法
LED显示屏按使用的环境分室
摘要的工作电压，输出电压为直流5伏。
常见故障一：某一条块无信号
通过上面对LED显示屏屏体结构的阐述，某一条（块）单元板无信号的原因有两种可能，一是电源供电不正常，二是显示信号没能传送过来。对于第一种情况，可以检查该单元板上的供电插头是否接触不良，或用万用表测量输出电压是否正常。对于第二种情况，应检查传送信号的排线是否松动，断裂，可用替换法进行排除。通常情况下，供电造成某一条块无信号的可能性最大，其次是排线有问题，而单元板芯片出问题的可能性较小。
常见故障二：大面积无信号
常见故障三：常亮点的出现
常亮点也称为失控点。该亮点对应的发光二极管处于长亮状态，不随输入信号的变化而变化。该故障的出现主要是由于相应发光二极管的管脚短路造成的，如导电碎屑（新屏出现的概率大些）和水珠（雨雪天气）引起的。当故障出现时，可以在屏体上该亮点对应的单元板上仔细查找短路位置，清除即可。
常见故障四：单元板上蜂窝状黑点的出现
单元板上出现蜂窝状黑点也是常见故障之一。黑点和常亮点一样，都称为失控点，但故障原因不同。黑点的出现一般是由于发光二极管的管脚接触不良引起的，即出现了虚焊。要重新焊接虚焊点，一定要将单元板从屏上取下，等焊好后再安装到原位置。不能在屏体上直接进行焊接，因为直接在屏体上焊接的话可能因光线不好或空间狭小引起误操作，还可能出现焊锡落到其他单元板上科技小论文，引起新的故障。
常见故障五：拖尾现象
和电脑显示器要设置刷新频率一样，LED显示屏的刷新频率设置不当也会带来问题。刷新频率是LED显示屏的显示数据每秒钟被重复显示的次数。刷新频率越高，图像越清晰，但也不能太高，太高会出现黑屏现象且影响使用寿命；太低则会出现拖尾现象，尤其是信号末端不够清晰。笔者最近就遇到了类似问题：两块显示屏以串联方式显示同样内容，最近发现在屏幕的一端出现拖尾现象，且两块屏的故障部位几乎相同。在排除了屏体的原因后，经检查发送卡的参数设置，发现刷新频率设置较低，为200Hz，室外屏的设置应为300Hz——600Hz。重新设置后，显示正常。
技术创新预测和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评估,可以使企业对未来的技术发展水平及其变化趋势有正确的把握,从而为企业的技术创新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盲目性。只有在正确把握技术创新发展方向的前提下,企业的技术创新工作才能沿着正确方向开展,企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中,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评估提出了更高的要求。
二、本课题国内外研究现状及发展趋势
目前,在我国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,但技术创新的评估是一个非常复杂的系统,其中存在着广泛的非线性、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,难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究,在我国的历史还不长,无论是指标体系还是评估方法,均处于研究
之中,我们认为目前在企业技术创新评估方面应做的工作是:(1)建立一套符合我国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、非线性和不确定性的综合评估方法。
这种情况下,神经网络技术就有其特有的优势,以其并行分布、自组织、自适应、自学习和容错性等优良性能,可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题,它能克服上述各方法的不足。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神经网络由输入层、隐含层和输出层构成,各层的神经元数目不同,由正向传播和反向传播组成,在进行产品技术创新预测和评估时,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,经隐含层处理后传入输出层,其输出值y即为产品技术创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因素和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,但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合,输出一个经非线性变换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,但尚未发现将神经网络应用于技术创新预测与评估方面的研究,在当前产品的市场寿命周期不断缩短、要求企业不断推出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的有益补充和完善。
三、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预测和评估方法体系;(2)将神经网络技术引入技术创新的预测和评估,有利于推动技术创新预测和评估方法的发展。
本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神经网络的综合评估方法,有利于提高评估的科学性;(3)为企业的技术创新预测和评估工作提供新的方法论和实用技术。
四、课题研究的主要内容
以bp神经网络模型为基础研究基于多因素的技术创新预测和评估模型,并建立科学的预测和评估指标体系及设计相应的模型计算方法,结合企业的具体实际,对指标和模型体系进行实证分析,使研究具有一定的理论水平和实用价值。
3、基于bp神经网络的技术创新预测和评估模型研究。根据技术创新预测的特点,以bp神经网络为基础,构建基于多因素的技术创新预测和评估模型。
4、基于bp神经网络的技术创新预测和评估模型计算方法设计。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,设计其相应的计算方法。
6、基于bp神经网络的技术创新预测和评估技术的实证研究。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技术进行实证研究。
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,另一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经济形势,参考国外先进发达国家的研究工作,建立一套适合于我国企业技术创新预测和评估指标体系,此为本研究要做的首要工作,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方法。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性能,能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题,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。
五、课题研究的基本方法、技术路线的
可行性论证
1、重视系统分析。以系统科学的思想为指导来分析影响企业技术创新发展和变化的宏观因素和微观因素,并研究影响因素间的内在联系,确定其相互之间的重要度,探讨其量化和规范化的方法,将国外先进国家的研究成果与我国具体实际相结合,建立我国企业技术创新预测和评估的指标体系。
2、重视案例研究。从国内外技术创新预测与决策成功和失败的案例中,发现问题、分析问题,归纳和总结出具有共性的东西,探索技术创新预测与宏观因素与微观因素之间的内在关系。
3、采用先简单后复杂的研究方法。对基于bp神经网络的技术创新预测和评估模型的研究,先从某一行业出发,定义模型的基本输入因素,然后,逐步扩展,逐步增加模型的复杂度。
4、理论和实践相结合。将研究工作与具体企业的技术创新实际相结合,进行实证研究,在实践中丰富和完善,研究出具有科学性和实用性的成果。
六、开展研究已具备的条件、可能遇到的困难与问题及解决措施
七、论文研究的进展计划
2003.07-2003.09：完成论文开题。
2003.09-2003.11：影响企业技术创新发展的指标体系研究及其量化和规范化。
2003.11-2004.01：基于bp神经网络的技术创新预测和评估模型的构建。
2004.01-2004.03：基于bp神经网络的技术创新预测和评估模型计算方法研究。
2004.03-2004.04：基于bp神经网络的技术创新预测和评估模型体系的实证研究。
2004.04-2004.06：完成论文写作、修改定稿，准备答辩。
[01]傅家骥、仝允桓等.技术创新学.北京:清华大学出版社1998
[02]吴贵生.技术创新管理.北京:清华大学出版社2000
[03]柳卸林.企业技术创新管理.北京:科学技术出版社1997
[04]赵志、陈邦设等.产品创新过程管理模式的基本问题研究.管理科学学报.2000/2.
[05]王亚民、朱荣林.风险投资项目ecv评估指标与决策模型研究.风险投资.2002/6
[06]赵中奇、王浣尘、潘德惠.随机控制的极大值原理及其在投资决策中的应用.控制与决策.2002/6
[07]夏清泉、凌婕.风险投资理论和政策研究.国际商务研究.2002/5
[08]陈劲、龚焱等.技术创新信息源新探.中国软科学.2001/1.pp86-88
[09]严太华、张龙.风险投资评估决策方法初探.经济问题.2002/1
[10]苏永江、李湛.风险投资决策问题的系统分析.学术研究.2001/4
<11>孙冰.企业产品开发的评价模型及方法研究.中国管理科学.2002/4
[12]诸克军、杨久西、匡益军.基于人工神经网络的石油勘探有利性综合评价.系统工程理论与实践.2002/4
[13]杨力.基干bp神经网络的城市房屋租赁估价系统设计.中国管理科学.2002/4
[14]杨国栋、贾成前.高速公路复垦土地适宜性评价的bp神经网络模型.统工程理论与实践.2002/4
[15]楼文高.基于人工神经网络的三江平原土壤质量综合评价与预测模型.中国管理科学.2002/1
[16]胥悦红、顾培亮.基于bp神经网络的产品成本预测.管理工程学报.2000/4
[17]陈新辉、乔忠.基于tsa-bp神经网络的企业产品市场占有率预测模型.中国农业大学学报.2000/5
[18]刘育新.技术预测的过程与常用方法.中国软科学.1998/3
[19]温小霓、赵玮.市场需求与统计预测.西安电子科技大学学报.2000/5
[20]朱振中.模糊理论在新产品开发中的应用.科学管理研究.2000/6
[21]kimb.clark&takahirofuj
imoto.productdevelopmentperformance–strategy、organizationandmanagementinindustry.harvardbusinessschoolpress.boson1993
[22]gobelidh,browndj.improvingtheprocessofproductinnovation.research,technologymanagement,1993.36（2）:46-49
[23]simonj.towner.fourwaystoacceleratenewproductdevelopment.longrangplanning1994.27（2）:57-65
[24]abdulali,etal.productinnovationandentrystrategy.journalofproductinnovationmanagement1995.12（12）:54-69
[25]ericvinhippel.thesourcesofinnovation.oxforduniversitypress.1988
[26]shtuba,zimermany.aneural-network-basedapproachforestimatingthecostofassembly.internationaljournalofproductioneconomics,1993.32:189-207
[27]wee-liangtan,dattarreyag.allampalli,investmentcriteriaofsingaporecapitalists,1997internationalcouncilforsmallbusiness,sanfrancisco,california,june1997
[28]michaelhenos,theroadtoventurefinancing:guidelinesforentrepreneuts,r&dstraregistmagazine,summer1991
[29]chowgc,thelargrangemethodofoptimizationwithapplicationstoportfoliandinvestmentdecisions.jofeconomicdymamicsandcontrol1996
[30]jensen,r..informationcostandinnovationadoptionpolicies,managementscience.vol.34,no.2,feb,1988
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研究
目前,在我国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,但技术创新的评估是一个非常复杂的系统,其中存在着广泛的非线性、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,难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究,在我国的历史还不长,无论是指标体系还是评估方法,均处于研究
这种情况下,神经网络技术就有其特有的优势,以其并行分布、自组织、自适应、自学习和容错性等优良性能,可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题,它能克服上述各方法的不足。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神经网络由输入层、隐含层和输出层构成,各层的神经元数目不同,由正向传播和反向传播组成,在进行产品技术创新预测和评估时,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,经隐含层处理后传入输出层,其输出值Y即为产品技术创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因素和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,但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合,输出一个经非线性变换后较为精确的预测值和评估值。
本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神经网络的综合评估方法,有利于提高评估的科学性;(3)为企业的技术创新预测和评估工作提供新的方法论和实用技术。
以BP神经网络模型为基础研究基于多因素的技术创新预测和评估模型,并建立科学的预测和评估指标体系及设计相应的模型计算方法,结合企业的具体实际,对指标和模型体系进行实证分析,使研究具有一定的理论水平和实用价值。
3、基于BP神经网络的技术创新预测和评估模型研究。根据技术创新预测的特点,以BP神经网络为基础,构建基于多因素的技术创新预测和评估模型。
4、基于BP神经网络的技术创新预测和评估模型计算方法设计。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,设计其相应的计算方法。
6、基于BP神经网络的技术创新预测和评估技术的实证研究。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技术进行实证研究。
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方法。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性能,能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题,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。
五、课题研究的基本方法、技术路线的可行性论证
3、采用先简单后复杂的研究方法。对基于BP神经网络的技术创新预测和评估模型的研究,先从某一行业出发,定义模型的基本输入因素,然后,逐步扩展,逐步增加模型的复杂度。
选题依据：
目前,在我国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,但技术创新的评估是一个非常复杂的系统,其中存在着广泛的非线性、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,难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究,在我国的历史还不长,无论是指标体系还是评估方法,均处于研究之中,我们认为目前在企业技术创新评估方面应做的工作是:(1)建立一套符合我国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、非线性和不确定性的综合评估方法。
研究目标：
研究内容：
创新点：
2003.11-2004.01：基于BP神经网络的技术创新预测和评估模型的构建。
2004.01-2004.03：基于BP神经网络的技术创新预测和评估模型计算方法研究。
2004.03-2004.04：基于BP神经网络的技术创新预测和评估模型体系的实证研究。
主要参考文献：
[05]王亚民、朱荣林.风险投资项目ECV评估指标与决策模型研究.风险投资.2002/6
[13]杨力.基干BP神经网络的城市房屋租赁估价系统设计.中国管理科学.2002/4
[14]杨国栋、贾成前.高速公路复垦土地适宜性评价的BP神经网络模型.统工程理论与实践.2002/4
[16]胥悦红、顾培亮.基于BP神经网络的产品成本预测.管理工程学报.2000/4
[17]陈新辉、乔忠.基于TSA-BP神经网络的企业产品市场占有率预测模型.中国农业大学学报.2000/5
[21]KimB.Clark&TakahiroFujimoto.ProductDevelopmentPerformance–Strategy、OrganizationandManagementinIndustry.HarvardBusinessSchoolPress.Boson1993
[22]GobeliDH,BrownDJ.Improvingtheprocessofproductinnovation.Research,TechnologyManagement,1993.36(2):46-49
[23]SimonJ.Towner.Fourwaystoacceleratenewproductdevelopment.LongRangPlanning1994.27(2):57-65
[24]AbdulAli,etal.Productinnovationandentrystrategy.JournalofProductInnovationManagement1995.12(12):54-69
[25]EricVinHippel.ThesourcesofInnovation.OxfordUniversityPress.1988
[26]ShtubA,ZimermanY.Aneural-network-basedapproachforestimatingthecostofassembly.InternationalJournalofProductionEconomics,1993.32:189-207
[27]Wee-LiangTan,DattarreyaG.Allampalli,InvestmentCriteriaofSingaporeCapitalists,1997InternationalCouncilforSmallBusiness,SanFrancisco,California,June1997
[28]MichaelHenos,TheRoadtoVentureFinancing:GuidelinesforEntrepreneuts,R&DStraregistMagazine,Summer1991
[29]ChowGC,TheLargrangeMethodofoptimizationwithapplicationstoportfoliandinvestmentdecisions.JofEconomicDymamicsandControl1996
[30]Jensen,R..InformationCostandInnovationAdoptionPolicies,ManagementScience.Vol.34,No.2,Feb,1988
[31]R.K.Zutshi,T.W.Liang,D.G.Allampulli,SingaporeVentureCapitalistsInvestmentEvaluationCriteria:AReexamination.SmallBusinessEconomics13:9-26(1999)
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研究
技术创新预测和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评估，可以使企业对未来的技术发展水平及其变化趋势有正确的把握，从而为企业的技术创新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盲目性。只有在正确把握技术创新发展方向的前提下，企业的技术创新工作才能沿着正确方向开展，企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中，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评估提出了更高的要求。
目前，在我国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，但技术创新的评估是一个非常复杂的系统，其中存在着广泛的非线性、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，难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究，在我国的历史还不长，无论是指标体系还是评估方法，均处于研究之中，我们认为目前在企业技术创新评估方面应做的工作是:(1)建立一套符合我国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、非线性和不确定性的综合评估方法。
这种情况下，神经网络技术就有其特有的优势，以其并行分布、自组织、自适应、自学习和容错性等优良性能，可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题，它能克服上述各方法的不足。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神经网络由输入层、隐含层和输出层构成，各层的神经元数目不同，由正向传播和反向传播组成，在进行产品技术创新预测和评估时，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，经隐含层处理后传入输出层，其输出值y即为产品技术创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因素和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，但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合，输出一个经非线性变换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，但尚未发现将神经网络应用于技术创新预测与评估方面的研究，在当前产品的市场寿命周期不断缩短、要求企业不断推出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的有益补充和完善。
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预测和评估方法体系;(2)将神经网络技术引入技术创新的预测和评估，有利于推动技术创新预测和评估方法的发展。
本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神经网络的综合评估方法，有利于提高评估的科学性;(3)为企业的技术创新预测和评估工作提供新的方法论和实用技术。
以bp神经网络模型为基础研究基于多因素的技术创新预测和评估模型，并建立科学的预测和评估指标体系及设计相应的模型计算方法，结合企业的具体实际，对指标和模型体系进行实证分析，使研究具有一定的理论水平和实用价值。
3、基于bp神经网络的技术创新预测和评估模型研究。根据技术创新预测的特点，以bp神经网络为基础，构建基于多因素的技术创新预测和评估模型。
4、基于bp神经网络的技术创新预测和评估模型计算方法设计。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，设计其相应的计算方法。
6、基于bp神经网络的技术创新预测和评估技术的实证研究。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技术进行实证研究。
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，另一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经济形势，参考国外先进发达国家的研究工作，建立一套适合于我国企业技术创新预测和评估指标体系，此为本研究要做的首要工作，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方法。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性能，能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题，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。
1、重视系统分析。以系统科学的思想为指导来分析影响企业技术创新发展和变化的宏观因素和微观因素，并研究影响因素间的内在联系，确定其相互之间的重要度，探讨其量化和规范化的方法，将国外先进国家的研究成果与我国具体实际相结合，建立我国企业技术创新预测和评估的指标体系。
2、重视案例研究。从国内外技术创新预测与决策成功和失败的案例中，发现问题、分析问题，归纳和总结出具有共性的东西，探索技术创新预测与宏观因素与微观因素之间的内在关系。
3、采用先简单后复杂的研究方法。对基于bp神经网络的技术创新预测和评估模型的研究，先从某一行业出发，定义模型的基本输入因素，然后，逐步扩展，逐步增加模型的复杂度。
4、理论和实践相结合。将研究工作与具体企业的技术创新实际相结合，进行实证研究，在实践中丰富和完善，研究出具有科学性和实用性的成果。
07-.09：完成论文开题。
09-.11：影响企业技术创新发展的指标体系研究及其量化和规范化。
11-.01：基于bp神经网络的技术创新预测和评估模型的构建。
01-.03：基于bp神经网络的技术创新预测和评估模型计算方法研究。
03-.04：基于bp神经网络的技术创新预测和评估模型体系的实证研究。
04-.06：完成论文写作、修改定稿，准备答辩。
[02]吴贵生.技术创新管理.北京:清华大学出版社
[04]赵志、陈邦设等.产品创新过程管理模式的基本问题研究.管理科学学报./2.
[05]王亚民、朱荣林.风险投资项目ecv评估指标与决策模型研究.风险投资./6
[06]赵中奇、王浣尘、潘德惠.随机控制的极大值原理及其在投资决策中的应用.控制与决策./6
[07]夏清泉、凌婕.风险投资理论和政策研究.国际商务研究./5
[08]陈劲、龚焱等.技术创新信息源新探.中国软科学./1.pp86-88
[09]严太华、张龙.风险投资评估决策方法初探.经济问题./1
[10]苏永江、李湛.风险投资决策问题的系统分析.学术研究./4
<11>孙冰.企业产品开发的评价模型及方法研究.中国管理科学./4
xx.07-xx.09：完成论文开题。
xx.09-xx.11：影响企业技术创新发展的指标体系研究及其量化和规范化。
xx.11-xx.01：基于bp神经网络的技术创新预测和评估模型的构建。
xx.01-xx.03：基于bp神经网络的技术创新预测和评估模型计算方法研究。
xx.03-xx.04：基于bp神经网络的技术创新预测和评估模型体系的实证研究。
xx.04-xx.06：完成论文写作、修改定稿，准备答辩。
[02]吴贵生.技术创新管理.北京:清华大学出版社xx
[04]赵志、陈邦设等.产品创新过程管理模式的基本问题研究.管理科学学报.xx/2.
[05]王亚民、朱荣林.风险投资项目ecv评估指标与决策模型研究.风险投资.xx/6
[06]赵中奇、王浣尘、潘德惠.随机控制的极大值原理及其在投资决策中的应用.控制与决策.xx/6
[07]夏清泉、凌婕.风险投资理论和政策研究.国际商务研究.xx/5
[08]陈劲、龚焱等.技术创新信息源新探.中国软科学.xx/1.pp86-88