基于多智能体的高校科技成果转化实施知识管理的组织形式研究.docVIP

PAGE PAGE 5 摘要：针对高校科技成果转化具有一定模糊性的特点,本文利用模糊神经网络具有模糊化和良好泛化（预测）能力，在给出高校科技成果转化评价指标的基础上，建立了高校科技成果转化评价的模糊神经网络模型。实例验证了该模型具有较好的学习能力，可以较好地对高校科技成果转化进行评价。 关键词：高校科技成果转化；模糊神经网络；评价体系 中图分类号： G311 文献标识码：A Evaluation for Scientific and Technological Achievement Transformation of Universities based on Fuzzy Neural Network WANG Gui-yue1，2, Wang Shu’en2 （1 School of Information Management, Shandong Economic University, Jinan, 250014, China 2. College of Management, Tianjin University, Tianjin 300072，China） 高等院校作为科技成果的重要创新源头之一,其成果转化率的高低直接关系着我国经济的发展和综合国力的提高。目前,关于高校科技成果转化评价,是新时期高等院校科研改革的热点和难点问题。国内外的研究大多定位于从宏观角度对全国的科技成果转化进行评价，针对高校科技成果转化这个新问题进行的研究比较少，所用测度指标过于简单，缺乏系统的设计和严格界定，一些衡量高校科技成果转化的重要信息得不到全面反映。另外，在设置指标体系的时候，没有有效区分科技成果的类型，把不同类型的科技成果使用相同的指标体系进行评价，当然不能够达到应有的评价效果。目前,我国高校科技成果转化率比较低，有大量科技成果被束之高阁，高校科技成果无法转化为现实生产力，造成了大量人力、财力、物力浪费，所以有必要建立合理的指标体系和评价模型来对高校的科技成果转化给予评价，以促进高校科技成果转化工作，为国家创造出更多的经济效益和社会效益[1]。 由于高校科技成果转化具有一定的模糊性,一些学者采用模糊综合评价方法建立了高校科技成果转化评价的综合评价体系[2] [3]；也有一些学者运用网络层次分析法对高校科技成果转化进行评价[1]。然而,从上述的评价指标体系可以看到,各个指标之间往往并不是相互独立的,常会出现某些指标之间相互影响、相互支配的情况,传统的方法无法做出更为准确的评价。本文在以上研究的基础上,借鉴模糊神经网络法(FNN)的相关研究进展,在构建高校科技成果转化的评价指标体系上进行了部分改进，建立了高校科技成果转化评价的模糊神经网络模型，为科学地评价高校科技成果转化提供定量依据。 1.高校科技成果转化评价体系的构建 高校科技成果分成了基础类科技成果和应用类科技成果两类，由于基础类科技成果和应用类科技成果有着各自的特点，所以进行科技成果转化评价时要兼顾二者的特点。评价体系指标的选择应该比较全面地体现高校科技成果转化评价目的的要求，比较全面地反映科技成果转化的各方面特征，能够科学、客观的体现评价对象的特征，而且，要考虑到现实的可能性，指标体系应适应于评价的方式，适用于指标使用者对指标的理解接受程度和判断能力。基于以上原则，本文选择的高校科技成果转化评价指标如下： （1）科技创新能力：反映高校科技成果转化过程中的科技创新能力,主要包括师资力量、硬件基础（图书馆和仪器设备等）、科研基地实力、学术每年交流数。 （2）科技成果的转化能力：反映科技成果转化状况的指标,包括科技成果转让成功率、技术转让收入、学校的支持力度、成果转化的经费投入。 （3）研发能力：它反映了高校基本的和最具核心竞争力的研发水平，主要包括科研项目每年申请数、科研与技术开发项目完成率、专利每年申请数、每年人均研发经费、专职研发人员人均配备。 （4）经济和社会效益：它反映科技成果转化活动所带来的社会效益、经济效益和技术进步对经济增长的贡献。 2.基于模糊神经网络的高校科技成果转化评价模型 2.1模糊神经网络 模糊神经网络是将模糊逻辑与神经网络适当的结合起来,适合表达模糊或定性的知识,推理方式类似于人的思维模式,能够处理不确定性、非线性的问题,并具有并行计算、分布式信息存储、容错能力强以及具备自适应学习功能等优点[4]。 图1模糊神经元的模型 模糊神经网络的基本单元是模糊神经元，模糊神经元的模型见图1。模糊神经元的输入均为以隶属度表示的模糊量, 。模糊神经元按照适当的模糊算子对输入量进行处理，并产生一个模糊输出量。 图2 模糊神经网络的结构 模糊神经网络的结构见图2，整个网络由4层组成，分别为输入层、模糊化层