首页--文化、科学、教育、体育论文--高等教育论文--科学研究工作论文

基于模糊神经网络的高校专利技术产业化风险评估

致谢第1-6页
中文摘要第6-7页
Abstract第7-11页
图表清单第11-14页
1 绪论第14-33页
   ·研究背景第14-17页
     ·相关概念的界定第15-16页
     ·研究的现实需要第16-17页
   ·研究意义第17-19页
     ·理论意义第18页
     ·实践意义第18-19页
   ·国内外研究现状第19-25页
     ·专利技术产业化的研究现状第19-20页
     ·高校专利技术产业化的研究现状第20-22页
     ·风险评估理论研究现状第22-24页
     ·基于模糊神经网络的高校专利技术产业化风险评估研究现状第24-25页
   ·高校专利技术产业化发展现状与问题分析第25-29页
     ·高校专利技术产业化发展现状第25-28页
     ·高校专利技术产业化问题研究第28-29页
   ·研究内容与创新点第29-31页
     ·研究内容第30页
     ·创新点第30-31页
   ·研究方法与研究技术路线第31-33页
     ·研究方法第31页
     ·研究技术路线图第31-33页
2 相关理论概述第33-49页
   ·风险识别理论第33-34页
     ·风险的性质第33-34页
     ·风险识别方法第34页
   ·高校专利技术产业化理论分析第34-37页
     ·高校专利技术产业化模式第34-35页
     ·高校专利技术产业化风险研究第35-37页
   ·风险评估方法第37-49页
     ·灰色多层次分析方法第37-39页
     ·BP神经网络(BPNN)第39-43页
     ·模糊神经网络(FNN)第43-47页
     ·BP神经网络与模糊神经网络对比研究第47-49页
3 高校专利技术产业化风险评估指标体系构建第49-56页
   ·评估指标体系构建基本原则与基本流程第49-50页
     ·评估指标体系构建的基本原则第49页
     ·评估指标体系构建的基本流程第49-50页
   ·评估指标体系构建第50-56页
     ·评估指标体系的设计第51-54页
     ·评估指标体系的组成第54-56页
4 基于模糊神经网络的高校专利技术产业化风险评估模型构建第56-60页
   ·模型构建的总体思路及基本步骤第56页
     ·模型构建的总体思路第56页
     ·模型构建的基本步骤第56页
   ·评估模型的建立第56-60页
     ·评估模型的网络结构第57页
     ·评估模型的参数第57-60页
5 实证研究-清华大学专利技术产业化风险评估第60-88页
   ·清华大学专利技术产业化现状第60-62页
     ·清华大学专利技术产业化成果第60页
     ·清华大学专利技术产业化风险研究第60-62页
   ·基于灰色多层次分析方法的清华大学专利技术产业化风险评估第62-70页
     ·确定评估灰类及白化权函数第62-63页
     ·评定等级第63页
     ·确定指标体系及各级指标权重第63-67页
     ·专家评分及灰色综合评估第67-70页
   ·基于BP神经网络的清华大学专利技术产业化风险评估第70-76页
     ·输入节点数第70页
     ·输入输出层数据进行归一化处理第70-73页
     ·输出层节点数第73页
     ·隐含层节点数第73-74页
     ·学习效率η第74-75页
     ·MATLAB算法及评估等级第75-76页
     ·网络训练与仿真第76页
   ·基于模糊神经网络的清华大学专利技术产业化风险评估第76-83页
     ·风险定级第77页
     ·数据处理第77-81页
     ·模糊神经网络的训练第81-82页
     ·模糊神经网络的测试第82-83页
   ·清华大学专利技术产业化风险评估方法对比分析第83-85页
     ·三种评估方法的基本步骤第83页
     ·模糊神经网络对高校专利技术产业化风险评估的优越性第83-85页
   ·高校专利技术产业化风险控制对策研究第85-88页
     ·鼓励高校主动进行专利技术产业化第85页
     ·建立以市场为导向产学研相结合的研发战略第85-86页
     ·加强校企科技合作,增大企业对高校专利技术产业化的推力第86页
     ·设立专业的专利技术产业化服务机构第86-87页
     ·完善专利产业化平台建设,提高实施效率第87-88页
6 结论第88-90页
参考文献第90-94页
附录第94-104页
作者简历第104-106页

论文共106页,点击 下载论文
上一篇:移动学习环境下学习资源建设模式的研究
下一篇:基于双芯光纤的高性能全光纤光调制器的研究