APP下载

基于BP神经网络的企业突破性创新绩效评价研究

2014-06-12尹惠斌游达明

软科学 2014年5期
关键词:BP神经网络绩效评价

尹惠斌 游达明

摘要:基于突破性创新的特征,借鉴传统创新绩效评价模式,从资源投入、技术产出、产品性能、过程管理、商业价值和社会价值等6个维度构建企业突破性创新绩效评价指标体系,并利用BP神经网络原理建立了企业突破性创新绩效评价模型。通过对样本企业的突破性创新绩效评价进行模型训练和仿真验证,结果表明该评价方法可信度高,模型具有较好的泛化能力。

关键词:突破性创新;绩效评价;BP神经网络

中图分类号:F273.1文献标识码:A文章编号:1001-8409(2014)05-0125-05

1引言

在激烈而不确定的超竞争环境下,突破性创新是企业获取持续竞争优势的基石。建立切实可行的突破性技术创新绩效评价指标体系,对突破性技术创新绩效做出合理评价,将会大大地提高企业团队和个人进行突破性创新的动力和积极性。文献检索发现:目前关于突破性创新绩效评价的研究较少,相互之间也存在较大差异。如李宏贵认为:突破性创新绩效包括主动突破性创新绩效和适应突破性创新绩效,用申请的专利数和开发的新产品数2个指标衡量前者,用引进市场的新产品数销售增长率与利润增长率等3个指标来衡量后者[1];曾攀从一般的创新绩效评价和突破性技术创新的特征两个方面入手,提出以财务绩效、技术绩效和机会窗口作为企业突破性技术创新绩效的基本维度[2];秦剑把突破性创新的微观路径分为产品创新与过程创新,前者包括新产品研发的数量、新产品的市场美誉度和品牌形象、新产品对顾客需求的满足程度以及新产品的性能和质量等4个指标,后者包括生产设备、工艺流程、管理控制系统、运营有效性等4个指标[3]。但这些绩效评价思路和指标体系,仍是延续了传统渐进性创新评价思路,对“突破性”的考虑不足。与渐进性创新不同,突破性创新常常是基于完全不同的科学技术原理对现有技术锁定进行突破,产生革命性的技术变革,以适应未来市场的需求和划定特定的市场利基的方式来获得竞争优势。因此,识别什么是突破性创新是对其进行绩效评价的前提。在突破性创新识别方面,已有学者进行了相关研究,如陈劲在深刻揭示突破性创新本质的基础上,从技术、市场、产品3个维度,使用模糊评价方法设计了突破性创新的识别指标体系[4];孙圣兰在此基础上,综合考虑突破性技术创新识别评价过程中信息的不完全性以及评判者思维的模糊性,建立了识别突破性技术创新的灰色模糊综合评判模型[5];马北玲则从技术、市场、产品、管理、财务、环境6个维度构建识别指标集,利用支持向量机原理建立了企业突破性创新识别模型[6]。为此,本文拟在进一步厘清突破性创新特点的前提下,整合传统技术创新绩效评价思路,借鉴突破性创新识别指标,采用BP神经网络方法建立起相应的突破性创新绩效评价模型。

2突破性创新的特点

2.1技术路径的不连续性

突破性创新是架构在全新知识基础之上的一种不连续性创新,该类创新的成果能够替代既有技术,形成新的技术主导范式。例如在计算机硬件技术发展史上, 晶体管代替真空管、软磁盘诞生、集成电路的发明是计算机发展史上的转折点, 都是具有代表性的不连续创新。从技术路径的角度来看,在同一技术路径上的改进性创新就是一种渐进性创新,而采取完全不同的技术路径则为突破性创新,有时虽然有技术路径的改变但仍是建立在原有路径上的创新属重大创新[7]。

2.2产品替代的不可逆性

不可逆产品替代是指在一个较长的时间内,某一新产品的出现和发展会导致原有的某些产品或产业逐渐被更替,最终这些产品将被淘汰而退出原有领域的现象[8]。正如人类不可能从电气时代回到蒸汽时代,也不会将蜡烛再次作为照明物来完全取代电灯一样。因此,突破性技术创新是一种对产品的全新性能有数量级的提高或者成本有明显下降的创新,有利于企业获得持续性的竞争优势。

2.3市场发展的颠覆性

突破性技术创新能更好地满足用户的原有需求或创造出新的需求,最终导致全新产品、 服务或工艺的出现,这也常常意味着一批企业的消亡和另一批企业的诞生。破坏性创新通过提供更简单、更便宜、比现有技术更可信赖和更方便的技术,可能导致市场主流顾客对产品性能的需求发生根本性变化,并重新确立产业竞争规则,进而导致行业内原有竞争优势明显的成熟型大企业因偏离顾客需求而逐渐丧失竞争优势。突破性创新是对现有市场的颠覆,是一种创造性的破坏。

2.4创新目标的不确定性

突破性创新并不是专注于对现有问题或技术道路的改进,而是专注于那些意料不到的机会、问题与成功的可能,试图进入到一个全新的技术轨道,它往往是突然发生的。同样,突破性创新亦不以满足消费者的当前消费需求为目标,具有面向新市场、面向低端市场的属性,不可能很快实现大幅盈利。因此突破性创新最终导致的资源组合、市场的占有以及消费者的态度是不可确定的,从而导致突破性技术创新的巨大风险性[9]。

3突破性创新绩效评价指标体系的构建

3.1传统的企业创新绩效评价模式

(1)投入产出评价。国内外学者对于技术创新绩效的理解主要集中在技术创新投入产出效率以及技术创新活动的产出与对企业的影响上,即财务维度和技术维度,前者包括R&D投入、利润增长、成本节省或新产品销售增长率;后者包括有专利数量、专利引用或新产品发布数等直接产出和技术转移、技术累积和技术溢出等间接效应和长期效益等。

(2)技术经济评价。企业创新绩效包括经济效益、社会效益和环境效益3个方面,经济效益是指创新对企业的贡献,主要指标有创新产品数、新产品销售收入和新产品利润率等;社会效益是社会的宏观层面,反映指标主要有创新产品对社会生产总值的贡献率、对顾客价值的创造等;环境效益主要是指创新产品对于环境改善和资源节约的贡献度等方面。

(3)产出过程评价。技术创新绩效是指企业技术创新过程的效率、产出的成果及对商业成功的贡献,创新是一个复杂的动态过程,创新过程绩效反映企业创新活动的管理水平,也直接影响企业最终的创新产出绩效,因此技术创新绩效包括产出绩效和过程绩效。

3.2突破性创新绩效评价指标设计思路

(1)指标体系既要具有绩效评价的一般性,也应反映突破性特征

突破性创新绩效从本质上说也属于创新绩效的范畴,根据上述关于创新绩效评价的分析,突破性创新绩效应包括财务效益、技术产出、产品性能、市场占有、创新管理、社会和环境等方面,但各指标的设计与构成也应反映出突破性创新的基本特征。如Leifer等对IBM等11家公司的12个突破性创新产品进行了数年的纵向追踪,总结出可将突破性创新与渐进性创新有效区分开来的一些数量特征[10]。

(2)指标体系既要包括直接财务绩效,也需包括间接创新产出

现代市场下企业竞争力已经从依赖于财务资源转向依赖于企业获取知识资本的能力和人力资源结构素质方面,而传统的创新绩效评价方法却无法满足这一要求,因此突破性创新绩效评价需要把顾客价值、内部学习与创新、员工的才干、组织的柔性等包括在内。如Cooper对102个成功新产品和93个失败新产品的比较研究中发现,产品创新不但可以提升企业的利润率,也对企业开发新市场和创造新机会有着重要贡献[11];蔡琼华等基于突破性技术创新的企业技术跨越机会窗口研究也表明,技术积累、技术的产业间迁移和集中顾客市场是技术跨越机会窗口实现的必要支持[12]。

(3)指标体系需包含突破性创新的投入、管理、产出等全过程

从企业管理的角度看,创新就是一个从新思想的产生,到研究、发展、试制、生产制造,直至成功商业化的过程。由于突破性创新产生的偶发性,如果仅以最终的产品商业化作为绩效评价标准,这显然会大大抑制突破性创新的积极性,需要从突破性创新的全过程,即从投入、管理和产出等多角度整合绩效评价体系。而对于是否需要将创新投入纳入创新绩效评价指标,尽管目前学术上还存在一些争议,认为混淆了投入指标与产出指标,但对于需要冲破技术路径依赖,未来面临众多不确定性的突破性创新而言,创新资源的投入是提高企业未来创新产出效率的现实选择。因此,从突破性创新的全过程来看,突破性创新绩效应包括产出绩效、过程绩效和投入绩效3方面。

3.3突破性创新绩效评价指标体系

遵循上述思路,在广泛借鉴相关绩效评价研究的基础上,依据突破性创新的内涵和特征,参考突破性创新识别指标,构建全方位、全过程的突破性创新绩效评价指标体系,如表1所示。

(1)突破性创新投入绩效指标

基于突破性创新与渐进性创新的诸多差异,企业在开发和利用两种创新方面所需的资源和条件会存在显著区别。渐进性创新活动的开展是基于企业现有的资源和能力,而突破性创新则可能使原有的技术荒废,甚至会对现有的资源和能力造成破坏。要提高突破性创新绩效,需要持续的、大量的资金和人才等创新资源投入,并且在研发成员的构成上既需要具有知识的差异性以避免惯性思维和集体盲思,也需要以突破性创新为企业共同愿景来协调企业创新资源获取和利益分配上的冲突。因此,选用资金投入量、资金投入比率、成员构成和共同愿景4个指标来测度突破性创新投入绩效。

(2)突破性创新技术绩效指标

突破性创新技术跨越了路径依赖,具有技术发展的非连续性,技术性能轨道的跃迁性改变了现有的技术和经济规则,从而保持技术的领先优势和地位。这种跃迁是一个量变到质变的过程,企业内部的技术积累和扩散、组织学习与知识融合是间接的技术创新绩效,对最终的直接技术产出有着重要影响。因此,在突破性创新技术绩效维度的测量上,采用专利数量、技术性能、组织学习、技术领先等4个指标。

(3)突破性创新产品绩效指标

技术并不是产品,产品的存在是为了满足用户的需求,一个不能满足用户需求的东西,即使技术上再完美那也算不上产品。与持续性创新产品不同,突破性创新产品最初难以获得主流用户的欢迎,因而很少能借用现有的客户关系网络,但它具有少数激进 (一般是新的) 用户喜欢的其他特性,从而可凭借卓越的性能对现有产品产生替代性或冲击性,为企业提供潜在的竞争优势领先机会。因此,突破性创新技术绩效维度的测量指标有产品性能、市场关注度、替代性、产品领先等4个。

(4)突破性创新过程绩效指标

突破性创新过程绩效反映企业突破性创新活动的管理水平,主要包括以下4个方面:一是研发团队的独立性,如均证明了突破性创新组织的二元性特征;二是失败容忍度,管理者在企业创新过程中能普遍做到容忍失败,就能更好地保护员工的首创精神;三是创意来源,突破性创新的特点决定了创意主要来自技术人员,而不是来自用户或高管;四是工艺创新,企业是否可以有效地更新生产设备和工艺流程。

(5)突破性创新商业绩效指标

突破性创新商业绩效可以从市场和财务两个角度共4个指标去测量。市场指标包括市场清晰度和市场吻合度。突破性创新产品首先大多应用在新出现或者不重要的市场,创新指向市场往往不明确、规模很难预测,而且创新指向市场也并不与主流市场吻合,不是对主流市场的补充和完善,而是一种替代。利润指标包括预期利润率和利润增长率。突破性创新产品最初的预期利润往往不能满足公司增长要求,但利润增长率非常快,实际利润远远超过预期利润。

(6)突破性创新社会绩效指标

贺善侃认为,所有的人类认知活动都是一种在创新中不断追求社会价值的过程。然而,科技创新对社会进步的正面和负面影响几乎是同时发生的,这就需要从人类应有的责任看待科技创新成果的应用,以生态价值观考察所有的科技创新成果,解决物质文明与生态文明的矛盾。因而可从以下4个方面来测量突破性创新社会绩效:一是主流产品性能过剩,因为性能相对消费者需求过剩,意味着竞争基础需要转移,突破性创新“机会窗口”出现;二是突破性创新产品的应用价值,即产品的价格更便宜、结构更简单、更便于使用;三是突破性创新产品的物质消耗降低率;四是突破性创新产品的环境友好程度。

4基于BP神经网络的突破性创新绩效评价模型

4.1模型的构建

BP 网络是单向传播的多层网络,它由输入层、隐含层和输出层3个层次构成,同层次内的神经元间没有联接,各层次的神经元间通过权重联接形成全互联结构[13]。由上述突破性创新绩效评价指标体系可知,该网络的输入层神经元个数为24;以评价结果作为网络输出,即输出层神经元个数是1。隐含层神经元个数h可参考经验公式计算:h=(m+n)1/2+c ,m为输入层神经元个数、n为输出层神经元个数、c是介于1~10的常数。由公式可知隐含层神经元个数在6~15之间,利用逐步回归分析法并进行参数的显著性检验来动态删除一些线性相关的神经元,最终确定隐含层包含13个神经元时效果最佳。输入节点与隐含层节点的联接权值为Vij,隐含层节点与输出节点之间的联接权值为Wjk。基于BP神经网络的突破性创新绩效评价模型如图1所示。

4.2模型的运行

如图1所示,神经网络的学习过程是神经网络在外界输入样本的刺激下不断改变网络的连接权值,以使网络的输出不断地接近期望的输出。输入信号Xi通过中间节点(隐含层点)作用于输出节点,经过非线形变换,产生输出信号Yk。网络输出值Yk与期望输出值tk之间会存在偏差,通过误差反传,逐步调整联接权值Vij和Wjk,使误差沿梯度方向下降,经过反复学习,当网络输出层的误差平方和小于指定的误差时,训练即告停止,保存相应的网络权值,即得到所需的评价模型。

5模型训练与仿真

5.1评价对象和数据收集

本文通过对湖南省高新技术产业园区中的企业进行问卷调查和实地访谈来收集数据。问卷根据表1中的企业突破性创新绩效评价二级指标体系来设计题项,并使每一题项均成为正向指标,如“创新指向市场与主流市场的吻合程度”指标的题项则需设计为“创新指向市场与主流市场不吻合”。每一题的分值采用李克特5点量表,即对每一陈述有“非常同意”、“同意”、“不一定”、“不同意”、“非常不同意”5种回答,分别记为5、4、3、2、1。根据调查对象问卷的填写完整度、行业和规模的均衡性,最终选取39个样本企业,其中29家企业作为训练样本,10家企业作为测试样本。

5.2确定期望输出和评价标准

通过专家访谈,采用层次分析法(AHP)得到各级指标对应的权重值,各一级指标权重与对应二级指标权重相乘得到评价指标的最终权重值,然后用各样本指标的赋分值和与相应的权重相乘后相加,得到最终的综合评价结果,并以此作为模型的输出向量。

根据研究需要并参考国内外突破性创新识别和相关评价标准,专家组认为综合得分在2分(含)以下,说明企业创新的“突破性”还不够,应视为持续性创新,并将2分以上的评语划分为5个等级,(2,2.5],(2.5,3],(3,3.5],(3.5,4],(4,5]分别代表企业的突破性创新绩效非常差、比较差、一般、比较好、非常好。

5.3神经网络模型的参数设定

根据上文,将企业突破性创新绩效评价指标体系的二级指标作为网络输入,以评价结果作为网络输出,则输入层神经元为24个,输出层神经元为1个,采用经验公式确定隐含层神经元个数13个,形成24-13-1型BP神经网络结构。模型中训练函数采用TRAINGD算法,输入层到隐含层的激励函数为tansig,隐含层到输出层的激励函数为purelin,导出模型结构图,如图2所示。

6结论

本文从突破性创新的内涵特征出发,构建了企业突破性创新绩效评价指标体系,采用高新技术企业作为训练样本,以企业突破性创新绩效评价指标体系为输入向量,以综合创新绩效水平为输出向量,按照误差逆传播多层前馈方法构建BP神经网络模型。从模型的测试及验证结果来看,该模型能正确合理地识别和评价企业的突破性创新及绩效水平,结果具有良好的信度和效度。训练好的网络,各联接权值是网络通过自适应学习得到的,具有较强的客观性且可以固定下来,是一个有较高实用价值的评价工具。然而尽管BP神经网络评价模型在最大程度上缩小了人为因素的影响,但学习样本的数量和质量以及作为输出向量的专家评价的准确性和合理性在很大程度上也影响着神经网络模型的学习性能,而且模型中隐含层数、激励函数的选择也主要取决于研究者的经验判断。随着我国企业突破性创新活动的更广泛开展,以及专家对突破性创新的更深入了解和BP神经网络算法的改进,模型的训练有待进一步开展以提高模型的实用性和结果的准确性。

参考文献:

[1]李宏贵,熊胜绪.互补资产对突破性创新绩效的影响研究——一个理论模型[J].科学学与科学技术管理,2010(7):64-71.

[2]曾攀.企业创新网络特征与突破性技术创新绩效关系研究[D].长沙:中南大学,2011.

[3]秦剑.高绩效工作实践系统、知识扩散与突破性创新[J].科研管理,2012(1):71-78.

[4]陈劲,戴凌燕,李良德.突破性创新及其识别[J].科技管理研究, 2002(5):22-28.

[5]孙圣兰.突破性技术创新识别的灰色模糊综合评价模型[J].科技进步与对策,2009(4): 127-129.

[6]马北玲,游达明,胡小清.基于支持向量机的企业突破性创新识别模型研究[J].软科学,2013(1):109-111.

[7]尹惠斌.团队知识冲突对企业突破性创新绩效的影响研究[J].科技进步与对策,2012(16):120-125.

[8]王蕾,刘宽虎,宋林辉.基于技术间断的不可逆产品替代陷阱研究[J].中国工业经济,2004(7):105-110.

[9]杨栩,张可.企业运用突破性技术创新的障碍及其对策[J].经济与管理,2010(6):85-88.

[10]Leifer R, Mc Dermott C, OConnor G, et al. Radical Innovation: How Mature Companies Can Outsmart Upstarts [M]. Boston, MA: Harvard Business School Press, 2000.

[11]Cooper R.A Process Model for Industrial New Product Development [J].IEEE Transactions on Engineering Management, 1983,30(1):2-11.

[12]蔡琼华,司春林,赵明剑,马玲.基于突破性技术创新的企业技术跨越机会窗口研究[J].科学管理研 究,2005(2):15-20.

[13]夏维力,吕晓强.基于BP神经网络的企业技术创新能力评价及应用研究[J].研究与发展管理,2005(1):50-54.

(责任编辑:冉春红)

4基于BP神经网络的突破性创新绩效评价模型

4.1模型的构建

BP 网络是单向传播的多层网络,它由输入层、隐含层和输出层3个层次构成,同层次内的神经元间没有联接,各层次的神经元间通过权重联接形成全互联结构[13]。由上述突破性创新绩效评价指标体系可知,该网络的输入层神经元个数为24;以评价结果作为网络输出,即输出层神经元个数是1。隐含层神经元个数h可参考经验公式计算:h=(m+n)1/2+c ,m为输入层神经元个数、n为输出层神经元个数、c是介于1~10的常数。由公式可知隐含层神经元个数在6~15之间,利用逐步回归分析法并进行参数的显著性检验来动态删除一些线性相关的神经元,最终确定隐含层包含13个神经元时效果最佳。输入节点与隐含层节点的联接权值为Vij,隐含层节点与输出节点之间的联接权值为Wjk。基于BP神经网络的突破性创新绩效评价模型如图1所示。

4.2模型的运行

如图1所示,神经网络的学习过程是神经网络在外界输入样本的刺激下不断改变网络的连接权值,以使网络的输出不断地接近期望的输出。输入信号Xi通过中间节点(隐含层点)作用于输出节点,经过非线形变换,产生输出信号Yk。网络输出值Yk与期望输出值tk之间会存在偏差,通过误差反传,逐步调整联接权值Vij和Wjk,使误差沿梯度方向下降,经过反复学习,当网络输出层的误差平方和小于指定的误差时,训练即告停止,保存相应的网络权值,即得到所需的评价模型。

5模型训练与仿真

5.1评价对象和数据收集

本文通过对湖南省高新技术产业园区中的企业进行问卷调查和实地访谈来收集数据。问卷根据表1中的企业突破性创新绩效评价二级指标体系来设计题项,并使每一题项均成为正向指标,如“创新指向市场与主流市场的吻合程度”指标的题项则需设计为“创新指向市场与主流市场不吻合”。每一题的分值采用李克特5点量表,即对每一陈述有“非常同意”、“同意”、“不一定”、“不同意”、“非常不同意”5种回答,分别记为5、4、3、2、1。根据调查对象问卷的填写完整度、行业和规模的均衡性,最终选取39个样本企业,其中29家企业作为训练样本,10家企业作为测试样本。

5.2确定期望输出和评价标准

通过专家访谈,采用层次分析法(AHP)得到各级指标对应的权重值,各一级指标权重与对应二级指标权重相乘得到评价指标的最终权重值,然后用各样本指标的赋分值和与相应的权重相乘后相加,得到最终的综合评价结果,并以此作为模型的输出向量。

根据研究需要并参考国内外突破性创新识别和相关评价标准,专家组认为综合得分在2分(含)以下,说明企业创新的“突破性”还不够,应视为持续性创新,并将2分以上的评语划分为5个等级,(2,2.5],(2.5,3],(3,3.5],(3.5,4],(4,5]分别代表企业的突破性创新绩效非常差、比较差、一般、比较好、非常好。

5.3神经网络模型的参数设定

根据上文,将企业突破性创新绩效评价指标体系的二级指标作为网络输入,以评价结果作为网络输出,则输入层神经元为24个,输出层神经元为1个,采用经验公式确定隐含层神经元个数13个,形成24-13-1型BP神经网络结构。模型中训练函数采用TRAINGD算法,输入层到隐含层的激励函数为tansig,隐含层到输出层的激励函数为purelin,导出模型结构图,如图2所示。

6结论

本文从突破性创新的内涵特征出发,构建了企业突破性创新绩效评价指标体系,采用高新技术企业作为训练样本,以企业突破性创新绩效评价指标体系为输入向量,以综合创新绩效水平为输出向量,按照误差逆传播多层前馈方法构建BP神经网络模型。从模型的测试及验证结果来看,该模型能正确合理地识别和评价企业的突破性创新及绩效水平,结果具有良好的信度和效度。训练好的网络,各联接权值是网络通过自适应学习得到的,具有较强的客观性且可以固定下来,是一个有较高实用价值的评价工具。然而尽管BP神经网络评价模型在最大程度上缩小了人为因素的影响,但学习样本的数量和质量以及作为输出向量的专家评价的准确性和合理性在很大程度上也影响着神经网络模型的学习性能,而且模型中隐含层数、激励函数的选择也主要取决于研究者的经验判断。随着我国企业突破性创新活动的更广泛开展,以及专家对突破性创新的更深入了解和BP神经网络算法的改进,模型的训练有待进一步开展以提高模型的实用性和结果的准确性。

参考文献:

[1]李宏贵,熊胜绪.互补资产对突破性创新绩效的影响研究——一个理论模型[J].科学学与科学技术管理,2010(7):64-71.

[2]曾攀.企业创新网络特征与突破性技术创新绩效关系研究[D].长沙:中南大学,2011.

[3]秦剑.高绩效工作实践系统、知识扩散与突破性创新[J].科研管理,2012(1):71-78.

[4]陈劲,戴凌燕,李良德.突破性创新及其识别[J].科技管理研究, 2002(5):22-28.

[5]孙圣兰.突破性技术创新识别的灰色模糊综合评价模型[J].科技进步与对策,2009(4): 127-129.

[6]马北玲,游达明,胡小清.基于支持向量机的企业突破性创新识别模型研究[J].软科学,2013(1):109-111.

[7]尹惠斌.团队知识冲突对企业突破性创新绩效的影响研究[J].科技进步与对策,2012(16):120-125.

[8]王蕾,刘宽虎,宋林辉.基于技术间断的不可逆产品替代陷阱研究[J].中国工业经济,2004(7):105-110.

[9]杨栩,张可.企业运用突破性技术创新的障碍及其对策[J].经济与管理,2010(6):85-88.

[10]Leifer R, Mc Dermott C, OConnor G, et al. Radical Innovation: How Mature Companies Can Outsmart Upstarts [M]. Boston, MA: Harvard Business School Press, 2000.

[11]Cooper R.A Process Model for Industrial New Product Development [J].IEEE Transactions on Engineering Management, 1983,30(1):2-11.

[12]蔡琼华,司春林,赵明剑,马玲.基于突破性技术创新的企业技术跨越机会窗口研究[J].科学管理研 究,2005(2):15-20.

[13]夏维力,吕晓强.基于BP神经网络的企业技术创新能力评价及应用研究[J].研究与发展管理,2005(1):50-54.

(责任编辑:冉春红)

4基于BP神经网络的突破性创新绩效评价模型

4.1模型的构建

BP 网络是单向传播的多层网络,它由输入层、隐含层和输出层3个层次构成,同层次内的神经元间没有联接,各层次的神经元间通过权重联接形成全互联结构[13]。由上述突破性创新绩效评价指标体系可知,该网络的输入层神经元个数为24;以评价结果作为网络输出,即输出层神经元个数是1。隐含层神经元个数h可参考经验公式计算:h=(m+n)1/2+c ,m为输入层神经元个数、n为输出层神经元个数、c是介于1~10的常数。由公式可知隐含层神经元个数在6~15之间,利用逐步回归分析法并进行参数的显著性检验来动态删除一些线性相关的神经元,最终确定隐含层包含13个神经元时效果最佳。输入节点与隐含层节点的联接权值为Vij,隐含层节点与输出节点之间的联接权值为Wjk。基于BP神经网络的突破性创新绩效评价模型如图1所示。

4.2模型的运行

如图1所示,神经网络的学习过程是神经网络在外界输入样本的刺激下不断改变网络的连接权值,以使网络的输出不断地接近期望的输出。输入信号Xi通过中间节点(隐含层点)作用于输出节点,经过非线形变换,产生输出信号Yk。网络输出值Yk与期望输出值tk之间会存在偏差,通过误差反传,逐步调整联接权值Vij和Wjk,使误差沿梯度方向下降,经过反复学习,当网络输出层的误差平方和小于指定的误差时,训练即告停止,保存相应的网络权值,即得到所需的评价模型。

5模型训练与仿真

5.1评价对象和数据收集

本文通过对湖南省高新技术产业园区中的企业进行问卷调查和实地访谈来收集数据。问卷根据表1中的企业突破性创新绩效评价二级指标体系来设计题项,并使每一题项均成为正向指标,如“创新指向市场与主流市场的吻合程度”指标的题项则需设计为“创新指向市场与主流市场不吻合”。每一题的分值采用李克特5点量表,即对每一陈述有“非常同意”、“同意”、“不一定”、“不同意”、“非常不同意”5种回答,分别记为5、4、3、2、1。根据调查对象问卷的填写完整度、行业和规模的均衡性,最终选取39个样本企业,其中29家企业作为训练样本,10家企业作为测试样本。

5.2确定期望输出和评价标准

通过专家访谈,采用层次分析法(AHP)得到各级指标对应的权重值,各一级指标权重与对应二级指标权重相乘得到评价指标的最终权重值,然后用各样本指标的赋分值和与相应的权重相乘后相加,得到最终的综合评价结果,并以此作为模型的输出向量。

根据研究需要并参考国内外突破性创新识别和相关评价标准,专家组认为综合得分在2分(含)以下,说明企业创新的“突破性”还不够,应视为持续性创新,并将2分以上的评语划分为5个等级,(2,2.5],(2.5,3],(3,3.5],(3.5,4],(4,5]分别代表企业的突破性创新绩效非常差、比较差、一般、比较好、非常好。

5.3神经网络模型的参数设定

根据上文,将企业突破性创新绩效评价指标体系的二级指标作为网络输入,以评价结果作为网络输出,则输入层神经元为24个,输出层神经元为1个,采用经验公式确定隐含层神经元个数13个,形成24-13-1型BP神经网络结构。模型中训练函数采用TRAINGD算法,输入层到隐含层的激励函数为tansig,隐含层到输出层的激励函数为purelin,导出模型结构图,如图2所示。

6结论

本文从突破性创新的内涵特征出发,构建了企业突破性创新绩效评价指标体系,采用高新技术企业作为训练样本,以企业突破性创新绩效评价指标体系为输入向量,以综合创新绩效水平为输出向量,按照误差逆传播多层前馈方法构建BP神经网络模型。从模型的测试及验证结果来看,该模型能正确合理地识别和评价企业的突破性创新及绩效水平,结果具有良好的信度和效度。训练好的网络,各联接权值是网络通过自适应学习得到的,具有较强的客观性且可以固定下来,是一个有较高实用价值的评价工具。然而尽管BP神经网络评价模型在最大程度上缩小了人为因素的影响,但学习样本的数量和质量以及作为输出向量的专家评价的准确性和合理性在很大程度上也影响着神经网络模型的学习性能,而且模型中隐含层数、激励函数的选择也主要取决于研究者的经验判断。随着我国企业突破性创新活动的更广泛开展,以及专家对突破性创新的更深入了解和BP神经网络算法的改进,模型的训练有待进一步开展以提高模型的实用性和结果的准确性。

参考文献:

[1]李宏贵,熊胜绪.互补资产对突破性创新绩效的影响研究——一个理论模型[J].科学学与科学技术管理,2010(7):64-71.

[2]曾攀.企业创新网络特征与突破性技术创新绩效关系研究[D].长沙:中南大学,2011.

[3]秦剑.高绩效工作实践系统、知识扩散与突破性创新[J].科研管理,2012(1):71-78.

[4]陈劲,戴凌燕,李良德.突破性创新及其识别[J].科技管理研究, 2002(5):22-28.

[5]孙圣兰.突破性技术创新识别的灰色模糊综合评价模型[J].科技进步与对策,2009(4): 127-129.

[6]马北玲,游达明,胡小清.基于支持向量机的企业突破性创新识别模型研究[J].软科学,2013(1):109-111.

[7]尹惠斌.团队知识冲突对企业突破性创新绩效的影响研究[J].科技进步与对策,2012(16):120-125.

[8]王蕾,刘宽虎,宋林辉.基于技术间断的不可逆产品替代陷阱研究[J].中国工业经济,2004(7):105-110.

[9]杨栩,张可.企业运用突破性技术创新的障碍及其对策[J].经济与管理,2010(6):85-88.

[10]Leifer R, Mc Dermott C, OConnor G, et al. Radical Innovation: How Mature Companies Can Outsmart Upstarts [M]. Boston, MA: Harvard Business School Press, 2000.

[11]Cooper R.A Process Model for Industrial New Product Development [J].IEEE Transactions on Engineering Management, 1983,30(1):2-11.

[12]蔡琼华,司春林,赵明剑,马玲.基于突破性技术创新的企业技术跨越机会窗口研究[J].科学管理研 究,2005(2):15-20.

[13]夏维力,吕晓强.基于BP神经网络的企业技术创新能力评价及应用研究[J].研究与发展管理,2005(1):50-54.

(责任编辑:冉春红)

猜你喜欢

BP神经网络绩效评价
基于DRGs的老年医学科医疗服务绩效评价分析
对财政预算项目支出绩效评价的探讨
财政支出绩效评价实践存在的问题及改进建议探索
新常态下政府财政支出绩效评价管理体系的思考
就业创业资金绩效评价存在的问题及优化路径
财政支出绩效评价结果应用于问责的困境与出路
就bp神经网络银行选址模型的相关研究
基于DEA—GA—BP的建设工程评标方法研究
复杂背景下的手势识别方法
BP神经网络在软件质量评价中的应用研究 