پیش‌بینی موفقیت تجاری‌سازی ایده‌های نوآورانه با استفاده از شبکه عصبی مصنوعی؛ مطالعه موردی مخترعان و نوآوران استان یزد
اگر چه یافته‌های بشری در ارتقاء کیفیت زندگی و توسعه سطح رفاه جامعه و توسعه اقتصادی و اجتماعی نقش به‌سزایی ایفا می‌کند اما این یافته‌ها تا زمانی که جنبه کاربردی پیدا نکرده و به بازار عرضه نشوند یا در دسترس متقاضیان قرار نگیرند از اهمیت لازم برخوردار نبوده و نمی‌توانند هزینه‌های تحقیق را جبران کند. شو...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
National Research Institute for Science Policy (NRISP)
2011-09-01
|
| Series: | سیاست علم و فناوری |
| Subjects: | |
| Online Access: | https://jstp.nrisp.ac.ir/article_12835_dccdc3e0604d2f7cd9f1dae3fd0972c0.pdf |
| _version_ | 1797260250258079744 |
|---|---|
| author | سیدحبیب اله میرغفوری زهرا صادقی آرانی احمد جعفرنژاد |
| author_facet | سیدحبیب اله میرغفوری زهرا صادقی آرانی احمد جعفرنژاد |
| author_sort | سیدحبیب اله میرغفوری |
| collection | DOAJ |
| description | اگر چه یافته‌های بشری در ارتقاء کیفیت زندگی و توسعه سطح رفاه جامعه و توسعه اقتصادی و اجتماعی نقش به‌سزایی ایفا می‌کند اما این یافته‌ها تا زمانی که جنبه کاربردی پیدا نکرده و به بازار عرضه نشوند یا در دسترس متقاضیان قرار نگیرند از اهمیت لازم برخوردار نبوده و نمی‌توانند هزینه‌های تحقیق را جبران کند. شواهد متعدد از سراسر دنیا حاکی از این است که هر چند تعداد کثیری از تحقیقات از نظر فنی موفق بوده‌اند، اما تنها درصد اندکی از آنها در زمینه تجاری‌سازی به موفقیت دست یافته‌اند که این امر نشان دهنده پیچیدگی فرآیند تجاری‌سازی است. در این راستا، شناسایی عوامل مؤثر بر تجاری‌سازی این ایده‌ها و پیش‌بینی احتمال موفقیت آنها می‌تواند مخترعین و نوآوران را در تجاری‌سازی یاری رساند. بر این اساس، پژوهش حاضر با هدف بررسی عوامل مؤثر بر تجاری‌سازی اقدامات نوآورانه و پیش‌بینی موفقیت آنها در استان یزد انجام گرفته است. در این راستا، ابتدا متغیرهای مؤثر برتجاری‌سازی اختراعات و ابتکارات شناسایی شده و سپس بهترین مدل شبکه عصبی مصنوعی برای پیش‌بینی احتمال موفقیت این اختراعات ارائه گردیده است. نتایج این تحقیق نشان داده است که متغیرهای جمعیت‌شناختی، عوامل فردی- شخصی، فنی- فناورانه، بازار، مالی و اداری- قانونی بر موفقیت تجاری‌سازی تأثیرگذارند. همچنین در میان مدل‌های اجرا شده، مدل پرسپترون چندلایه (MLP) همراه باالگوریتم پس انتشار خطا (EBP) با 2 لایه پنهان با تابع محرک سیگموئید در لایه‌های پنهان و تابع محرک خطی در لایه خارجی هم در درصد جواب صحیح و هم در سایر معیارهای کارایی از وضعیت بهتری برخوردار است. |
| first_indexed | 2024-04-24T23:22:20Z |
| format | Article |
| id | doaj.art-04848cf8a5214551b36782b441a61363 |
| institution | Directory Open Access Journal |
| issn | 2008-0840 2783-4476 |
| language | fas |
| last_indexed | 2024-04-24T23:22:20Z |
| publishDate | 2011-09-01 |
| publisher | National Research Institute for Science Policy (NRISP) |
| record_format | Article |
| series | سیاست علم و فناوری |
| spelling | doaj.art-04848cf8a5214551b36782b441a613632024-03-16T07:01:36ZfasNational Research Institute for Science Policy (NRISP)سیاست علم و فناوری2008-08402783-44762011-09-0141637712835پیش‌بینی موفقیت تجاری‌سازی ایده‌های نوآورانه با استفاده از شبکه عصبی مصنوعی؛ مطالعه موردی مخترعان و نوآوران استان یزدسیدحبیب اله میرغفوریزهرا صادقی آرانیاحمد جعفرنژاداگر چه یافته‌های بشری در ارتقاء کیفیت زندگی و توسعه سطح رفاه جامعه و توسعه اقتصادی و اجتماعی نقش به‌سزایی ایفا می‌کند اما این یافته‌ها تا زمانی که جنبه کاربردی پیدا نکرده و به بازار عرضه نشوند یا در دسترس متقاضیان قرار نگیرند از اهمیت لازم برخوردار نبوده و نمی‌توانند هزینه‌های تحقیق را جبران کند. شواهد متعدد از سراسر دنیا حاکی از این است که هر چند تعداد کثیری از تحقیقات از نظر فنی موفق بوده‌اند، اما تنها درصد اندکی از آنها در زمینه تجاری‌سازی به موفقیت دست یافته‌اند که این امر نشان دهنده پیچیدگی فرآیند تجاری‌سازی است. در این راستا، شناسایی عوامل مؤثر بر تجاری‌سازی این ایده‌ها و پیش‌بینی احتمال موفقیت آنها می‌تواند مخترعین و نوآوران را در تجاری‌سازی یاری رساند. بر این اساس، پژوهش حاضر با هدف بررسی عوامل مؤثر بر تجاری‌سازی اقدامات نوآورانه و پیش‌بینی موفقیت آنها در استان یزد انجام گرفته است. در این راستا، ابتدا متغیرهای مؤثر برتجاری‌سازی اختراعات و ابتکارات شناسایی شده و سپس بهترین مدل شبکه عصبی مصنوعی برای پیش‌بینی احتمال موفقیت این اختراعات ارائه گردیده است. نتایج این تحقیق نشان داده است که متغیرهای جمعیت‌شناختی، عوامل فردی- شخصی، فنی- فناورانه، بازار، مالی و اداری- قانونی بر موفقیت تجاری‌سازی تأثیرگذارند. همچنین در میان مدل‌های اجرا شده، مدل پرسپترون چندلایه (MLP) همراه باالگوریتم پس انتشار خطا (EBP) با 2 لایه پنهان با تابع محرک سیگموئید در لایه‌های پنهان و تابع محرک خطی در لایه خارجی هم در درصد جواب صحیح و هم در سایر معیارهای کارایی از وضعیت بهتری برخوردار است.https://jstp.nrisp.ac.ir/article_12835_dccdc3e0604d2f7cd9f1dae3fd0972c0.pdfاقدامات تجاری نوآورانهشبکه های عصبی مصنوعینوآوران و مخترعین استان یزد |
| spellingShingle | سیدحبیب اله میرغفوری زهرا صادقی آرانی احمد جعفرنژاد پیش‌بینی موفقیت تجاری‌سازی ایده‌های نوآورانه با استفاده از شبکه عصبی مصنوعی؛ مطالعه موردی مخترعان و نوآوران استان یزد سیاست علم و فناوری اقدامات تجاری نوآورانه شبکه های عصبی مصنوعی نوآوران و مخترعین استان یزد |
| title | پیش‌بینی موفقیت تجاری‌سازی ایده‌های نوآورانه با استفاده از شبکه عصبی مصنوعی؛ مطالعه موردی مخترعان و نوآوران استان یزد |
| title_full | پیش‌بینی موفقیت تجاری‌سازی ایده‌های نوآورانه با استفاده از شبکه عصبی مصنوعی؛ مطالعه موردی مخترعان و نوآوران استان یزد |
| title_fullStr | پیش‌بینی موفقیت تجاری‌سازی ایده‌های نوآورانه با استفاده از شبکه عصبی مصنوعی؛ مطالعه موردی مخترعان و نوآوران استان یزد |
| title_full_unstemmed | پیش‌بینی موفقیت تجاری‌سازی ایده‌های نوآورانه با استفاده از شبکه عصبی مصنوعی؛ مطالعه موردی مخترعان و نوآوران استان یزد |
| title_short | پیش‌بینی موفقیت تجاری‌سازی ایده‌های نوآورانه با استفاده از شبکه عصبی مصنوعی؛ مطالعه موردی مخترعان و نوآوران استان یزد |
| title_sort | پیش‌بینی موفقیت تجاری‌سازی ایده‌های نوآورانه با استفاده از شبکه عصبی مصنوعی؛ مطالعه موردی مخترعان و نوآوران استان یزد |
| topic | اقدامات تجاری نوآورانه شبکه های عصبی مصنوعی نوآوران و مخترعین استان یزد |
| url | https://jstp.nrisp.ac.ir/article_12835_dccdc3e0604d2f7cd9f1dae3fd0972c0.pdf |
| work_keys_str_mv | AT sydḥbybạlhmyrgẖfwry pysẖbynymwfqyttjạrysạzyạydhhạynwậwrạnhbạạstfạdhạzsẖbḵhʿṣbymṣnwʿymṭạlʿhmwrdymkẖtrʿạnwnwậwrạnạstạnyzd AT zhrạṣạdqyậrạny pysẖbynymwfqyttjạrysạzyạydhhạynwậwrạnhbạạstfạdhạzsẖbḵhʿṣbymṣnwʿymṭạlʿhmwrdymkẖtrʿạnwnwậwrạnạstạnyzd AT ạḥmdjʿfrnzẖạd pysẖbynymwfqyttjạrysạzyạydhhạynwậwrạnhbạạstfạdhạzsẖbḵhʿṣbymṣnwʿymṭạlʿhmwrdymkẖtrʿạnwnwậwrạnạstạnyzd |