基于TOPSIS的企业技术创新测度神经网络法研究的综述报告.docx

基于TOPSIS的企业技术创新测度神经网络法研究的综述报告
TOPSIS是一种多属性决策分析方法，该方法可以根据评估指标的权重值，通过最大贴近度和最小贴近度的概念来确定评估对象的相对优劣性。在企业技术创新的评估中，TOPSIS方法被广泛应用于对新技术、新产品、新工艺等进行决策分析。但是，该方法存在一定的局限性，例如，不能处理评估指标之间的相关性，无法适应复杂多变的评估问题等。因此，研究基于TOPSIS的企业技术创新测度神经网络法具有重要意义。
神经网络法是一种模拟人类神经系统的计算模型，其特点是能够自学习、自适应和自适应，具有很强的非线性、模糊性和容错性。基于TOPSIS的企业技术创新测度神经网络法的研究，旨在将神经网络的优势与TOPSIS的决策分析技术相结合，进一步提高决策效率和准确性。
基于TOPSIS的企业技术创新测度神经网络法主要包括以下几个步骤：
1.确定评估指标。评估指标是企业技术创新测度的重要组成部分，需要根据测度目的明确选取合适的指标。例如，新技术的自主创新能力、新产品的研发能力、新工艺的创新能力等。
2.数据预处理。将评估指标的数据进行归一化处理，以便于进行后续的计算和分析。常用的归一化方法有线性变换法、对数变换法等。
3.确定权重值。评估指标的权重值反映了各项指标在企业技术创新中的重要性，需要根据相关原则明确计算。例如，采用主观权重法、客观权重法、模糊综合评价法等。
4.建立神经网络模型。根据归一化后的数据和确定的权重值，建立适当的神经网络模型。常用的神经网络模型包括BP神经网络、RBF神经网络、自组织神经网络等。
5.进行决策分析。通过神经网络模型，计算出每个评估对象的优劣程度，并进行排序，得出最优方案。
综上所述，基于TOPSIS的企业技术创新测度神经网络法能够有效地解决TOPSIS方法的局限性，提高测度效率和准确性，应用前景广泛。但是，该方法在实际应用过程中仍需要考虑到选取评估指标的合理性、权重值的准确性和神经网络模型的选择等问题。因此，需要在具体应用中结合实际情况，合理设计评估方案，确保测度结果的可靠性和有效性。