時(shí)丹丹，嵇國平

（1.哈爾濱工程大學(xué)，哈爾濱 150001；2.哈爾濱商業(yè)大學(xué)，哈爾濱 150028；3.南昌工程學(xué)院，南昌 330029）

0 引言

科技政策（Science and Technology Policy，STP）源于1963年聯(lián)合國在日內(nèi)瓦召開的科學(xué)技術(shù)會議，此后開始成為一個(gè)專業(yè)術(shù)語，并被發(fā)達(dá)國家普遍采用。就其本質(zhì)而言，就是建立有著科學(xué)技術(shù)的戰(zhàn)略、規(guī)劃、計(jì)劃、法律、條例、辦法等組成的體系。以達(dá)到營造創(chuàng)新環(huán)境，支撐和引領(lǐng)經(jīng)濟(jì)和社會發(fā)展的總體目標(biāo)。工藝創(chuàng)新作為一種重要的創(chuàng)新形式，在各個(gè)方面都會受到科技政策的支持和影響。國內(nèi)外學(xué)者把多種方法應(yīng)用于科技政策的評價(jià)，主要有模糊綜合評價(jià)法、灰色系統(tǒng)評價(jià)法、層次分析法、主成分分析法、因子分析法、數(shù)據(jù)包絡(luò)法等，但是這些方法確定政策評價(jià)的權(quán)重時(shí)多是采用人工賦值的方法，因而具有評價(jià)結(jié)果主觀性較強(qiáng)的缺點(diǎn)。人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)和自適應(yīng)能力，神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時(shí)，能從輸入、輸出的數(shù)據(jù)中提取出規(guī)律性的知識，記憶于網(wǎng)絡(luò)的權(quán)值中，并具有泛化能力，即將這組權(quán)值應(yīng)用于一般情形的能力。從而避免了人工賦值的主觀性，使計(jì)算結(jié)果更加客觀。

1 變量設(shè)計(jì)與數(shù)據(jù)說明

我們從科技計(jì)劃管理政策、工藝創(chuàng)新的保護(hù)與扶持政策、工藝創(chuàng)新信息化的科技扶持政策、產(chǎn)學(xué)研結(jié)合政策、知識產(chǎn)權(quán)保護(hù)政策和綠色節(jié)能政策5個(gè)方面考察科技政策。科技政策變量及工藝創(chuàng)新狀況變量及其他相關(guān)變量的設(shè)計(jì)與說明如表1所示。

選取北京、沈陽、哈爾濱的135家制造業(yè)企業(yè)為調(diào)研對象，采用計(jì)算機(jī)輔助電話訪問（CATI）與郵寄調(diào)查問卷相結(jié)合的方法，向這些企業(yè)的有關(guān)管理人員和技術(shù)人員發(fā)放調(diào)查問卷434份，有105家企業(yè)對調(diào)查問卷進(jìn)行了回復(fù)，回收調(diào)查問卷304份，其中有效問卷262份，回收率為77.77%，有效率為86.18%。問卷中所有題項(xiàng)均采用Likert7點(diǎn)量表：1代表非常不同意、2代表不同意、3代表有些不同意、4代表不確定、5代表有些同意、6代表同意、7代表非常同意。

按照調(diào)查問卷的結(jié)果，將105家企業(yè)按照工藝創(chuàng)新狀況分為兩個(gè)小組：“工藝創(chuàng)新狀況好”小組和“工藝創(chuàng)新狀況差”小組。每家企業(yè)的分組依據(jù)是Likert7點(diǎn)量表得分：如果某家企業(yè)只有一份有效回收的調(diào)查問卷，則Likert7點(diǎn)量表得分小于或等于4時(shí)，則認(rèn)為該企業(yè)屬于“工藝創(chuàng)新狀況差”小組，Likert7點(diǎn)量表得分大于4時(shí)，則認(rèn)為該企業(yè)屬于“工藝創(chuàng)新狀況好”小組；如果某家企業(yè)有多份有效回收的調(diào)查問卷，則各有效調(diào)查問卷Likert7點(diǎn)量表得分之和的算術(shù)平均值小于或等于4時(shí)，則認(rèn)為該企業(yè)屬于“工藝創(chuàng)新狀況差”小組，Likert7點(diǎn)量表得分之和的算術(shù)平均值大于4時(shí)，則認(rèn)為該企業(yè)屬于“工藝創(chuàng)新狀況好”小組。

對于有效的Likert7點(diǎn)量表問卷進(jìn)行歸一化處理，將它們轉(zhuǎn)化為[0，1]上的無量綱化指標(biāo)屬性值，具體處理方法為：

表1 科技政策與工藝創(chuàng)新狀況變量表

2 模型設(shè)計(jì)與計(jì)算原理

根據(jù)表1對科技政策變量、工藝創(chuàng)新變量與其他相關(guān)變量的設(shè)計(jì)，構(gòu)建基于BP人工神經(jīng)網(wǎng)絡(luò)的工藝創(chuàng)新科技政策評價(jià)模型，其網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。并定義兩類錯(cuò)誤：第一類錯(cuò)誤：將“工藝創(chuàng)新狀況好”的企業(yè)誤判為“工藝創(chuàng)新狀況差”的企業(yè)。第二類錯(cuò)誤：將“工藝創(chuàng)新狀況差”的企業(yè)誤判為“工藝創(chuàng)新狀況好”的企業(yè)。

根據(jù)圖1中的網(wǎng)絡(luò)結(jié)構(gòu)，建立基于BP算法的工藝創(chuàng)新科技政策評價(jià)模型：

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

模型（3）可用向量表示為：

對于訓(xùn)練樣本集和測試樣本集，利用上述模型進(jìn)行計(jì)算，首先，令隱層結(jié)點(diǎn)數(shù)m=1，然后逐個(gè)增加，經(jīng)計(jì)算，當(dāng)m=6時(shí)，訓(xùn)練樣本集和測試樣本集的誤判率最低。所以，本文構(gòu)建了一個(gè)輸入層包括13個(gè)結(jié)點(diǎn)，隱層包括6個(gè)結(jié)點(diǎn)，輸出層包括1個(gè)結(jié)點(diǎn)的BP神經(jīng)網(wǎng)絡(luò)識別模型。

將訓(xùn)練樣本集的科技政策及研發(fā)資源、研發(fā)能力x1-x13作科技政策BP神經(jīng)網(wǎng)絡(luò)評價(jià)模型的輸入層，利用MATLAB7.2神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行仿真計(jì)算。假設(shè)預(yù)先設(shè)定誤差精度e=0.01，學(xué)習(xí)率η＝2，利用圖1的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行計(jì)算。對BP人工神經(jīng)網(wǎng)絡(luò)分別訓(xùn)練200次和600次。設(shè)k為網(wǎng)絡(luò)訓(xùn)練次數(shù)，k分別取200和500。當(dāng)網(wǎng)絡(luò)訓(xùn)練k次時(shí)，設(shè)樣本輸出值為y（k），原目標(biāo)值為t，用e（k）max表示樣本輸出值與原目標(biāo)之間的最大誤差絕對值，即

將k次訓(xùn)練的最大總誤差可定義為：

隱層結(jié)點(diǎn)的傳遞函數(shù)及網(wǎng)絡(luò)輸出函數(shù)f(h)均采用Logistic函數(shù)：

其中，e(k)traing表示對訓(xùn)練樣本訓(xùn)練k次時(shí)，“工藝創(chuàng)新狀況好”的小組輸出值與原目標(biāo)值是最大誤差的絕對值；e(k)testg表示對測試樣本訓(xùn)練k次時(shí)，“工藝創(chuàng)新狀況好”的小組輸出值與原目標(biāo)值是最大誤差的絕對值；e(k)trainb表示對訓(xùn)練樣本訓(xùn)練k次時(shí)，“工藝創(chuàng)新狀況差”的小組輸出值與原目標(biāo)值是最大誤差的絕對值；e(k)testb表示對測試樣本訓(xùn)練k次時(shí)，“工藝創(chuàng)新狀況差”的小組輸出值與原目標(biāo)值是最大誤差的絕對值。

3 計(jì)算結(jié)果與結(jié)論

在105個(gè)樣本企業(yè)中選擇70個(gè)樣本企業(yè)作為訓(xùn)練集，剩下的35個(gè)樣本企業(yè)構(gòu)成測試集，計(jì)算的均方誤差與學(xué)習(xí)率如圖2、圖3所示。

圖2 訓(xùn)練200次時(shí)均方誤差與學(xué)習(xí)率

圖3 訓(xùn)練600次時(shí)均方誤差與學(xué)習(xí)率

表2 訓(xùn)練集及測試集的最大誤差值表

從表2的計(jì)算結(jié)果可以看出，當(dāng)網(wǎng)絡(luò)訓(xùn)練200次時(shí)，最大總誤差為0.0307，未能滿足預(yù)先設(shè)定的e＝0.01的要求；當(dāng)網(wǎng)絡(luò)訓(xùn)練600次時(shí)，最大總誤差為0.0005，小于預(yù)先設(shè)定的e=0.01。

表3 訓(xùn)練結(jié)果的誤差狀況表

根據(jù)表3中的數(shù)據(jù)，通過計(jì)算可以看出，對訓(xùn)練樣本來說，當(dāng)訓(xùn)練200次時(shí)，第一類錯(cuò)誤個(gè)數(shù)為3，第二類錯(cuò)誤的個(gè)數(shù)為0，分類的準(zhǔn)確率為95.71%，當(dāng)訓(xùn)練600次時(shí)，第一類錯(cuò)誤個(gè)數(shù)為0，第二類錯(cuò)誤個(gè)數(shù)為3，分類的準(zhǔn)確率也為95.71%；，對測試樣本來說，當(dāng)訓(xùn)練200次和600次時(shí)，第一類錯(cuò)誤個(gè)數(shù)都為2，分類的準(zhǔn)確率為94.29%?？傊?，無論訓(xùn)練200次，還是600次，訓(xùn)練集分類的準(zhǔn)確率都是95.71%，而測試集分類的準(zhǔn)確率為94.29%，總的分類準(zhǔn)確率是95.24%。

4 結(jié)論

本文利用BP人工神經(jīng)網(wǎng)絡(luò)來解決工藝創(chuàng)新科技政策的評價(jià)與分類問題，通過計(jì)算，當(dāng)網(wǎng)絡(luò)訓(xùn)練600次時(shí)，網(wǎng)絡(luò)最大總誤差值為0.0005，遠(yuǎn)遠(yuǎn)小于誤差指標(biāo)預(yù)先設(shè)定值0.01，滿足誤差的精度要求。因此，當(dāng)神經(jīng)網(wǎng)絡(luò)訓(xùn)練600次時(shí)，BP人工神經(jīng)網(wǎng)絡(luò)達(dá)到一定穩(wěn)定狀態(tài)，目標(biāo)函數(shù)達(dá)到最優(yōu)，評價(jià)的總體準(zhǔn)確率在遠(yuǎn)遠(yuǎn)小于預(yù)先給定的精度0.01的條件下達(dá)到95.24%。BP人工神經(jīng)網(wǎng)絡(luò)工藝創(chuàng)新科技政策評價(jià)模型的準(zhǔn)確率較高。

[1]傅加驥，仝允桓，雷家馬肅.技術(shù)創(chuàng)新學(xué)[M].北京：清華大學(xué)出版社，2000.

[2]約瑟夫·熊彼特.經(jīng)濟(jì)發(fā)展理論[M].北京：商務(wù)印書館，1990.

[3]經(jīng)濟(jì)合作與發(fā)展組織.技術(shù)創(chuàng)新調(diào)查手冊[M].北京：新華出版社，1997.

[4]畢克新，丁曉輝，馮英浚.制造業(yè)中小企業(yè)工藝創(chuàng)新及測試評價(jià)現(xiàn)狀和發(fā)展趨勢研究綜述[J].科技管理，2002，(6).

[5]畢克新，王曉紅，孫金花.WTO框架下中小企業(yè)技術(shù)創(chuàng)新支持體系研究[M].北京：機(jī)械工業(yè)出版社，2006.

[6]龐素琳，王燕鳴，黎榮舟.基于BP算法的信用風(fēng)險(xiǎn)評價(jià)模型研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識，2003，33，(8).

[7]WEST D.Neural Network Credit Scoring Models[J].Computers&Operations Research,2000,(27).

[8]Tushman M,L.Rosenkopf.Organizational Determinants of Technological Change:toward a Sociology of Technological Evolution[J].Research in Organizational Behavior,1992,(14).

[9]OECD/Euro stat,Oslo Manual:Guidelines:For Collecting and Interpreting Technological Innovation Data[M].OECD/Euros tat,2005.