Методика оценки инновационной деятельности посредством гибких алгоритмов

Исследовательская работа посвящена вопросам, связанным с инновационной активностью. Изучаются отечественные и зарубежные подходы к оценке инновационной деятельности. Теоретическая часть исследования знакомит с возникновением теории алгоритмов и некоторыми ее аспектами для дальнейшего использования в практической составляющей работы. На основании проведенного анализа обосновывается применение алгоритмов нечеткого вывода. Практическая часть работы направлена на уточнение возможностей задействованных алгоритмов для оценки инновационной деятельности, где в качестве математического аппарата использовалась нейронная сеть. В процессе исследования оценка была произведена двумя способами. Первый способ учитывал внутренние факторы, второй — внешние. Полученные результаты позволили разработать методику оценки, учитывающую внутренние и внешние факторы, которые влияют на инновационную деятельность, как на уровне отдельной компании, так и на уровне целого государства

Ключевые слова: алгоритмы, оценка инновационной деятельности, нечеткое моделирование, теория нечетких множеств, нечеткая логика, нейронные сети

Список использованных источников

  1. Постановление от 18 апреля 2016 г. № 317 «О реализации Национальной технологической инициативы».
  2. Федеральный закон от 23 ноября 2007 г. № 270-ФЗ «О государственной корпорации «Ростехнологии».
  3. Ю. П. Анисимов, И. В. Пешкова, Е. В. Солнцева. Методика оценки инновационной деятельности предприятия//Инновации, № 11, 2006.
  4. О. В. Машевская. Методика оценки инновационной деятельности промышленного предприятия//Вестник Самарского государственного университета. 2015. № 8 (130). С. 97-105.
  5. В. В. Савалей. Экономическая экспертиза инновационных проектов: учеб. пособие. Владивосток: Дальневосточный федеральный университет, 2017.
  6. А. Н. Колмогоров. Теория информации и теория алгоритмов. М.: Наука, 1987. 304 с.
  7. D. Knuth. The Art of Computer Programming : fundamental algorithms. 3rd ed. 2006. 650 p.
  8. A. Turing. On Computable Numbers, with an Application to the Entscheidungsproblem//Proceedings of the London Mathematical Society — London Mathematical Society. Vol. 42. 1937. P. 230-265.
  9. A. Church. An Unsolvable Problem of Elementary Number Theory//American Journal of Mathematics. Vol. 58, No. 2, 1936. P. 345-363.
  10. А. А. Марков, Н. М. Нагорный. Теория алгорифмов. М.: Наука, гл. ред. физ.-мат. лит., 1984. 432 с.
  11. В. А. Успенский, А. Л. Семенов. Теория алгоритмов: основные открытия и приложения. М.: Наука, 1987. 288 c.
  12. Большой толковый словарь русского языка/Коллектив авторов под руководством С. А. Кузнецова. СПб., 1998. 1534 с.
  13. Т. Кормен. Алгоритмы: вводный курс/Пер. с англ. М.: «Вильямс», 2014. 208 с.
  14. А. Ахо, Дж. Хопкрофт, Дж. Ульман. Построение и анализ вычислительных алгоритмов. М.: Мир, 1979. 536 с.
  15. С. Б. Мухамметаманова. Понятие «алгоритм», свойства и виды алгоритмов. Особенности алгоритмического мышления// Наука и инновации в современных условиях: сб. статей Международной научно-практической конференции. В 5 ч. Ч. 3. Уфа: МЦИИ Омега сайнс, 2016. 242 с.
  16. А. В. Могилев, Н. И. Пак, Е. К. Хеннер. Информатика/Под ред. Е. К. Хеннера. М.: Издательский центр «Академия», 2012. 848 с.
  17. М. Н. Власенко, С. В. Потехецкий, Н. В. Унижаев. Системный подход к управлению сложными процессами. Воронеж: Воронежский экономико-правовой институт, 2016. С. 75-80.
  18. E. Mamdani, S. Assilian. An experiment in linguistic synthesis with a fuzzy logic controller//Int. J. Man Mach. Stud., 7, 1975, 1-13.
  19. T. Takagi, M. Sugeno. Fuzzy identification of systems and its applications to modeling and control//IEEE Transactions on Systems, Man, and Cybernetics. Vol. 15. 1985. P. 116-132.
  20. Y. Tsukamoto. An approach to fuzzy reasoning method, in Advances in Fuzzy Set Theory and Applications/eds M. Gupta, R. Ragade, and R. Yager, Elsevier, Amsterdam, 1979. P. 137-149.
  21. L. Zadeh. Fuzzy sets//Information and Control, № 8. 1965. Р. 338-353.
  22. А. В. Леоненков. Нечеткое моделирование в среде Matlab и fuzzyTech. СПб.: БХВ-Петербург, 2005.
  23. Д. Б. Соловьев, С. С. Кузора, А. Е. Меркушева. Использование алгоритмов нечеткого вывода для предварительной оценки участников при кластерном подходе//Инновации, № 5, 2018.
  24. Е. А. Трофимова, Вл. Д. Мазуров, Д. В. Гилев. Нейронные сети в прикладной экономике. М-во образования и науки Рос. Федерации, Урал. федер. ун-т. — Екатеринбург: Изд-во Урал. ун-та, 2017. 96 с.
  25. С. Д. Штовба. Проектирование нечетких систем средствами Matlab. М.: Горячая линия — Теле-ком, 2007.
  26. J.-S. R. Jang. ANFIS: Adaptive-Network-Based Fuzzy Inference System//IEEE Trans. Systems&Cubernetics. 1993. Vol. 23. P. 655-658.
  27. М. В. Хайруллина. Технологическое предпринимательство: сдерживающие факторы и условия развития//Российское предпринимательство. 2016. Т. 17. № 16. С. 1831-1848.
  28. А. Н. Федоровский. Национальный исследовательский институт мировой экономики и международных отношений им. Е. М. Примакова Российской академии наук. К итогам региональных форумов в АТР. 2018. https://www.imemo.ru/index.php?page_id=502&id=4575&ret=640.
  29. Д. Б. Соловьев, П. И. Захарьина Перспективы инновационного развития Дальнего Востока: территории опережающего развития//Инновации. 2017. № 2. С. 74-80.
  30. Министерство Российской Федерации по развитию Дальнего Востока. https://minvr.ru.
  31. Каталог организаций России. https://www.list-org.com.
  32. Global Innovation Index. https://www.wipo.int/pressroom/ru/articles/2017/article_0006.html.
  33. Bloomberg Innovation Index. https://www.bloomberg.com/graphics/2015-innovative-countries.
  34. M. Jamrisko, W. Lu. These Are the World's Most Innovative Economies. 2016. https://www.bloomberg.com/news/articles/2016-01-19/these-are-the-world-s-most-innovativeeconomies.
  35. С. Мануков. Медиахолдинг «Эксперт». 2018. http://expert.ru/2018/01/23/podnyalis-na-odnu-stupenku

Авторы