科技进步与对策
科技進步與對策
과기진보여대책
SCIENCE & TECHNOLOGY PROGRESS AND POLICY
2013年
4期
121-123
,共3页
发明专利%授权专利%小波神经网络%专利授权信息
髮明專利%授權專利%小波神經網絡%專利授權信息
발명전리%수권전리%소파신경망락%전리수권신식
专利授权信息是反映专利权人在不同科技领域和产业部门技术积累与控制能力的重要指标,因此政府和企业在作专利战略规划和决策时越来越重视专利授权预测分析的结果.采用小波神经网络模型对国内月度专利授权数量展开时间序列研究,并对其进行短期预测.研究结果表明,小波神经网络训练和泛化平均绝对误差分别是298件和955件,t检验值表明建立的小波神经网络是可信的,网络的训练结果和泛化结果与实际值差异不明显;小波神经网络预测的平均相对误差为10.88%,在期望值有剧烈波动的情况下,小波神经网络依然能够比较准确地预测我国各月度的发明专利授权数量.
專利授權信息是反映專利權人在不同科技領域和產業部門技術積纍與控製能力的重要指標,因此政府和企業在作專利戰略規劃和決策時越來越重視專利授權預測分析的結果.採用小波神經網絡模型對國內月度專利授權數量展開時間序列研究,併對其進行短期預測.研究結果錶明,小波神經網絡訓練和汎化平均絕對誤差分彆是298件和955件,t檢驗值錶明建立的小波神經網絡是可信的,網絡的訓練結果和汎化結果與實際值差異不明顯;小波神經網絡預測的平均相對誤差為10.88%,在期望值有劇烈波動的情況下,小波神經網絡依然能夠比較準確地預測我國各月度的髮明專利授權數量.
전리수권신식시반영전리권인재불동과기영역화산업부문기술적루여공제능력적중요지표,인차정부화기업재작전리전략규화화결책시월래월중시전리수권예측분석적결과.채용소파신경망락모형대국내월도전리수권수량전개시간서렬연구,병대기진행단기예측.연구결과표명,소파신경망락훈련화범화평균절대오차분별시298건화955건,t검험치표명건립적소파신경망락시가신적,망락적훈련결과화범화결과여실제치차이불명현;소파신경망락예측적평균상대오차위10.88%,재기망치유극렬파동적정황하,소파신경망락의연능구비교준학지예측아국각월도적발명전리수권수량.