神经网络在科研人员项目申报评价中的应用

论文摘要

当今世界科技发展日新月异,综合国力竞争日益激烈,这些都要求我们大力发展科学技术,提高自主创新能力。立足于国内外发展现状,我国在科研管理过程中,运用不同评价指标进行量化的办法虽然在一定程度上提高了科研人员的研究热情,但是各个评价指标往往限于孤立,对于个体科研人员的科研能力缺少综合评价,而且存在评价结果不够客观、准确性差等问题。针对科研人员项目申报的能力与个人承担项目、成果、收录转载文摘、奖项之间存在着复杂的非线性关系,本文尝试利用人工神经网络本身具有的并行处理、良好容错、自适应和自学习以及较好的非线性功能等特性,在系统分析现有评价指标的基础上,将RBF神经网络与BP神经网络应用在科研人员项目申报的评价上,并建立了综合评价模型,取得了一定的成绩。本文所做主要工作如下:1、讨论了科研评价的现状,分析了评价过程中存在的问题。2、建立了科研人员项目申报的评价体系,综合考虑历史数据与当年数据对研究对象的影响,采用加权、量化的方法计算期望输出值,从而减少了期望输出结果中人为因素的干扰。3、采用了科研评价文献中未见使用的RBF神经网络,并基于该神经网络建立了科研人员项目申报评价模型。为了验证RBF神经网络应用的可行性,引入目前在评价中应用较广的BP神经网络,并基于该网络建立了项目申报评价模型。4、分别对基于RBF神经网络和BP神经网络的评价模型进行了仿真实验的比较。实验结果表明:RBF神经网络应用于科研人员项目申报的评价是可行的,并且在误差精度等方面更具优势,更适合在评价中的应用。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 选题背景与研究意义
• 1.2 国内外研究现状
• 1.2.1 神经网络应用的国内外研究现状
• 1.2.2 科研评价方法的国内外研究现状
• 1.3 本文的研究工作
• 第2章 人工神经网络理论及模型
• 2.1 人工神经网络
• 2.2 BP 神经网络
• 2.2.1 网络模型
• 2.2.2 网络的训练步骤
• 2.2.3 网络的设计
• 2.2.4 Levenberg-Marquardt 算法
• 2.3 RBF 神经网络
• 2.3.1 神经元模型
• 2.3.2 网络的工作原理
• 2.3.3 网络的设计
• 2.4 RBF 与BP 神经网络的比较
• 2.5 本章小结
• 第3章 科研人员项目申报评价体系
• 3.1 评价指标的建立
• 3.2 评价指标的说明
• 3.2.1 项目
• 3.2.2 成果
• 3.2.3 收录/转载/文摘
• 3.2.4 奖项
• 3.3 评价体系期望输出的计算
• 3.4 训练及测试数据的选取
• 3.5 本章小结
• 第4章 项目申报评价模型的设计
• 4.1 基于BP 网络的评价模型设计
• 4.1.1 网络的设计
• 4.1.2 网络的训练
• 4.1.3 网络的测试
• 4.2 基于RBF 网络的评价模型设计
• 4.2.1 网络的设计
• 4.2.2 网络的训练
• 4.2.3 网络的测试
• 4.3 本章小结
• 第5章 实验结果及分析
• 5.1 基于BP 网络评价模型的仿真实验
• 5.2 基于RBF 网络评价模型的仿真实验
• 5.3 基于RBF 与BP 网络评价模型实验结果的对比
• 5.4 结果分析
• 5.5 本章小结
• 结论
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文