基于人工神经网络的评价方法,mba项目管理论文

基于人工神经网络的评价方法,mba项目管理论文本篇论文目录导航：【题目】【第一章】【第二章】【3.1-3.3】【3.4-3.6】【第四章】基于人工神经网络的评价方式方法【第五章】【总结/以下为参考文献】4基于人工神经网络的评价方式方法互联网项目创业投资不仅促进了互联网企业的成长发展，也增加了国民生产总值。如今做强做大的互联网公司很多，例如百度、搜狐、阿里巴巴等，但是失败的例子也很多，例如即刻搜索，投资进去20亿而收效甚微；再如做B2C的初刻等等。怎样将稀缺的资源投入到具有市场前景的项目，有效地利用资源，实现资源优化配置。需要专门的互联网项目评价模型。在第三章，我们挑选除了专门针对互联网项目的评价指标，这一章节我们将通过对项目评价方式方法的适用性分析，得到对互联网项目的评价方式方法，并建立互联网项目创业投资评价体系。4.1互联网项目创业投资评价方式方法的适用性投资项目评价方式方法研究基本上能够分成四个阶段：最初是比拟保守的净现值法〔NPV〕为主，可见起初的项目评价比拟注重财务表现，并以此决策能否投资项目；第二阶段引入当代管理理论思想，如层次分析法，模糊评价法；第三阶段将金融资产定价模型运用到项目投资评价领域，固然有了突破性进展，但是仍然较多的关注现财务指标；第四阶段的发展是基于第三阶段，参加新理论，例如博弈论、数学规划、灰色函数等。下面对每个阶段的典型方式方法进行介绍，阐述其使用范围及优缺点。并最终得到合适互联网项目的创业投资评价方式方法。4.1.1投资项目评价方式方法的比照研究首先将高技术项目投资评价方式方法进行分类，如此图4.1所示。传统的分析方式方法主要包含第一阶段和第二阶段的现金流法和层次分析法；新方式方法是将三、四阶段融入的新理论进行拓展，包括神经网络和实物期权的评价方式方法。〔1〕现金流法现金流的评价方式方法主要关注的是项目的经济评价，从会计学角度分析项目能否值得投资，其本质是用收付实现制为基础进行编制的[56].可选择的度量指标有项目的回收期、会计收益率、净现值、内含报酬率等，华而不实最常用的又是净现值法〔NPV〕，当项目的净现值大于零时项目可行，反之，项目投资会导致支出大于收入。但是这种方式方法的前提假设是项目定期能够收回假设收入，市场条件不会发生宏大改变，市场不会出现强有力的竞争对手等一系列苛刻的条件。因而，这种基于经济指标的评价方式方法对项目其他因素缺乏考虑。从互联网项目创业投资评价指标体系来看，这种进考察经济指标的评价方式方法显然不适用。〔2〕层次分析法层次分析法是由美国匹兹堡大学T.L.Saaty教授在70年代中期提出的。它的基本思想是把一个复杂的问题分解为各个组成因素，并将这些因素按支配关系分组，进而构成一个有序的递阶层次构造。通过两两比拟的方式确定层次中诸因素的相对重要性，然后综合人的判定以确定决策诸因素相对重要性的总排序[57].层次分析法的出现给决策者解决那些难以定量描绘叙述的决策问题带来了极大的方便，进而使它的应用几乎牵涉任何科学领域。层次分析法的优点是，首先将目的分成几个小目的，再依次分成能够评价的次目的，分散目的层受主观因素的影响。是一种综合分析工具，将定量和定性方式方法综合起来。缺点是评价经过需要专家打分，不同的专家由于阅历、知识以及背景不同会持有不同观点，评价经过比拟复杂。在高技术项目投资评价是，指标及其权重带有极强的主观性，评价时间长，不合适规模评价，即不合适互联网项目的创业投资评价，〔3〕模糊评估方式方法模糊评估方式方法是一种用于针对牵涉模糊因素的对象系统的综合评价方式方法，该方式方法对评价中因素的模糊性能很好的解决，进而较客观的反响出事物本身的特质[58].该方式方法的缺点是层次界线不清，指标之间的关系较模糊，不容易区分，进而产生误差。〔4〕人工神经网络法人工神经网络是一种模拟大脑神经突出连接的构造进行信息处理的数学模型，这种分析方式方法愈加接近人脑思维形式。人工神经网络需要大量样本作为训练集训练网络模型，训练好的网络模型把专家评价思想以连接权的方式赋予网络上，利用计算机辅助设计便可实现模拟专家评价，这种按照专家的评定的工作方式方法既利用了专家评价思想又可避免人为失误。人工神经网络的优点表如今，模型具有自学习功能、联想存储功能以及高速寻找优化解的能力[59].缺点就是事先进行的用已经知道样本对神经网络进行训练和学习，这些样本数量要充足、够典型且准确。带来的困难时数据收集和处理的难度。〔5〕实物期权评价法实物期权评价法本质上是现金流法，但是从应用广泛度和理论完善程度角度来看还属于一种新方式方法。其优点在于考虑了市场变化的因素影响，能较真实反响项目的价值。缺点就是主要针对的是金融资产提出的，对于互联网项目投资评价不完全适用，而且期权定价模型需要历史数据支持，缺乏历史数据的支持，模型的有效性难以得到确认[60].4.1.2评价方式方法的选择互联网项目创业投资评价指标体系含有能够定量评价的指标，例如技术的先进性；更多的指标是需要定性描绘叙述。互联网项目的创业投资评价是结合定量指标与定性指标的综合评价，因而，选择的方式方法首先要能对定量与定性指标综合考量。当今市场环境复杂多变，技术发展突飞猛进，各个影响因素对互联网项目成功的影响程度也非常不稳定，因而，评价方式方法的第二个要求是能够通入动态预测分析的功能。基于以上两点的考虑，本文选择人工神经网络算法对互联网项目创业投资进行评价。人工神经网络是模拟人脑的神经元设计的模型，擅于在数据样本中寻找特定的形式，辨识输入和输出的因果关系，进而生成模糊逻辑关系；并且人工神经网络具有学习功能，能随着样本的变化进行动态改良。4.2人工神经网络算法介绍人工神经网络〔artificialneuralnetwork,ANN〕，也简称为神经网络〔NN〕或连接模型〔connectionistmodel〕，它是一种通过模拟动物神经网络行为特征，并进行分布式并行信息处理的一种数学模型[61].人工神经网络的研究和发展是以关于大脑的生理研究成果为基础的，其目的在于模拟大脑的某些运行原理与机制，实现相应的人造智能系统。互联网项目创业投资评价方式方法所利用的人工神经网络是误差反向传播神经网络的简称，是一种利用误差反向传播算法进行训练的多层前馈网络，属于有老师的学习方式，其基本思想是网络在外界输入样本的刺激下不断改变网络的连接权值，最终使得网络的输出不断地接最近望输出。本文构建三层人工神经网络，包括输入层、隐含层、输出层构造。如此图4.2:该三层人工神经网络的输入层有n个节点，隐含层有p个节点，输出层有m个节点，一般情况下nim.网络的输出量为Y=[y1,y2,，ym],期望的输出量为E=[e1,e2,，em],它们之间的误差向量为D=[d1,d2,，dm],人工神经网络就是利用该误差向量来调整网络的权值。人工神经网络的学习规则是采用最速下降法，通过误差的反向传播来不断调整网络的权值和阈值，最终使得网络的误差平方和最小。人工算法的提出成功地解决了求解非线性连续函数的多层前馈神经网络的权值调节问题。假定网络有n个输入xi〔i=1,2,，n〕，而网络的输出节点数为m个：yi〔i=1,2,，m〕网络的隐层为p个。隐层的第j个节点的输入为输出的反传误差信号为4.3基于人工神经网络的互联网项目创业投资评价方式方法4.3.1模型输入设计及量化互联网项目创业投资评价的指标体系在第三部分已经得出，在人工神经网络模型中作为输入层的：企业家因素：企业家人格特质、企业家动机和企业家决策水。市场因素：市场规模、市场增长潜力和市场需求。产品因素：产品被接受程度。技术因素：技术知识产权保卫、技术先进性和技术成熟度。商业因素：商业形式和营销策略。环境因素：社会人文环境。利用人工人工神经网络进行互联网项目评价需要对已经投资的互联网项目相关数据样本来做训练。由于互联网项目发展10余年来成功的案例非常多，而且创业投资企业都会对项目背景资料进行存档，所以获得样本数据不是非常困难。如今又非常多的网站例如IT桔子、创业邦等专门关注创业投资项目发展，提供创业投资项目的相关资讯，因而，对已成熟的创业项目背景资料容易获得。本文的做法是：以IT桔子投资数据网为依托，选取发展好且已上市或完成D轮投资项目或企业，请三位专家对项目的13项指标打分，三位专家每项打分求平均作为输入值。即输入指标xn〔n=1,2,，13〕有十三项。本文的三位专家介绍详细如下：第一位是的嗨普帮科技的联合创始人，有五年互联网行业从业经历体验，曾任大街网无线产品经理、人人网运营专员等，对互联网项目创业有资深经历体验；第二位是中北大学经济与管理学院教授，具有多年项目投资评价研究经历体验，发表过(投资项目评价体系的选择与设计〕、(企业投资项目评价指标选择〕等专业学术论文；第三位为山西省某创业投资公司经理，其对创业投资风险具有多年研究经历体验，且从长期从事投资项目评级工作。选出的企业包含京东商城、聚美优品、优酷、酷6网、58同城、高德地图、去哪网、久邦数码等36项互联网项目进行专家打分。得到数据见表4.1.4.3.2模型输出互联网项目创业投资评是针对项目这个整体，是项目综合表现的判定，因而互联网项目的输出节点为一个，即输出y只要一项。输出向量的取值区间为[0,1].4.3.3模型构造及MATLAB的实现经历体验表示清楚，隐层节点的数目是根据设计者的经历体验和试验来决定的，不存在固定的计算公式。隐层的数目与模型中的输入个数、输出个数、要解决问题的本质有直接关系，太多或过少隐层个数都会影响判定效果，使结果失真。因而，本文采用实验的方式方法选定隐层节点数，选择10、12、14和16做试验，比照实验结果，得到隐层数目为12时效果最好。用1-33项案例训练神经网络，34-36做验证，以保证构建的神经网络模型的准确性。以下为基于人工神经网络的互联网项目创业投资评价在MATLAB7.0中的实现。首先建立人工神经网络：Threshold=[01;01;01;01;01;01;01;01;01;01;01;01;01];net=newff〔threshold,[12,1],{tansig,logsig},trainbpx〕；Threshold的功能是设定了13个输入向量且其取值范围是[0,1],网络的隐层节点数为12,输出向量个数为1;隐层传递函数为正切S型神经元求导函数tansig;输出层的传递函数为对数S型传输函数logsig;训练网络的函数为trainbpx,该函数使用动量因子时，人工算法能够找到更好的解，且自适应学习率能够缩短训练时间。第二，利用33个样本进行网络训练，设定训练次数为1000次，精度为0.0001,其他参数不变。编程如下：Net.trainParam.epochs=1000;Net.trainParam.goal=0.0001;Net=train〔net,P,T〕；P和T代表网络的输出向量和期望输出量，训练结果如以下图4.3所示。第三，对34-36的样本数据输入进行测试，编码如下：P_test=[0.80.60.80.80.80.80.80.60.80.80.80.80.8;0.80.80.80.60.80.80.80.710.80.80.60.8;0.60.60.60.40.60.60.80.20.60