دانلود مقاله ISI انگلیسی شماره 9613
عنوان فارسی مقاله

مدل چند طبقه ای غیر خطی مبتنی بر هوش مصنوعی برای پیش بینی عملکرد تحقیق و توسعه در کشورهای اروپایی

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
9613 2012 15 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Non-linear multiclassifier model based on Artificial Intelligence to predict research and development performance in European countries
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Technological Forecasting and Social Change, Volume 79, Issue 9, November 2012, Pages 1731–1745

کلمات کلیدی
& عملکرد تحقیق و توسعه - شبکه های عصبی - الگوریتم های تکاملی - خوشه بندی ابزارهای - چند طبقه ای - تحادیه اروپا
پیش نمایش مقاله
پیش نمایش مقاله مدل چند طبقه ای غیر خطی مبتنی بر هوش مصنوعی برای پیش بینی عملکرد تحقیق و توسعه در کشورهای اروپایی

چکیده انگلیسی

This paper deals with one of the most important keys for economic growth: scientific knowledge and innovation, following the linear Research and Development (R&D) model. Patents, scientific publications and expenditure in R&D as well as the personnel involved in these activities are taken into account as proxy indicators, together with variables related to education and economy in order to classify R&D performance in 25 European Union (EU) Member States. This study classifies these countries using a set of variables which characterize them from 2005 to 2008 and analyses the most relevant ones for this classification. The Multilayer Perceptron Model (MLP) and the Product-Unit Neural Network (EPUNN) models, both trained by evolutionary algorithms (EA), were used to classify yearly country observations in clusters previously defined by employing unsupervised algorithm k-means clustering, obtaining four different classes of national R&D performance: low, moderate, high and innovation driven economies. Finally, our methodology is compared to other classification methods normally used in machine learning. The results show that while various methods of classification exist, our methodology obtains models with a significantly lower number of coefficients without decreasing their accuracy in predicting the classification of other European countries or in these countries in the following years.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.