[關鍵詞]技術創新能力；企業；神經網絡
一、企業技術創新能力評價指標體系的構建
目前，企業技術創新能力評價已引起了國內外有關學者的廣泛關注。然而，由於技術創新能力涉及的因素衆多，其評價理論和方法尚處在探索之中。國內外有不少學者提出用層次分析法、密切值法、灰色系統理論等方法進行多指標評價，但這些方法還存在計算量大、評價指標的確定正確度較低且無法進行大規模評價的缺陷。爲此，筆者將神經網絡模型引進到企業技術創新能力評價中。
根據系統論的思想與企業技術創新的內涵，將其逐級分解，形成各有側重，又相互聯繫，能系統、綜合反映企業技術創新活動的評價指標體系[4-6]，作爲評價和優化企業技術創新活動的依據，根據企業技術創新活動所包括的主要內容，遵循指標體系設計原則，提出包括企業技術創新治理能力、投進能力、研發能力、創新能力和實施能力5個方面，共20個評價指標的評價指標體系(詳見表1)。
二、基於神經網絡的企業技術創新能力評價方法
綜合評價的方法有很多種，每種方法都基於一定的`模型假設和數據結構，都有其適用範圍和優缺點。鑑於上述企業技術創新能力評價指標體系是一個多層次多目標的複雜系統，同時也爲了進步綜合評價結果的有效性和可靠性，減少單一方法可能造成的偏差，避免主觀隨意性，筆者選用人工神經網絡方法對企業的科技創新能力進行綜合評價和分析。由於這種方法適用於多層次的數據結構，同時能客觀地確定各個指標的權重且資訊損失較少[7-10]。
(一)人工神經網絡方法
人工神經網絡是對人腦功能作某種簡化、抽象和模擬，是—個高度複雜、非線性動力學系統，它具有學習、記憶、聯想、回納、概括和抽取、容錯以及自學自適應的能力。BP網絡是—種單向傳播的多層前項網絡，具有三層或三層以上的神經網絡，包括輸進層、中間層(隱層)和輸出層。上下層之間實現全連接，而每層神經元之間無連接。BP網絡的學習過程是由正向傳播和反向傳播兩部分組成的，其算法描述如下：
第一步：設定初始參數ψ和θ，(ψ爲初始權重，θ爲臨界值，均隨機設爲較小的數)。
第二步：將練習樣本集和相應的目標樣本集進行預處理，然後隨機選取一組輸進和目標樣本加到網絡上。
第三步：根據輸進樣本，利用下式算出它們的輸出值。Yyj
第五步：隨機選取下一個學習樣本提供給網絡，返回第三步，直到m個練習樣本練習完畢；
第六步：重新從m個學習樣本中隨機選取一組輸進和目標樣本，返回第三步，直到網絡全局誤差小於預先設定的一個極小值，即網絡收斂。
(二)評價指標的回一化
由於評價指標體系中，既有定性指標，，又有定量指標，爲了使各指標在整個系統中具有可比性，必須對各指標進行回一化處理，處理後的指標值才能作爲神經網絡的學習樣本。因此，對於評價指標體系中的定量指標，在綜合評價前必須把指標的實測值按某種隸屬度函數將其回一化到某一無量綱區間。對於定性指標，可採用評價等級隸屬度的方法確定，如1，0．75，0．5，0．25，0，分別對應很好，好，一般，較差，差。
從上述轉換可以看出，對於效益型指標來說．當實測值Xij大於均勻值時，轉換後其隸屬度函數值大於0，實測值越大，隸屬度函數值越大，當原始值達到一定數值時，隸屬度函數值接近“飽和”。這樣處理是爲了防止某一指標隸屬度函數值過大，從而影響整個綜合指標。對於本錢型指標，當X