智庫發(fā)展程度正成為一個國家或地區(qū)治理能力的重要體現(xiàn)。對于智庫評價的探索有助于通過理解智庫評價中的指標體系及方法,進而研究拓寬智庫影響決策的路徑。目前,中國的國家高端智庫和省市級重點智庫都在迅速發(fā)展,科學高效的考核評價體系,能夠激勵智庫不斷尋求發(fā)展,進而對中國新型智庫體系的形成具有重要意義。本文從智庫評價出發(fā),首先論證了利用BP神經(jīng)網(wǎng)絡進行國內(nèi)智庫評價的優(yōu)勢。然后基于文獻資料、我國智庫特點與專家建議,制作了調(diào)查問卷。通過因子分析對調(diào)查問卷結(jié)果進行分析,理清了指標層級關系和權重。在此基礎上遵循科學性、綜合性等原則建立了國內(nèi)智庫評價指標體系。接著構(gòu)建了基于BP神經(jīng)網(wǎng)絡和MIV算法的國內(nèi)智庫評價模型。模型基于Python3.6,采用TensorFlow框架、JetBrains PyCharm和BP算法建立,訓練和校驗樣本數(shù)據(jù)取自100家已知等級的高校智庫,選用其二級指標加權分數(shù)和已知等級作為學習樣本。在基于BP神經(jīng)網(wǎng)絡的國內(nèi)智庫評價模型建立后,為盡可能降低因選取的評價指標不準確造成模型的精確度問題,選用MIV算法對神經(jīng)網(wǎng)絡變量進行特征篩選。從作為輸入層節(jié)點的8個二級指標中篩選出7個關鍵指標,并... 

【文章來源】：北京交通大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：108 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 緒論
    1.1 研究背景與選題意義
        1.1.1 課題研究背景
        1.1.2 選題的提出
        1.1.3 研究意義
    1.2 相關領域研究現(xiàn)狀和應用現(xiàn)狀
        1.2.1 智庫評價國內(nèi)外研究現(xiàn)狀
        1.2.2 現(xiàn)有智庫評價研究存在的問題
        1.2.3 BP神經(jīng)網(wǎng)絡在數(shù)據(jù)分類領域應用現(xiàn)狀
    1.3 研究內(nèi)容和方法
        1.3.1 研究內(nèi)容
        1.3.2 研究方法
        1.3.3 論文結(jié)構(gòu)
2 相關理論與技術
    2.1 科學評價理論
        2.1.1 科學評價的內(nèi)涵
        2.1.2 科學評價的理論和方法體系
    2.2 神經(jīng)網(wǎng)絡評價法
        2.2.1 人工神經(jīng)網(wǎng)絡介紹
        2.2.2 人工神經(jīng)網(wǎng)絡模型
        2.2.3 BP神經(jīng)網(wǎng)絡結(jié)構(gòu)
        2.2.4 BP神經(jīng)網(wǎng)絡做智庫評價的優(yōu)勢分析
    2.3 因子分析法
        2.3.1 因子分析法的思想
        2.3.2 因子分析法的基本步驟
    2.4 MIV算法
        2.4.1 MIV算法概述
        2.4.2 算法程序分析與設計
    2.5 本章小結(jié)
3 國內(nèi)智庫評價體系構(gòu)建
    3.1 國內(nèi)智庫評價指標體系設計的原則與步驟
        3.1.1 指標體系設計的原則
        3.1.2 評價指標體系設計的步驟
    3.2 國內(nèi)智庫評價指標的問卷調(diào)查與統(tǒng)計分析
        3.2.1 調(diào)查問卷的設計與對象的選擇
        3.2.2 描述性統(tǒng)計分析
        3.2.3 因子分析
        3.2.4 信度檢驗
    3.3 評價指標體系的建立
        3.3.1 體系和權重說明
        3.3.2 指標解釋
    3.4 本章小結(jié)
4 基于BP神經(jīng)網(wǎng)絡和MIV算法的國內(nèi)智庫評價模型
    4.1 評價模型數(shù)據(jù)獲取與處理
        4.1.1 原始數(shù)據(jù)獲取
        4.1.2 確定學習樣本
    4.2 基于BP神經(jīng)網(wǎng)絡的國內(nèi)智庫評價模型構(gòu)建
        4.2.1 網(wǎng)絡拓撲結(jié)構(gòu)的設定
        4.2.2 激活函數(shù)的選擇
        4.2.3 學習參數(shù)的選擇
        4.2.4 改進神經(jīng)網(wǎng)絡的算法
        4.2.5 評價模型的網(wǎng)絡結(jié)構(gòu)
    4.3 評價模型的算法步驟與訓練
        4.3.1 評價模型的基本算法
        4.3.2 評價模型的訓練和校驗
    4.4 基于MIV算法的評價模型性能優(yōu)化
        4.4.1 基于MIV算法的關鍵評價指標篩選
        4.4.2 模型性能優(yōu)化分析
    4.5 本章小結(jié)
5 模型應用
    5.1 案例描述與數(shù)據(jù)獲取
    5.2 評價模型仿真系統(tǒng)與應用
    5.3 本章小結(jié)
6 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 展望
參考文獻
附錄 A
附錄 B
附錄 C
附錄 D
附錄 E
附錄 F
作者簡歷及攻讀碩士學位期間取得的研究成果
學位論文數(shù)據(jù)集


【參考文獻】：
期刊論文
[1]基于改進BP-MIV算法的某地產(chǎn)經(jīng)紀人行為研究[J]. 徐揚斌,李娜,盛思源,張睿.  工業(yè)工程與管理. 2018(05)
[2]基于群策層次分析法的中國高校智庫網(wǎng)絡影響力評價分析[J]. 邱均平,祖文玲.  現(xiàn)代情報. 2018(08)
[3]新媒體與西方知名智庫的傳播機制研究——以“一帶一路”建設相關研究傳播為例[J]. 朱瑞娟.  現(xiàn)代傳播(中國傳媒大學學報). 2018(04)
[4]中國國防科技智庫評價體系建設研究[J]. 許佳,程文淵,張慧.  科研管理. 2018(S1)
[5]科技智庫建設的多層次圖景分析[J]. 張月鴻,劉登偉.  智庫理論與實踐. 2018(01)
[6]基于遺傳算法的BP神經(jīng)網(wǎng)絡在電力負載預測中的應用[J]. 張宗華,趙京湘,盧享,牛新征.  計算機工程. 2017(10)
[7]我國智庫構(gòu)建的實證與策略研究——以江蘇為例[J]. 梁穎,陳雅,陸紅如.  新世紀圖書館. 2017(09)
[8]加快統(tǒng)戰(zhàn)新型智庫建設 提升社院資政教學水平[J]. 呂仕杰,陳錦榮.  上海市社會主義學院學報. 2017(04)
[9]基于深度圖像和BP神經(jīng)網(wǎng)絡的肉雞體質(zhì)量估測模型[J]. 王琳,孫傳恒,李文勇,吉增濤,張翔,王以忠,雷鵬,楊信廷.  農(nóng)業(yè)工程學報. 2017(13)
[10]創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略視閾下我國智庫影響力提升探析[J]. 宣葵葵.  經(jīng)濟與社會發(fā)展. 2017(03)

博士論文
[1]電子電器產(chǎn)品缺陷風險評估方法研究[D]. 孫思衡.北京科技大學 2018

碩士論文
[1]基于神經(jīng)網(wǎng)絡的工業(yè)大數(shù)據(jù)分類模型與擬合模型研究[D]. 柴瑞澤.浙江大學 2018
[2]基于輕量級卷積神經(jīng)網(wǎng)絡的人臉檢測和識別算法研發(fā)[D]. 盧毅.浙江大學 2018
[3]美國高校教育智庫功能研究[D]. 苗堯堯.天津師范大學 2017
[4]電子商務交易過程中信任評價的關鍵問題研究[D]. 陳晨.北京交通大學 2017
[5]美國智庫及其影響力研究[D]. 郭琳.山西大學 2011
[6]基于人工神經(jīng)網(wǎng)絡的產(chǎn)品需求預測研究[D]. 丁杏娟.上海交通大學 2007



本文編號：3171714