發(fā)布時(shí)間：2022-08-10 19:26

　　目前,我國(guó)面臨經(jīng)濟(jì)結(jié)構(gòu)調(diào)整,正在加強(qiáng)人工智能產(chǎn)業(yè)發(fā)展力度,以通過(guò)產(chǎn)業(yè)升級(jí)帶動(dòng)經(jīng)濟(jì)轉(zhuǎn)型。人工智能企業(yè)數(shù)量持續(xù)增加,面臨合合并、上市、重組等一系列經(jīng)濟(jì)活動(dòng),需要科學(xué)的企業(yè)價(jià)值評(píng)估方法予以支撐。本文分析了我國(guó)人工智能產(chǎn)業(yè)的發(fā)展現(xiàn)狀,發(fā)現(xiàn)人工智能企業(yè)發(fā)展具有良好的政策及投融資優(yōu)勢(shì)。由于人工智能企業(yè)未來(lái)收益的不穩(wěn)定性,本文選取了 EVA（即經(jīng)濟(jì)增加值）方法對(duì)該類企業(yè)進(jìn)行企業(yè)價(jià)值評(píng)估,并使用RBF神經(jīng)網(wǎng)絡(luò)（即徑向基神經(jīng)網(wǎng)絡(luò)）模型對(duì)傳統(tǒng)EVA方法進(jìn)行優(yōu)化,以得到更能體現(xiàn)企業(yè)內(nèi)在價(jià)值的評(píng)估結(jié)果。本文從技術(shù)維度、產(chǎn)品和行業(yè)維度、歷史業(yè)績(jī)情況等角度出發(fā),選取大華股份、�？低�、佳都科技、科大訊飛、科大智能、賽為智能、拓爾思和機(jī)器人作為人工智能企業(yè)案例進(jìn)行分析,對(duì)8家案例企業(yè)2008-2017年的歷史EVA進(jìn)行計(jì)算。計(jì)算結(jié)果顯示,人工智能企業(yè)的歷史EVA呈非線性波動(dòng)變化,與傳統(tǒng)EVA模型中固定增長(zhǎng)率的假設(shè)不符。本文提出采用RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)人工智能企業(yè)未來(lái)EVA值。本文對(duì)8家人工智能企業(yè)歷史EVA進(jìn)行訓(xùn)練和測(cè)試,結(jié)果顯示,采用固定增長(zhǎng)速率對(duì)2017年EVA進(jìn)行預(yù)測(cè)的平均誤差為21.231%,RBF神經(jīng)網(wǎng)絡(luò)的... 

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 企業(yè)價(jià)值評(píng)估方法研究現(xiàn)狀
        1.3.2 EVA理論發(fā)展及其企業(yè)價(jià)值評(píng)估模型應(yīng)用現(xiàn)狀
        1.3.3 RBF神經(jīng)網(wǎng)絡(luò)模型的優(yōu)勢(shì)與應(yīng)用
    1.4 研究?jī)?nèi)容與方法
        1.4.1 研究?jī)?nèi)容
        1.4.2 研究方法
    1.5 本文創(chuàng)新點(diǎn)
第2章 EVA理論基礎(chǔ)及其企業(yè)價(jià)值評(píng)估模型
    2.1 企業(yè)價(jià)值評(píng)估的基本方法
    2.2 EVA方法下的企業(yè)價(jià)值評(píng)估模型
        2.2.1 EVA方法原理
        2.2.2 零增長(zhǎng)模型
        2.2.3 固定增長(zhǎng)模型
        2.2.4 分階段增長(zhǎng)模型
    2.3 EVA方法與其他評(píng)估方法的比較
    2.4 本章小結(jié)
第3章 人工智能企業(yè)發(fā)展現(xiàn)狀及價(jià)值評(píng)估問(wèn)題分析
    3.1 人工智能企業(yè)分類與特征
        3.1.1 人工智能企業(yè)分類
        3.1.2 人工智能企業(yè)特征
    3.2 人工智能產(chǎn)業(yè)發(fā)展現(xiàn)狀分析
        3.2.1 人工智能產(chǎn)業(yè)發(fā)展戰(zhàn)略和政策環(huán)境
        3.2.2 人工智能產(chǎn)業(yè)核心技術(shù)及應(yīng)用現(xiàn)狀
        3.2.3 人工智能企業(yè)分布情況
    3.3 人工智能企業(yè)價(jià)值評(píng)估主要問(wèn)題
    3.4 本章小結(jié)
第4章 RBF-EVA企業(yè)價(jià)值評(píng)估模型
    4.1 人工神經(jīng)網(wǎng)絡(luò)
        4.1.1 人工神經(jīng)網(wǎng)絡(luò)概述
        4.1.2 人工神經(jīng)網(wǎng)絡(luò)分類
    4.2 RBF神經(jīng)網(wǎng)絡(luò)理論
    4.3 構(gòu)建RBF-EVA企業(yè)價(jià)值評(píng)估模型
        4.3.1 RBF-EVA模型原理
        4.3.2 RBF-EVA模型的評(píng)估步驟
        4.3.3 基于RBF神經(jīng)網(wǎng)絡(luò)改進(jìn)的EVA企業(yè)價(jià)值評(píng)估模型
    4.4 RBF-EVA企業(yè)價(jià)值評(píng)估模型的優(yōu)勢(shì)
    4.5 本章小結(jié)
第5章 基于RBF-EVA方法的人工智能企業(yè)價(jià)值評(píng)估實(shí)證研究
    5.1 人工智能企業(yè)案例選取
    5.2 基于傳統(tǒng)EVA方法的案例企業(yè)價(jià)值評(píng)估
        5.2.1 八家人工智能案例企業(yè)歷史EVA的計(jì)算
        5.2.2 四種傳統(tǒng)EVA模型下的案例企業(yè)價(jià)值評(píng)估
    5.3 基于RBF-EVA方法的案例企業(yè)價(jià)值評(píng)估
        5.3.1 RBF-EVA方法下EVA的預(yù)測(cè)
        5.3.2 RBF-EVA方法下的案例企業(yè)價(jià)值評(píng)估
    5.4 傳統(tǒng)EVA方法與RBF-EVA方法的實(shí)證對(duì)比分析
    5.5 實(shí)證誤差來(lái)源分析
    5.6 本章小結(jié)
第6章 研究成果和結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其他成果
致謝



本文編號(hào)：3674221