摘 要：為了對(duì)高?？蒲许?xiàng)目前景進(jìn)行有效預(yù)測(cè)，進(jìn)一步提升科研成果轉(zhuǎn)化率，本文提出了基于神經(jīng)網(wǎng)絡(luò)結(jié)合科研項(xiàng)目共享的網(wǎng)絡(luò)平臺(tái)，構(gòu)建可靠的科研項(xiàng)目前景預(yù)測(cè)系統(tǒng)。通過(guò)將各類(lèi)大量科研項(xiàng)目的特征參數(shù)化，利用BP(反向傳播)神經(jīng)網(wǎng)絡(luò)的非線(xiàn)性映射能力、自適應(yīng)能力和對(duì)離散數(shù)據(jù)的泛化能力生成模型后，用于從多維度對(duì)一個(gè)新項(xiàng)目生成可靠的前景預(yù)測(cè)。實(shí)驗(yàn)表明，BP神經(jīng)網(wǎng)絡(luò)算法在大量學(xué)習(xí)經(jīng)過(guò)預(yù)處理的樣本后所產(chǎn)生的預(yù)測(cè)結(jié)果是具有較高準(zhǔn)確性的，且能夠隨著新的樣本輸入不斷更新和適應(yīng)，因此該方法具有較強(qiáng)的可行性。

　　關(guān)鍵詞：高校科研項(xiàng)目;前景預(yù)測(cè);神經(jīng)網(wǎng)絡(luò)

　　1 引言(Introduction)

　　在我國(guó)，科研成果轉(zhuǎn)化率低已是老生常談的話(huà)題，2018年4月18日國(guó)務(wù)院常務(wù)會(huì)議確定了“加大對(duì)科技成果轉(zhuǎn)化的政策激勵(lì)”的政策方針并提出了若干辦法。但由于科研評(píng)價(jià)機(jī)制不合理、選題立項(xiàng)重復(fù)度高、科研資金管理存在漏洞[1]等問(wèn)題，導(dǎo)致科研成果轉(zhuǎn)化率低的現(xiàn)象至今依然存在。提高科研成果轉(zhuǎn)化率，企業(yè)的參與是至關(guān)重要的，然而企業(yè)為了規(guī)避風(fēng)險(xiǎn)很注重項(xiàng)目的成熟度，偏向于投資前景已清晰的項(xiàng)目。這樣便導(dǎo)致很多優(yōu)秀的項(xiàng)目由于找不到投資者止步在“原始創(chuàng)新成果”階段，失去了產(chǎn)業(yè)化、商品化的機(jī)會(huì)。而各個(gè)高校的科研項(xiàng)目展示頁(yè)面更注重展示本?？蒲许?xiàng)目的創(chuàng)新性和技術(shù)高度，而忽略了展示方案的實(shí)現(xiàn)成本及產(chǎn)業(yè)化的難度[2]，這讓企業(yè)難以理解其價(jià)值。

　　本文中所研究的采用SSM+MongoDB技術(shù)搭建的基于BP神經(jīng)網(wǎng)絡(luò)(反向傳播神經(jīng)網(wǎng)絡(luò))算法的高校科研項(xiàng)目前景預(yù)測(cè)系統(tǒng)，可實(shí)現(xiàn)對(duì)科研項(xiàng)目進(jìn)行可靠的前景預(yù)測(cè)，幫助正在進(jìn)行中的科研項(xiàng)目更直觀地展示自身價(jià)值，降低企業(yè)投資風(fēng)險(xiǎn)，提高科研成果的轉(zhuǎn)化率[3]。

　　2 技術(shù)簡(jiǎn)介(Technical brief)

　　基于BP神經(jīng)網(wǎng)絡(luò)算法的高?？蒲许?xiàng)目前景預(yù)測(cè)系統(tǒng)的技術(shù)選型使用SSM框架，數(shù)據(jù)庫(kù)采用MySQL+MongoDB的形式，核心功能的實(shí)現(xiàn)使用了BP神經(jīng)網(wǎng)絡(luò)算法。

　　2.1 BP神經(jīng)網(wǎng)絡(luò)

　　BP神經(jīng)網(wǎng)絡(luò)是19世紀(jì)80年代由David Runelhart等科學(xué)家提出的概念，是一種對(duì)感知機(jī)網(wǎng)絡(luò)的改進(jìn)算法，解決了簡(jiǎn)單感知器不能解決的異或(Exclusive OR， XOR)和非線(xiàn)性學(xué)習(xí)等問(wèn)題。BP神經(jīng)網(wǎng)絡(luò)在訓(xùn)練過(guò)程中通過(guò)反復(fù)調(diào)整系統(tǒng)中各種參數(shù)的值形成自己的學(xué)習(xí)能力，并將這種能力應(yīng)用于更多樣本的分類(lèi)，因此被廣泛應(yīng)用于分類(lèi)和識(shí)別領(lǐng)域。從收集到的資料可以得知：神經(jīng)網(wǎng)絡(luò)算法是一種對(duì)績(jī)效評(píng)價(jià)比較理想的方法，而且很多開(kāi)發(fā)者在不同領(lǐng)域中應(yīng)用這種方法，如企業(yè)績(jī)效評(píng)價(jià)、動(dòng)態(tài)供應(yīng)鏈績(jī)效評(píng)價(jià)、高校院系績(jī)效評(píng)價(jià)等。其學(xué)習(xí)流程可簡(jiǎn)單概括為：

　　(1)輸入經(jīng)過(guò)預(yù)處理的樣本數(shù)據(jù)。

　　(2)乘以權(quán)重，增加偏置并激活，逐層傳遞。

　　(3)得到預(yù)測(cè)值并對(duì)比真實(shí)值得到損失值。

　　(4)利用損失值對(duì)偏置和權(quán)重求偏導(dǎo)。

　　(5)利用梯度下降的方法更新參數(shù)。

　　(6)循環(huán)以上流程直到損失值達(dá)到標(biāo)準(zhǔn)。

　　(7)訓(xùn)練完成。

　　BP神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)在于：(1)非線(xiàn)性映射能力：BP神經(jīng)網(wǎng)絡(luò)實(shí)質(zhì)上實(shí)現(xiàn)了一個(gè)從輸入到輸出的映射功能，數(shù)學(xué)理論證明三層的神經(jīng)網(wǎng)絡(luò)就能夠以任意精度逼近任何非線(xiàn)性連續(xù)函數(shù)。這使得其特別適于求解內(nèi)部機(jī)制復(fù)雜的問(wèn)題。(2)容錯(cuò)能力：BP神經(jīng)網(wǎng)絡(luò)在其局部的或者部分的神經(jīng)元受到破壞后，對(duì)全局的訓(xùn)練結(jié)果不會(huì)造成很大的影響，也就是說(shuō)即使系統(tǒng)在受到局部損傷時(shí)還是可以正常工作的，即BP神經(jīng)網(wǎng)絡(luò)具有一定的容錯(cuò)能力。但是BP神經(jīng)網(wǎng)絡(luò)仍有一些缺陷，比如：容易陷入局部極小值;神經(jīng)網(wǎng)絡(luò)收斂速度緩慢;神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)選擇沒(méi)有統(tǒng)一的解決方案，只能憑經(jīng)驗(yàn)判斷;神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)能力和訓(xùn)練能力的矛盾，可能導(dǎo)致“過(guò)擬合”的情況。這些缺陷有的已經(jīng)有了解決方案，而有些缺陷的解決方案還有待探索。

　　推薦閱讀：神經(jīng)網(wǎng)絡(luò)投稿什么期刊