Содержание к диссертации
Введение
1. Научная основа оценки инновационною потенциала техническою универсигега .
1.1 Инновационная деятельность технического университега 10
1.2 Систематизация и анализ модели оценки инновационною потенциала технического ниверситега 19
1.3 Методологические подходы к оценке объектов инновационною потенциала...32
1 4 Концепция построения модели оценки ИІГІУ на основе гибридных экспертных систем, нейросегевых технологий 50
2 Аналитическая информационная система оценки инновационного потенциала техническою вуза 55
2.1 Структура гибридной экспертной системы оценки инновационного потенциала 55
2.2 Формирование методов и алгоритмов решения локальных задач в узлах графосвязи с использованием нейросетевых методов, систем обработки знаний и аншштических зависимостей 66
2.3. Структура аналитической информационной системы оценки инновационного потенциала научно-технической оріанизации 70
2.4 Технология проведения вычислительного эксперимента с целью принятия рациональных управленческих решений 98
3 Исследования инновационною потенциала технического университега на основе разработанной модели оценки 103
3.1 Вычислительный эксперимент, результаты и их сравнительный анализ (по кафедрам, фак>лыетам) 103
3.2 Описание программной системы, ее апробация и кошроль адекватности для оценки инновационною потенциала технического университета 128
3.3 Методика использования разработанной модели для оценки инновационною потенциала техническою университета 133
Заключение 137
Список использованных источников
- Систематизация и анализ модели оценки инновационною потенциала технического ниверситега
- Концепция построения модели оценки ИІГІУ на основе гибридных экспертных систем, нейросегевых технологий
- Формирование методов и алгоритмов решения локальных задач в узлах графосвязи с использованием нейросетевых методов, систем обработки знаний и аншштических зависимостей
- Описание программной системы, ее апробация и кошроль адекватности для оценки инновационною потенциала технического университета
Введение к работе
Актуальность темы. В настоящее время рынок наукоемких технологий является одним из наиболее динамично развивающихся cei ментов мирового рынка, что актуализирует роль университета как разработчика и поставщика инновационных продуктов и технологий.
В новых условиях технический университет становится учебно-научно-инновационным комплексом. Инновационная работа строится на основе планирования и управления систематизированными научными исследованиями в инфраструктуре университета с целью разработки и внедрения, применения инноваций в отраслях жизнедеятельности общества. В такой роли его инновационная деятельность определяется научной направленностью и потребностями региона, которые необходимо оценивать и анализировать.
Таким образом, оценка инновационного потенциала крупного технического университета является важным элементом системы управления научно-инновационной деятельностью не только в самом университете, но и в регионе. Наиболее актуальной проблемой является организация эффективного взаимодействия прикладной науки с производственной сферой, развитие и распространение наукоемких технологий.
В данном вопросе достаточно сложным и наиболее противоречивым элементом остается методическое обеспечение системы оценки инновационного потенциала университета, т.е. перечень исходных показателей, критериев оценки, методы их обобщения и граничные условия.
В современных условиях, когда большая доля научных исследований и разработок наукоемкой продукции сосредоточена в университете органическим элементом названной системы, становится и образование как подготовка квалифицированных кадров, без которых невозможно эффективное воплощение научных достижений в производстве.
Развитие инновационной деятельности университета направлено на создание условий для развития экономики, основанной на знаниях, для создания новых знаний. Эффективность экономики определяется степенью раз вития инновационных процессов, которые включают как получение новых знаний, так и передачу их в производственный сектор экономики и в социальную сферу.
Учитывая вышесказанное, очевидна актуальность оценки инновационною потенциала университета и его подразделений с целью стимулирования развития инновационной активности и ориентации научных разработок на конечных потребителей.
В стратегии экономики, основанной на знаниях, региональные особенности определяют цели, задачи и темпы инновационных процессов. Территориальные и отраслевые особенности развития инновационной деятельности каждою региона, в том числе Алтайского края, значительно зависят от местных научных организаций, университетов. При этом технический университет в условиях техноэволюции призван быть основой активизации инновационной деятельности в отраслях жизнедеятельности реї иона.
Алтайский государственный технический университет имени И.И. Ползунова (АлтГТУ) является региональным центром развития инновационной деятельности в условиях переходной экономики к рыночным формам хозяйствования.
Степень разработанности проблемы. Проблема оценки инновационной деятельности, инновационного потенциала находит, отражение в отечественной и зарубежной литературе. Можно отметить следующих авторов научные исследования которых посвящены проблемам развития инновационной деятельности: В.Е.Шукшунов, В.Р.Атоян, И.М.Бортник, С.Г.Поляков, Н.В.Казакова, Ю.В.Шленов, А.В.Суворинов, Н.Д.Рогалев, А.А.Харин, С.А.Митрофанов, В.Г.Зинов, А.Д.Викторов, Л.В.Черненькая, В.М.Кутузов, Е.А.Лурье, В.А.Бородин, Т.Б.Маркина, Е.А.Моностырный, А.М.Гринь и мно-іие другие.
Характерными особенностями задач оценки инновационного потенциала являются их сложность и неформализованное™, большие массивы первичной информации, искаженность и неточность данных, нестабильность внешней среды, неопределенность внутренних взаимосвязей.
Для решения различных задач оценки российскими авторами предлагались разнообразные методы. Э.В. Попов, Б.Е. Одинцов и ряд других авторов проводили исследования по применению продукционных экспертных систем для решения сложных, в т.ч. экономических, задач. Целым рядом авторов (А.Н.Горбань, Д.Л.Россиев, Е.М.Миркес) был описан нейросетевой подход к решению неформализованных задач. Однако наилучшие результаты дает применение гибридных экспертных систем, описанных в работах В.А.Силича, О.И.Пятковского. Гибкость настройки, возможность сочетания различных методов искусственного интеллекта позволяют гибридным экспертным системам занять лидирующее положение среди методов решения неформализованных задач.
Цель исследования. Разработка модели и информационной системы оценки инновационного потенциала технического университета с применением нейросетевых технологий.
Цель исследования обусловила постановку и решение следующих задач:
1. Исследовать на основе методов системною анализа инновационную деятельность и процесс оценки инновационного потенциал технического университета.
2. Провести анализ существующих подходов к оценке инновационного потенциала.
3.Провести анализ использования нейросетевых технологий и информационных для оценки инновационного потенциала.
4. Определить структуру модели оценки инновационного потенциала.
5. Выделить интеллектуальные блоки и определить методы решения задач оценки инновационною потенциала.
6. Разработать информационную систему оценки инновационного потенциала.
7. Провести вычислительный эксперимент по использованию разрабо танной системы и проанализировать полученные результаты.
Объектом исследования является инновационная деятельность подразделений технического университета.
Предметом исследования является разработка методов и алгоритмов решения задач оценки инновационного потенциала технического университета.
Методы исследования. Поставленные в диссертационной работе задачи решались с применением методов системного анализа, проектирования информационных систем, методов искусственного интеллекта и нейроин-форматики, экспертных оценок.
Научной новизной в диссертационной работе обладают следующие результаты:
1. Разработана модель оценки инновационного потенциала технического вуза на основе нейросетевых технологий.
2. Предложен метод решения задачи оценки инновационного потенциала, включающий создание структуры и обучение нейросетевых компонентов і ибридной экспертной системы.
3. Разработана аналитическая информационная система, обеспечивающая решение задачи оценки инновационного потенциала научно-технических организаций на основе нейросетевых методов.
Защищаемые положения:
1. Модель системы оценки инновационного потенциала на основе нейросетевых технологий.
2. Технология, алюритм и метод настройки гибридной экспертной системы и нейросетевых решателей.
3. Результаты вычислительного эксперимента оценки инновационною потенциала.
Практическая значимость результатов диссертационной работы заключается в том, что разработанная модель и информационные технологии будут применены для эффективного решения задач оценки инновационного потенциала технического университета.
Полученные результаты имеют практическое значение: Спроектирована аналитическая информационная система «Инновация». Свидетельство об официальной регистрации программы для ЭВМ №2005612344.
Разработанная аналитическая информационная система внедрена в учебном процессе кафедры «Информационные системы в экономике» в Алтайском юсударственном техническом университете имени И.И. Ползунова
Разработанная аналитическая информационная система внедрена в Алтайском государственном техническом университете имени И.И. Ползунова, Томском политехническом университете, Саратовском государственном техническом университете
Полученные результаты позволят руководству вуза решить сразу несколько управленческих задач таких, как получение достаточно полной информации об инновационной деятельности его подразделений, что позволяет принимать направленные и эффективные решения. Выявление «слабых мест» в научной организации, причин, затрудняющих ее развитие, и принятие мер по исправлению положения; выставление рейтинговой оценки подразделений и стимулирование «лидеров».
Реализация результатов. Научные результаты работы были использованы при построении модели оценки инновационного потенциала. Разработанная аналитическая информационная система используется при проведении оценки инновационного потенциала вуза, деятельности кафедр АлтГТУ, что подтверждено актами о внедрении и использовании.
Основные результаты исследования нашли отражение и применены в научно-исследовательских и опытно-конструкторских хоздоговорных работах, в которых автор является непосредственным исполнителем, в их числе хоздоговора с АлтГТУ, ТПУ, СГТУ.
Исследование проводилось в рамках государственного контракта по теме РИ-16/006 «Научно-организационное, методическое и техническое обеспечение организации и поддержки научно-образовательных центров в области информационных технологий и осуществление на основе комплексного использования материально-технических и кадровых возможностей совместных исследований и разработок».
Апробация результатов работы. Основные положения и результаты работы докладывались и обсуждались на всероссийской межвузовской научно-практической конференции аспирантов и преподавателей с международным участием «Решение глобальных и реіиональньїх проблем в экономике» (АлтГТУ, Барнаул) в 2004 году, на всероссийском семинаре «Нейроинформа-тика и ее приложения» (Институт вычислительного моделирования СО РАН, г. Красноярск) в 2006 і оду, на научно-технической конференции «Виртуальные и интеллектуальные системы» (АлтГТУ, Барнаул) в 2006 году.
Публикации. По теме диссертации опубликовано 10 работ, на аналитическую информационную систему «Инновация» получено свидетельство о реіистрации.
Структура диссертации. Диссертационная работа состоит из введения, трех глав, заключения и библиографии. Общий объем диссертации составляет 139 страниц. Список использованной литературы включает 146 наименований.
В первой главе диссертационной работы «Научная основа оценки инновационного потенциала технического университета» проведен анализ инновационной деятельности технического университета, рассмотрены ее особенности и связь с научной и производственной деятельностью. Проведена систематизация и анализ существующих моделей оценки. Рассмотрены мето-долоіические подходы к оценке объектов инновационного потенциала и сформирована концепция построения модели оценки инновационного потенциала на основе гибридных экспертных систем и нейросетевых технологий.
Во второй главе работы описана структура гибридной экспертной системы оценки инновационного потенциала технического университета, рассмотрено формирование методов и алгоритмов решения локальных задач с использованием нейросетевых методов, систем обработки знаний и аналитических зависимостей. Описана структура аналитической информационной системы оценки инновационного потенциала технического университета и основные принципы ее построения. Рассмотрена технология проведения вычислительного эксперимента с целью принятия рациональных управленческих решений.
В третьей главе работы содержатся описание настройки гибридной экспертной системы на решение оценки инновационного потенциала технического университета и результаты вычислительного эксперимента оценки инновационною потенциала технического университета, а также программная реализация аналитической информационной системы.
В заключении диссертации формулируются основные выводы, приводятся важнейшие результаты работы.
Систематизация и анализ модели оценки инновационною потенциала технического ниверситега
Идентификация результатов научно-инновационной деятельности предполагает, что при определении содержания и главных составляющих ин тегралыюю результата научно-инновационной деятельности российскою технического вуза, в него должны входить следующие элементы: - научно-исследовательская работа; - выработка инновационного предложения; - разработка инновационного проекта; - осуществление инновационного проекта.
Однако определение приоритетов научно-инновационной деятельности вуза, как части социально-экономической среды территории невозможно без решения двух первоочередных задач управления: однозначной и полной идентификации объекта управления; создания системы индикаторов, оценочных показателей и способов их определения как основы получения информации для предприятия обоснованных решений в области государственной инновационной политики и разработки инновационных стратегий вуза.
Реіулярно (ежегодно) статистические и информационно аналитические материалы об одной из составляющих инновационного процесса - научно-исследовательской деятельности - приводятся в статистических сборниках Федерального агентства по образованию. Основным источником информации о потенциале вузовского сектора науки являются годовые отчеты, представляемые вузами и научными организациями в соответствии с [143].
Показатели научной деятельности сведены в разделы: - кадровый потенциал; - подготовка кадров; - выполнение и финансирование научных исследований; - международная деятельность; - материально-техническая база; - результаты научных исследований и разработок.
Существенное место в разделах сборника занимают сведения о выполнении вузами и научными организациями тематических планов, об их участии в научно-технических программах, конкурсах грантов и международном сотрудничестве. Данные по основным показателям научной деятельности, представленные по видам вузов, по профилям вузов и научных организаций, но федеральным округам России, позволяют производить сравнительную оценку и анализ современного состояния научною потенциала высшей школы.
С целью обеспечения решения задачи формирования эффективной национальной инновационной системы Минобрнауки РФ в ноябре 2005 г. опубликованы условия конкурсного отбора высших учебных заведений в рамках программы «Приоритетные национальные проекты». Программа финансирования высших учебных заведений направлена на кадровое обеспечение инновационного развития предприятий, отраслей и регионов, задачи повышения качества естественно-научного и инженерного образования, обеспечения ею соответствия современным рынкам труда и технологий, поддержки современных научных исследований.
Конкурсный отбор вузов-претендентов осуществляется на основании итогов деятельности вузов в 2000-2005 годах, текущих показателей и перспективных параметров, которые могут быть достигнуты в период 1-3 лет.
Конкурс проводится на основе 38 показателей научно- инновационной деятельности вузов, сведенных в 5 разделов: - общие итоги деятельности; - управление вузом; - образовательные программы; - научно-исследовательская, опытно-конструкторская и инновационная деятельность; - международная деятельность.
Кроме тою, предусмотрены «Возможные дополнительные критерии» -в составе 4 показателей и «Дополнительные условия участия» в составе 2 показателей.
Концепция построения модели оценки ИІГІУ на основе гибридных экспертных систем, нейросегевых технологий
Задачи оценки в социальных и экономических системах являются неформализованными и для их решения целесообразнее применять гибридные экспертные системы.
Задача оценки может быть представлена в виде: M = F(K,X), (1.4.1) где М - комплексная оценка объекта; X - набор показателей, характеризующих состояние объекта; К - набор критериев, по которым оцениваются значения показателей и рассчитывается М (критерии могут быть количественными или качественными, это зависит от характера показателей деятельности объекта); F - некоторая функция, по которой на основе данных о значениях первичных показателей и критериев можно получить обобщенную оценку объекта. Функция неформализована и может быть не до конца известной. Для решения задачи оценки необходимо восстановить вид функции F.
Применение гибридной модели подразумевает декомпозицию задачи на подзадачи.
Решить задачу оценки для социального или экономического объекта в рамках гибридной модели - это значит построить преобразование М, для которого определены все преобразования F и критерии К. Преобразования F моїут представлять собой не только функциональные зависимости. Для их выполнения могут быть использованы и другие, более сложные, методы, в частности продукционные экспертные системы и нейронные сети.
Гибридная экспертная система как реализация гибридной модели представления знаний должна обеспечивать представление задач в виде иерархическою дерева, в котором решение задач вышестоящего уровня базируется на результатах решения задач более низкою уровня. В качестве элементов в гибридную систему должны быть включены подсистемы или модули, реализующие преобразования F, предусмотренные гибридной моделью.
Для решения задач оценки іибридная экспертная система должна функционировать в режиме настройки и эксплуатации. В режиме настройки с системой работает администратор, который осуществляет построение дерева задачи оценки и настраивает преобразования методы решения с учетом критериев для всех подзадач дерева. В режиме эксплуатации с системой взаимодействует пользователь, который на основе первичных данных с использованием уже настроенных методов решения получает оценки для всех вершин дерева. Описанные режимы принято называть режимами администратора и пользователя соответственно.
Гибридные экспертные системы - это такой метод решения неформализованных задач, с использованием которого задачу можно представить в виде иерархического дерева подзадач и указать для каждой из них свой метод решения [107, 108].
В основу работы іибридньїх экспертных систем положена гибридная модель представления знаний [107]. Она рассматривает задачу как совокупность подзадач образующих иерархию.
Представленный на рисунке 1.4.1 граф называют графом связей задачи. Данные о значениях показателей, характеризующих деятельность объекта (хь ..., хп), используются для расчета оценок первого уровня (vn, ..., VuJ. Полученные данные становятся первичными для задач следующего, более высокого уровня (V2i, ..., v2m). Пройдя через все уровни графа, выделенные в процессе декомпозиции, на заключительном этапе рассчитывается значение комплексной оценки (М) на основе значений вершин предшествующего уровня.
Всем вершинам графа связей (vu, ..., Vik, V21, ..., v2m, М) сопоставляются свои методы решения с индивидуальным набором параметров, который позволяет получить решения на всех уровнях иерархии. В процессе прохождения через гибридную модель информация сжимается и, в конечном счете, сворачивается в единственный показатель - комплексную оценку. Однако, все значения промежуточных вершин являются доступными.
Такая схема агрегирования характерна для социально-экономических объектов. Руководитель организации должен видеть обобщенную картину состояния объекта, в то время как менеджеры более низкого уровня имеют расширенную информацию о части задачи, находящейся в их ведении.
Гибридная модель при решении задач оценки дает определенные преимущества. Во-первых, для разных подзадач можно использовать разные методы решения. возникает необходимости в корректировке остальных. В-третьих, можно применить различные методы решения к одной подзадаче и сравнить результаты решения. В-четвертых, агрегирование информации в рамках гибридной модели не приводит к ее потере, все данные вплоть до первичных показателей могут быть восстановлены.
Формирование методов и алгоритмов решения локальных задач в узлах графосвязи с использованием нейросетевых методов, систем обработки знаний и аншштических зависимостей
Выбор метода решения в дереве задачи - это процесс сопоставления аїрегатов любой вершине дерева, не являющейся первичным показателем.
Выбор метода решения в узлах дерева зависит которые делятся на две группы. Во-первых, это характеристики решаемой задачи, во-вторых, это характеристики возможных методов решения, в том числе продукционных экспертных систем и нейронных сетей, и предпочтения пользователя, решающего задачу.
Характеристики задачи в значительной степени влияют на способ и возможность ее решения. Для задач оценки главной характеристикой является сложность ее решения. Определение сложности задачи неоднозначно. На основе анализа подходов к понятию сложности выделены следующие характеристики задач, но которым определяется их сложность: размерность, доступность информации, динамичность, детерминированность, характер входных показателей.
Аналитические зависимости, или формулы, можно использовать для решения задач малого и среднего размера. Построение формулы для большого количества показателей затруднено. Доступность информации косвенно влияет и на динамику изменения (с появлением более полной информации настройку метода нужно уточнять), и на детерминированность связей, поэтому формулы можно применять при решении задач, вся информация о которых легко доступна. Функциональная зависимость может отразить только задачи с определенным (детерминированным) механизмом функционирования. Таких узлов в дереве было выявлено пять.
Продукционные экспертные системы могут решать и более сложные задачи. Их тип сложности можно охарактеризовать как разрешимые и трудно разрешимые. Они могут быть использованы и для решения простых задач, однако затраты на создание базы знаний будут несопоставимы с эффектом.
Экспертные системы лучше использовать для решения задач среднего размера, поскольку при большом числе правил, модификация базы знаний сильно затруднится. Способность экспертных систем к наращиванию базы знаний в процессе эксплуатации позволяет использовать их при решении изменчивых задач. Внесение изменений в базу знаний производится экспертом, что может занять значительное время, поэтому решение нестабильных задач в рамках экспертной системы затруднено. Наличие коэффициентов уверенности внутри системы позволяет решать стохастические задачи, а структура правил базы знаний работать с качественными показателями.
Нейронные сети позволяют решать задачи, для которых нет информации о методах решения, но есть статистический материал. Таким образом, нейронные сети можно использовать для решения трудно разрешимых задач, а при наличии достаточного статистического материала - и неразрешимых. Нейронные сети могут оперировать большим числом показателей. Качественные признаки можно представить для нейронных сетей посредством введения отдельного входного показателя для каждого значения качественною признака и обозначения ею наличия/отсутствия через "1" или "О". Нейронные сети легко модифицируются, дообучаются, т.е. пригодны для решения изменчивых и нестабильных задач. Для обучения нейронных сетей задачник может быть построен экспертом на основании предположений и может быть уточнен позже при появлении информации, нейронная сеть в этом случае до-обучается по измененному задачнику. В связи с этим было определено применение аппарата нейронных сетей в 6 узлах.
Описание программной системы, ее апробация и кошроль адекватности для оценки инновационною потенциала технического университета
Недооценка инновационной компоненты является кардинальной причиной экономической стагнации. В этой связи необходима серьезная организационно-методическая и информационная поддержка научно-технических организаций по таким вопросам как защита, охрана и эффективное использование интеллектуальной собственности, изучение рынка продукции и рынка инвестиций.
Как показало исследование, инновационный потенциал является сложным многофакторным феноменом. Вместе с тем налицо необходимость определения последовательности именно тех действий, которые являются ключевыми для обеспечения инновационного развития системы. К ним относятся: - ежегодный мониторинг состояния и тенденций изменения инновационного потенциала (НТО, предприятия, региона, страны и т.д.); - формирование инновационной культуры как идеологии и технологии инновационного развития научно-технического, производственно-технологического, финансово-экономического, кадрового и собственно инновационного потенциалов системы; - комплексное исследование состояния защиты, охраны и использования интеллектуальной собственности; - разработка моделей инновационной инфраструктуры научно-технической организации, региона; - создание системы базовых предприятий и организаций по развитию инновационного потенциала; - разработка учебно-методического пакета программ, пособий и других материалов, включая аудиовизуальные, для подготовки персонала в области инновационного развития. Как показывает мировой опыт, решение стратегических задач экономики, и именно такой является инновационное развитие, требует первоочередных вложений именно в гуманный капитал, т.е в человека, формирования такой модели поведения, которая бы не только им осознавалась, но и разделялась. Реализация предлагаемых мер ведет к практическому решению задачи инновационного развития.
Общие сведения.
Полное наименование системы - Аналитическая информационная система оценки инновационного потенциала научно-технических объединений.
Краткое наименование - АИС «Инновация».
Заказчик системы - Алтайский государственный технический университет имени И.И. Ползунова.
В результате выполнения условий технического задания работа передается заказчику. Вместе с информационной системой передается комплект документации, включающий настоящее техническое задание, руководство пользователя.
АИС «Инновация» предназначена для оценки и прогнозирования инновационной активности и потенциала научно-технических объединений (НТО): вузов, предприятий научно-технической сферы и др.
Система «Инновация» может настраиваться на любые количественные показатели.
Конечной и главной целью создания АИС является качественный анализ инновационной деятельности НТО, выявление «сильных» и «слабых» мест, а также поддержка принятия решений руководителями.
Система обеспечивает ввод, вывод и хранение информации об инновационной деятельности объектов исследования за различные периоды. А также позволяет производить сравнительный анализ показателей с другими объектами и в динамике. В системе предусмотрена возможность формировать аналитические отчеты, графики, диаграммы. Требования к системе. АИС «Инновация» состоит из двух основных блоков: - блок решения задачи, - блок анализа результатов.
Блок решения задачи предназначен для ввода исходных данных об объекте за выбранный период и запуск решателей ранее настроенного дерева подзадач.
Блок анализа результатов позволяет производить сравнение анализируемых значений показателей различных объектов за любой период, а также производить анализ показателей в динамике но какому-либо объекту. При этом предусмотрен вывод отчетов в формате Excel и построение графиков и диаграмм. АИС «Инновация» имеет собственную базу данных, для хранения результатов анализа.
Методика оценки настраивается в системе «Бизнес-Аналитик». При этом задача представляется в виде иерархического дерева подзадач, для каждой из которых настраивается свой метод решения: нейронные сети, экспертные системы, формулы.
Работу в АИС «Инновация» можно разделить на два этапа: - настройка дерева на решение задачи, - решение задачи.
Настройка дерева решения осуществляется полностью в среде «Бизнес-Аналитика», затем происходит экспорт показателей в систему «Инновация». Таким образом, формируется шаблон документа для ввода исходных данных (информационная карта).
