BP神经网络在企业创新模式识别中的应用

"这篇研究论文探讨了基于BP神经网络的企业创新持续模式的识别与选择问题。作者马玉彤和孟阳毅来自华南理工大学商学院。该研究将中国制造业上市企业依据创新持久性和所有权结构划分为六种不同的创新模式，并通过BP神经网络模型进行模式识别。论文指出，不同规模的企业适合采用不同的创新模式：小型企业倾向于集中式连续创新模式和集中式区间创新模式，中型企业主要采取中等区间创新模式，而大型企业则倾向于宽松区间创新模式。研究还发现，这些模式与企业的经营绩效密切相关，规模越大，企业倾向于投入更多资源进行实质性创新。" 本文深入研究了企业创新持久性与所有权结构的关系，以及如何利用BP神经网络技术来识别这些模式。BP神经网络是一种常用的人工神经网络模型，特别适用于复杂非线性问题的建模和预测。在此研究中，BP神经网络被用来处理企业创新模式的分类任务，通过学习和调整权重，模型能够从给定的数据中识别出不同的创新策略。 创新持久性是衡量企业持续进行创新活动的能力和决心的一个关键指标。所有权结构，即企业的股权分布和控制权分配，对企业的决策和行为有深远影响。论文将这两者结合，揭示了它们如何共同塑造企业的创新模式选择。 研究结果揭示了企业规模与创新模式之间的紧密联系。小型企业由于资源有限，通常选择集中且连续的创新方式，以便快速响应市场变化；中型企业可能采取较为平衡的策略，通过中等区间创新模式保持竞争力；而大型企业，得益于充足的资源，可以采取更为灵活和宽松的创新策略，允许更广泛的研发和探索。 此外，论文还探讨了这些创新模式对经营绩效的影响。集中式连续创新模式、集中式区间创新模式和松散式连续创新模式分别被发现在中小企业、中型企业及大型企业中效果最佳。这表明，随着企业规模的扩大，所有制结构的优化和创新投入的增加有助于提升企业的创新能力，进而提高经营绩效。 这篇研究为企业提供了理论指导，帮助它们理解如何根据自身的规模和所有权结构选择合适的创新策略，以实现持续增长和竞争优势。同时，也为政策制定者提供了关于如何促进不同类型企业创新活动的见解。