Моделирование процессов изобретательской деятельности в инновационных экосистемах
Работа посвящена актуальной задаче моделирования процессов изобретательской деятельности в условиях действия множества факторов неопределенности, характерных для взаимодействия и взаимной зависимости субъектов инновационных экосистем. В качестве центрального звена экосистемы рассматривается мол...
| Опубликовано в: : | Вестник Томского государственного университета. Экономика № 67. С. 285-299 |
|---|---|
| Другие авторы: | , , , |
| Формат: | Статья в журнале |
| Язык: | Russian |
| Предметы: | |
| Online-ссылка: | http://vital.lib.tsu.ru/vital/access/manager/Repository/koha:001147405 Перейти в каталог НБ ТГУ |
| Итог: | Работа посвящена актуальной задаче моделирования процессов изобретательской деятельности в условиях действия множества факторов неопределенности, характерных для взаимодействия и взаимной зависимости субъектов инновационных экосистем. В качестве центрального звена экосистемы рассматривается молодая инновационная компания - стартап, результатом интеллектуальной деятельности которого являются идеи, оформленные в виде заявок на изобретение, направленных в патентное ведомство. Потоки случайных событий подачи патентных заявок стартапом и получения им решений патентного ведомства рассматриваются в рамках классической теории вероятностей. Модель экосистемы, построенная в виде байесовской сети доверия, позволяет учитывать не только события патентных сигналов о появлении новых технологий (изобретений) у стартапа, но и причинно-следственные связи между всеми субъектами инновационной экосистемы, включая стартап, независимого эксперта-техноброкера, институционального инвестора (венчурный фонд) и патентное ведомство. В результате обучения построенной модели и последующих аналитических и диагностических выводов венчурный фонд получает возможность извлекать новые знания и обоснованно уменьшать неопределенность при принятии решений о финансировании стартапа с учетом текущего состояния его патентного портфеля. Расчетные и машинные логические выводы показаны на примере действующего прототипа интеллектуальной системы. Возможность быстрого переобучения модели, например, в соответствии с новыми знаниями, полученными инвестором в ходе анализа, позволяет адаптировать систему поддержки решений инвестора к любым количественным вероятностным оценкам экспертов. |
|---|---|
| Библиография: | Библиогр.: 10 назв. |
| ISSN: | 1998-8648 |