共查询到15条相似文献，搜索用时 281 毫秒
1.
2.
通过对目前企业知识管理绩效评价模型的研究,提出了采用改进的模糊Borda法对现有单一的评价模型进行组合评价。构建了基于改进模糊Borda法的组合评价模型,给出了改进模糊Borda法评价模型进行企业知识管理绩效评价的具体步骤,对企业知识管理绩效评价具有现实意义。 相似文献
3.
通过全面分析企业知识管理风险的影响因素,构建了风险评价指标体系:即人力资源风险、知识风险、组织风险、技术风险、资金风险和流程风险。建立了基于可拓方法的风险评价模型,并通过实例说明了可拓评价模型在企业知识管理风险评价中的适用性,为企业知识管理风险的定性、定量综合评价提供了一种新方法。 相似文献
4.
5.
构建了基于神经网络的医院知识管理模糊综合评价模型。运用神经网络确定模糊综合评价中的权重值,同时采用改进的反向传播算法训练网络,逐步修正网络的连接权值,使权重值更符合实际情况,得到较好的训练效果。 相似文献
6.
7.
市场经济快速发展加速了企业转型进度,转型企业需要有效地吸收和转化新进入产业的知识,识别转型过程中存在的风险,积极促进企业正常转型.结合转型企业的组织特性以及企业特性,本文构建了转型企业知识转移的风险指标体系,引入BP神经网络算法,提出基于BP神经网络的转型企业知识转移风险评价模型,实验结果证明该算法能够很好地评估和预测企业知识转移面临的风险. 相似文献
8.
企业内知识共享风险是影响企业知识管理活动成败的直接因素,做好企业知识共享风险预测工作,能够有效地评估风险发生的可能性,帮助企业及时做好事前控制。首先,在相关学者研究成果的基础上定义了知识共享风险的概念,并对企业内知识共享风险从直接风险和间接风险两个方面进行识别,并从知识、人员、组织以及技术4个方面分析知识共享风险产生的原因,在此基础上构建了企业内知识共享风险评价指标体系。然后,将遗传算法和BP神经网络两者结合起来,建立了GABP的企业内知识共享风险预测模型,利用MATLAB软件进行仿真研究,得知该模型能够较为精确地评估企业内知识共享风险大小。 相似文献
9.
知识共享是知识管理的核心。知识共享有利于促进企业的知识创新,增强企业的竞争优势。因此,如何有效地评价企业的知识共享能力便成了企业面临的一个重要的问题。文章在已有的基础上,从知识共享的客体要素水平、知识共享的主体要素水平、企业知识共享的硬环境水平和企业知识共享的软环境水平4个方面,构建企业知识共享能力的评价指标体系,进而构建基于模糊广义回归神经网络（Fussy—GRNN）的企业知识共享能力评价模型,克服了已有评价方法的某些不足,并取得了较好的效果。 相似文献
10.
项目型企业知识管理能力的模糊综合评价 总被引：1，自引：0，他引：1
本文结合项目型企业的特点和知识管理能力的定义,分析了项目型企业知识管理能力的内涵,构建了项目型企业知识管理能力评价指标体系,建立了模糊综合评估模型,并对某企业实例进行了评价与分析。实例分析表明:知识管理能力的模糊综合评价有助于项目型企业认识自身知识管理水平和发现自身不足,并为企业改进和完善知识管理工作提供一个参考依据。 相似文献
11.
以知识联盟型虚拟企业为研究对象,针对其知识共享过程中存在的各种风险,利用模糊数学和人工神经网络技术,建立了基于模糊神经网络的知识联盟型虚拟企业风险预警模型,并对其模型进行了初步的训练及检测。 相似文献
12.
模糊神经网络和SOM网络在中国高技术园区区位评价中的应用 总被引：4，自引：0，他引：4
对中国52个高技术产业园区发展状况的部分数据及因子分析结果,建立两种具有学习能力的评价模型,用以评价中国高技术园区的发展状况。一种是基于模糊神经网络(FNN)的评价模型,可以提取描述高技术园区发展状况的模糊规则,找到发展模式;另一种是基于自组织特征映射（SOM)神经网络的评价模型,可以对高技术园区进行自动聚类,从聚类图上找到发展状况相近的高技术园区。两种模型都具有自我评价功能,产业园区或企业可方便地利用之对自身发展状况进行自我评价。 相似文献
13.
通过构建知识型人才不确定性评价指标体系,提出一种知识型人才不确定性模糊综合评价方法,根据评价结果划定不确定性等级和相应管理策略,并通过一个实例验证该评价方法的有效性。 相似文献
14.
基于能力知识管理水平的模糊评价 总被引：9，自引：0，他引：9
以增强知识管理水平与企业经营绩效的关系为出发点，基于能力视角，建立了知识管理水平的评价指标体系，给出了知识管理水平的模糊评价方法。研究结果表明：基于能力视角对知识管理水平进行模糊评价，有助于企业发现自身的不足，为企业实施知识管理提供参考。 相似文献
15.
《Journal of The Franklin Institute》2019,356(12):5944-5960
Due to the unknown system structure of the froth flotation process and frequent fluctuations in production conditions, design of control strategy is a challenging problem. As a result, manual operation is still widely applied in practice by observing froth image features. However, since the manual observation is subjective and the production conditions are time-varying, the manual operation cannot make decisions quickly and accurately. In this paper, a data-driven-based adaptive fuzzy neural network control strategy is developed to implement the automatic control of the antimony flotation process. The strategy is composed of fuzzy neural network (FNN) controllers, a data-driven model, and an on-line adaptive algorithm. The FNN is constructed to derive the control laws of the reagent dosages. The parameters of the FNN controllers are tuned by gradient descent algorithm. To obtain the real-time error feedback information, the data-driven model is established, which integrates the long short term memory (LSTM) network and radial basis function neural network (RBFNN). The LSTM network is utilized as a primary model, and the RBFNN is used as an error compensation model. To handle the challenges of the frequent fluctuations in the production conditions, the on-line adaptive algorithm is proposed to tune the parameters of the FNN controllers. Simulations and experiments are carried out in a real-world antimony flotation plant in China. The results demonstrate that the proposed adaptive fuzzy neural network control strategy produces better control performance than the other two existing methods. 相似文献