Evaluación de riesgos de la inversión en I+D de proveedores basada en una red neuronal BP mejorada
Autores: Song, Yinghua; Sang, Xiaoyan; Wang, Zhe; Xu, Hongqian
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Evaluación de riesgos de la inversión en I+D de proveedores basada en una red neuronal BP mejorada
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Competencia en el mercado
Proveedores
Investigación y desarrollo
Innovación
Riesgos
Inversión
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 36
Citaciones: Sin citaciones
A medida que la competencia en el mercado se intensifica, la supervivencia y el desarrollo de los proveedores dependen cada vez más de la inversión en investigación y desarrollo (I+D) y la innovación. Debido a la incertidumbre de los factores que afectan la inversión en I+D de los proveedores, los riesgos a los que se enfrenta esta inversión también son inciertos. Por lo tanto, identificar y evaluar los riesgos con anticipación y controlarlos puede brindar un apoyo efectivo a los proveedores para llevar a cabo la gestión de riesgos de la inversión en I+D. Este artículo selecciona factores clave a través de una revisión de la literatura y un análisis de factores, y establece un sistema de evaluación de índice de riesgo para la inversión en I+D de los proveedores de material médico. Diecisiete indicadores que afectan y restringen los factores de inversión del proyecto fueron identificados como variables de entrada de la red neuronal de retropropagación (BP), la puntuación integral de la evaluación de riesgos de la inversión en I+D se utilizó como variable de salida de los proveedores de suministros médicos, y se estableció un modelo de evaluación de riesgos para la inversión en I+D de los proveedores de material médico. Al aprovechar la capacidad de optimización de enjambre de partículas (PSO), algoritmo de optimización de ballenas (WOA) y algoritmo genético (GA) para buscar soluciones óptimas globales, la red neuronal BP se mejora para evitar quedar atrapada en soluciones óptimas locales y mejorar la capacidad de generalización del modelo. Se comparan y analizan la mejora en precisión y velocidad de convergencia de estos tres métodos. Los resultados muestran que la red neuronal BP mejorada por el algoritmo genético tiene una mejor precisión y una velocidad de convergencia más rápida en la predicción y evaluación de riesgos. Esto indica que el modelo de red neuronal BP mejorado por el algoritmo genético es efectivo y viable para predecir la evaluación de riesgos de la inversión en I+D de los proveedores de suministros médicos.
Descripción
A medida que la competencia en el mercado se intensifica, la supervivencia y el desarrollo de los proveedores dependen cada vez más de la inversión en investigación y desarrollo (I+D) y la innovación. Debido a la incertidumbre de los factores que afectan la inversión en I+D de los proveedores, los riesgos a los que se enfrenta esta inversión también son inciertos. Por lo tanto, identificar y evaluar los riesgos con anticipación y controlarlos puede brindar un apoyo efectivo a los proveedores para llevar a cabo la gestión de riesgos de la inversión en I+D. Este artículo selecciona factores clave a través de una revisión de la literatura y un análisis de factores, y establece un sistema de evaluación de índice de riesgo para la inversión en I+D de los proveedores de material médico. Diecisiete indicadores que afectan y restringen los factores de inversión del proyecto fueron identificados como variables de entrada de la red neuronal de retropropagación (BP), la puntuación integral de la evaluación de riesgos de la inversión en I+D se utilizó como variable de salida de los proveedores de suministros médicos, y se estableció un modelo de evaluación de riesgos para la inversión en I+D de los proveedores de material médico. Al aprovechar la capacidad de optimización de enjambre de partículas (PSO), algoritmo de optimización de ballenas (WOA) y algoritmo genético (GA) para buscar soluciones óptimas globales, la red neuronal BP se mejora para evitar quedar atrapada en soluciones óptimas locales y mejorar la capacidad de generalización del modelo. Se comparan y analizan la mejora en precisión y velocidad de convergencia de estos tres métodos. Los resultados muestran que la red neuronal BP mejorada por el algoritmo genético tiene una mejor precisión y una velocidad de convergencia más rápida en la predicción y evaluación de riesgos. Esto indica que el modelo de red neuronal BP mejorado por el algoritmo genético es efectivo y viable para predecir la evaluación de riesgos de la inversión en I+D de los proveedores de suministros médicos.