بررسی توانایی مدل ترکیب شده شبکه عصبی و ا لگوریتم ژنتیک در اولویت بندی مؤلفه های اثرگذار بر مخارج تحقیق و توسعه شرکت

شناسایی و تبیین عوامل مؤثر بر مخارج تحقیق و توسعه از اهمیت زیادی برخوردار است. بررسی پژوهش های پیشین حاکی از این بوده است که دراکثر آنها، به فرضیه وجود رابطه غیرخطی میان مخارج تحقیق و توسعه و عوامل تعیین کننده آن توجه نشده است. این در حالی است برخی از پژوهشگران نشان داده اند که رابطه میان مخارج تحقیق و توسعه و عوامل تعیین کننده آن خطی نیست. به همین دلیل و همچنین نقش محوری مخارج تحقیق و توسعه در تصمیمات سرمایه گذاراران، با استفاده از مدل های الگوریتم ژنتیک و شبکه عصبی مصنوعی، مخارج تحقیق و توسعه 101 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1391 تا 1397 بررسی و تبیین شده است. در ادامه و در گام بعدی برای تعیین متغیرهای ورودی مؤثر بر مخارج تحقیق و توسعه از الگوریتم بهینه سازی ژنتیک استفاده شده است. به کارگیری روش ترکیبی شبکه عصبی مصنوعی و الگوریتم ژنتیک می تواند علاوه بر استفاده از روش های نوین در تعیین مخارج تحقیق و توسعه، سرمایه گذاران را در تصمیم گیرری های آتی نیز یاری رساند. نتایج نشان می دهد که پیش بینی مدل شبکه عصبی و الگوریتم ژنتیک بهتر از مدل منفرد شبکه عصبی عمل می کند. همچنین روش پیشنهادی قادر است تا متغیرهای ورودی مؤثر بر مخارج تحقیق و توسعه را از میان تمام متغیرهای ورودی استخراج، قابلیت و قدرت تعمیم شبکه عصبی مصنوعی را افزایش دهد.

کلیدواژه ها:

حاکمیت شرکتی ، مخارج تحقیق و توسعه ، شبکه عصبی مصنوعی ، ا لگوریتم ژنتیک