طراحی مدل پیش‌بینی و تعیین ظرفیت نوآوری منابع سازمان با استفاده از سیستم استنتاج فازی عصبی- تطبیقی (anfis)

در دنیای رقابتی امروز که نوآوری شرط بقای هر سازمان است، آگاهی از میزان ظرفیت نوآوری منابع سازمان که با سیاست‌گذاری سازمان، انتقال فناوری، حیات و رقابت سازمان ارتباط دارد، حایز اهمیت‌ است. طراحی مدلی برای تعیین و پیش‌بینی سطح نوآوری منابع سازمان هدف اصلی این پژوهش است. پس از بررسی منابع موجود و مصاحبه با صاحبنظران، با استفاده از تحلیل عاملی تاییدی تعداد 12 شاخص اصلی در قالب 3 بُعد به‌عنوان ورودی به سیستم استنتاج فازی تعیین شد. در میان روش‌های نوین مدلسازی، سیستم‌های فازی از جایگاه ویژه‌ای در علوم مختلف برخوردارند. سیستم استنتاج فازی عصبی- تطبیقی (anfis) روش مناسبی برای حل مسائل غیرخطی است. این روش ترکیبی از استنتاج فازی و شبکه عصبی مصنوعی است که از توانایی هردو برای مدلسازی بهره می‌برد. با بهره‌مندی از سه نوع روش طراحی مدل در سیستم فازی و مقایسه نتایج، بهترین نتیجه برای ارائه مشخص شد. برای ارزیابی عملکرد مدل از پارامترهای مجذور میانگین مربعات خطا (rmse)، درصد خطای نسبی (ε)، میانگین خطای مطلق (mae) و ضریب تبیین (r2) استفاده ‌شد که مقادیر 0.047،1.02 درصد، 0.046 و 989/ به‌‌دست ‌آمد و نشانگر دقت و قابلیت اعتماد به مدل است. این پژوهش از نظر هدف، کاربردی و باتوجه ‌به روش گردآوری داده‌ها از نوع پیمایشی است. خروجی این پژوهش، ﻳﻚ ﺳﻴﺴﺘﻢ اﺳﺘﻨﺘﺎج ﻓﺎزی ﻫﻮﺷﻤﻨﺪ (anfis) است.

model design of forecast and determining the organization's resource innovation capacity with the approach of neural-adaptive fuzzy inference system (anfis).

in today’s competitive world where innovation is a condition for the survival of any organization, it is important to know the level of innovation capacity of the organization’s resources, which is related to organizational policy, technology transfer, life and competition of the organization. the main purpose of this research is to design a model to determine and predict the level of innovation of organizational resources. after reviewing the available sources and interviewing experts, using confirmatory factor analysis, 12 main indicators in the form of 3 dimensions were determined as input to the fuzzy inference system. among the new modeling methods, fuzzy systems have a special place in various sciences. neuro-adaptive fuzzy inference system (anfis) is a good way to solve nonlinear problems. this method is a combination of fuzzy inference and artificial neural network that uses the ability of both to model. using three types of model design methods in the fuzzy system and comparing the results, the best result for presentation was determined. to evaluate the performance of the model, the parameters of squared mean square error (rmse), relative error percentage (ε), mean absolute error (mae) and coefficient of determination (r2) were used, which were 0.047, 1.02%, 0.046 and 989 / is achieved and indicates the accuracy and reliability of the model. this research is applied in terms of purpose and survey type according to the data collection method. the output of this study is anfis.