ПРИМЕНЕНИЕ ТЕОРИИ НЕЧЕТКИХ МНОЖЕСТВ ДЛЯ ОПРЕДЕЛЕНИЯ НАИБОЛЕЕ ОПТИМАЛЬНОГО ДЛЯ ПРЕДПРИЯТИЯ ТИПА ИННОВАЦИЙ
DOI:
https://doi.org/10.25806/uu112022156-167Статья поступила в редакцию: 01.11.2022
Статья опубликована: 19.11.2022
Ключевые слова:
нечеткое множество, функция принадлежности, инновационность, конкурентоспособность, регрессионно-корреляционный анализАннотация
В настоящей работе автором впервые предложено применение теории нечетких множеств в регрессионно-корреляционном анализе зависимости конкурентоспособности инновационных проектов от уровня их инновационности. Особое внимание уделяется методике определения наиболее оптимального для организации типа инноваций, посредством анализа зависимости между степенью принадлежности реализованных за определенный период времени проектов по созданию и внедрению новшеств к нечеткому множеству «высокая конкурентоспособность», и уровнем их инновационности.
Информация о публикации
Финансирование: Исследование выполнено без привлечения внешнего финансирования, если иное не указано авторами.
Вклад авторов: Все авторы внесли существенный вклад в подготовку статьи, ознакомились с окончательной версией рукописи и одобрили ее к публикации.
Конфликт интересов: Авторы заявляют об отсутствии конфликта интересов, если иное не указано в публикации.
Правообладатель: Издательский дом «Академический».
Лицензия: Статья распространяется на условиях лицензии Creative Commons Attribution 4.0 International (CC BY 4.0).
Машиночитаемый файл метаданных: JATS XML
Список литературы
Алибеков Ш.И., Каирбекова Л.З. Понятие нематериального актива // Профессия бухгалтера – важнейший инструмент эффективного управления сельскохозяйственным производством: Сборник научных трудов по материалам III Международной научно-практической конференции, посвященной памяти профессора В.П. Петрова. 2015. С.11-13.
Афанасьев В.Н., Юзбашев М.М., Гуляева Т.И. Эконометрика, М.: Финансы и статистика, 2005. 256 с.
Берштейн Л.С., Боженюк А.В. Нечеткие графы и гиперграфы, М.: Науч. Мир, 2005. 255 с.
Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: МИР, 1976. 165 с.
Могиленко А.В. Теория нечетких множеств. Нечеткий регрессионный анализ, Томск: Печатная мануфактура, 2004. 61 с.
Мутанов Г.В., Есенгалиева Ж.С. Метод оценки инновационности и конкурентоспособности инновационных проектов // Фундаментальные исследования. 2012. № 3. С. 712-717.
Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. М.: Горячая линия-Телеком, 2007. 383 с.
Теория статистики / под ред. Громыко Г.Л., М. : ИНФРА-М, 2009. 475 с.
Чаплыгин В.Г., Дельцова Т.А. Анализ взаимосвязи криптовалюты биткоин с использованием корреляционного-регрессионного анализа // Вестник Балтийского федерального университета им. И. Канта. Серия «Гуманитарные и общественные науки». 2018. № 2. С. 70-79.
Чаплыгин В.Г., Мороз В.Н. Математическое определение эффективности трансфера технологий // Экономика и математические методы. 2020. Т. 56. № 3. С. 136-144. DOI: 10.31857/S042473880010522-3.
Шмойлова Р.А., Минашкин В.Г., Садовникова Н.А., Шувалова Е.Б. Теория статистики. М.: Финансы и статистика, 2005. 656 с.
Drucker Peter F. Innovation and Entrepreneurship. Practice and Principles, Oxford: Butterworth-Heinemann, 2002. 258 p.
