文献

J-GLOBAL ID：202202256966397864   整理番号：22A0843155

深層学習とモノのインターネットに基づく企業ネットワーク革新性能管理の経路最適化【JST・京大機械翻訳】

Path Optimization of Enterprise Network Innovation Performance Management Based on Deep Learning and Internet of Things

著者 (1件)： Xiong Peiran (School of Business Administration, Jiangxi University of Finance and Economics, Nanchang 330013, China)
資料名： Journal of Mathematics (Web)  (Journal of Mathematics (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7776A  ISSN： 2314-4629  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 市場と技術の急速な変化を伴う今日のグローバル競争環境において,企業が最新の知識を完全に把握し,自分自身の強度に頼ることですべての技術を学ぶことがますます困難である。企業にとって,他の外部エンティティ(上流および下流企業,ピア企業,科学研究機関,政府部門,金融機関,およびその他の組織)と,技術的革新性能の技術的学習および改善のために,特定の強度のネットワーク関係を確立することは,特に重要である。異なる展望から,学術サークルは,ネットワーク関係の強さが企業の技術革新性能に影響を及ぼすことを確認した。本論文は,技術学習コストの計測スケールを調査して,技術学習コストの基本的展望から,企業技術革新性能が企業ネットワーク関係の強さによってどのように影響を受けるかを深く探究して,分析する。本論文は,ネットワーク関係の強さが技術学習のコスト,従って技術革新の性能に影響を及ぼすことができると主張する。本研究の主な内容は次のことを含む。(1)ネットワーク関係強度,技術的学習コストと技術革新性能の関連理論の照合とレビューを通して,既存の研究成果,本研究の理論モデルを確立して,本研究の理論的仮定を提唱した。(2)予備調査を最初に行い,予備調査から収集されたデータを使用して,この研究のスケールの信頼性と妥当性をテストし,ネットワーク関係の強度,技術学習コスト,および技術革新性能のための適切な測定尺度を決定した。(3)SME法と組み合わせた回帰分析の方法を採用して,本論文は,理論的モデルを構築して,さらにネットワーク関係強度,技術取得コスト,および技術的革新とネットワーク強度,技術革新の技術的学習機構,および技術革新のパフォーマンスの技術学習のコストを,技術的学習の技術学習のコスト,技術獲得コスト,およびコストを,さらに明らかにする。Copyright 2022 Peiran Xiong. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 回帰分析 ,  *学習 ,  金融機関 ,  市場 ,  信頼性 ,  組織 ,  *ネットワーク ,  モデル ,  予備調査 ,  技術革新
準シソーラス用語： 理論モデル ,  *企業ネットワーク ,  エンティティ ,  *モノのインターネット ,  *深層学習 ,  イノベーションパフォーマンス , 【Automatic Indexing@JST】

分類 (2件)： 研究開発  (KA01040J) ,  経営工学一般  (KA01010C)

引用文献 (15件)：

• W. W. Powell, K. W. Koput, D. L. Smith, "Interorganizational collaboration and the locus of innovation: networks of learning in biotechnology," Administrative Science Quarterly, vol. 41, pp. 116-145, 1996.
• S. Interorganizational, "Relations in industrial systems: a network approach compared with the transaction cost approach," International Studies of Management & Organization, vol. 1, pp. 34-48, 1987.
• J. L. Cummings, B. S. Teng, "Transferring R&D knowledge: the key factors affecting knowledge transfer success," Journal of Engineering and Technology Management, vol. 20, no. l2, pp. 39-68, 2003.
• Y. Chen, H. Fan, B. Xu, "Drop an octave: reducing spatial redundancy in convolutional neural networks with octave convolution," Proceedings of the International Conference on Computer Vision and Pattern Recognition (CVPR), pp. 3435-3444, IEEE, Long Beach, CF, USA, November 2019.
• K. He, X. Zhang, S. Ren, "Deep residual learning for image recognition," Proceedings of the International Conference on Computer Vision and Pattern Recognition (CVPR), pp. 770-778, IEEE, Las Vegas, CF, USA, November 2016.

タイトルに関連する用語 (5件)： 深層学習 ,  インターネット ,  企業ネットワーク ,  革新性能 ,  経路最適化