Publikace detail

Modelling innovation performance of European regions using multi-output neural networks

Autoři: Hájek Petr | Henriques Roberto

Rok: 2017

Druh publikace: článek v odborném periodiku

Název zdroje: PLoS One

Název nakladatele: Public Library of Science

Místo vydání: San Francisco

Strana od-do: nestránkováno

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Modelování inovační výkonnosti evropských regionů pomocí neuronových sítí s více výstupy	Regionální inovační výkonnost je důležitým ukazatelem pro rozhodování o provádění politik určených na podporu inovací. Vzory v regionálních inovačních strukturách se však stále více různí, jsou složité a nelineární. K řešení těchto problémů se tato studie zaměřuje na vývoj modelu založeného na neuronové síti s více výstupy. Empiricky se zkoumají jak vnitro- tak i mezi-regionální determinanty inovační výkonnosti s využitím dat ze 4. a 5. CIS pro NUTS 2 regiony. Výsledky naznačují, že je nutné vyvinout specifické inovační strategie založené na současném stavu vstupních atributů v regionu. Je tak možné vytvořit vhodné strategie a zásahy s cílem zlepšit regionální inovační výkonnost. Ukazujeme, že podpora podnikání je účinným nástrojem inovační politiky. Dále poskytujeme empirickou podporu, že jak podniková, tak vládní činnost v oblasti výzkumu a vývoje má sigmoidální efekt, což znamená, že nejúčinnější podpora výzkumu a vývoje by měla být zaměřena na regiony s podprůměrnou a průměrnou aktivitou v oblasti výzkumu a vývoje. Dále prokazujeme, že multi-výstupní neuronová síť překonává tradiční regresní modely a strojové učení. Obecně se proto zdá, že navrhovaný model může účinně odrážet jak charakter více výstupů inovačního výkonu, tak vzájemnou závislost výstupních atributů.	inovace; výkonnost; region; neuronová síť
eng	Modelling innovation performance of European regions using multi-output neural networks	Regional innovation performance is an important indicator for decision-making regarding the implementation of policies intended to support innovation. However, patterns in regional innovation structures are becoming increasingly diverse, complex and nonlinear. To address these issues, this study aims to develop a model based on a multi-output neural network. Both intra-and inter-regional determinants of innovation performance are empirically investigated using data from the 4th and 5th Community Innovation Surveys of NUTS 2 (Nomenclature of Territorial Units for Statistics) regions. The results suggest that specific innovation strategies must be developed based on the current state of input attributes in the region. Thus, it is possible to develop appropriate strategies and targeted interventions to improve regional innovation performance. We demonstrate that support of entrepreneurship is an effective instrument of innovation policy. We also provide empirical support that both business and government R&D activity have a sigmoidal effect, implying that the most effective R&D support should be directed to regions with below-average and average R&D activity. We further show that the multi-output neural network outperforms traditional statistical and machine learning regression models. In general, therefore, it seems that the proposed model can effectively reflect both the multiple-output nature of innovation performance and the interdependency of the output attributes.	innovation; performance; region; neural network

Search

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Ústavy

Pracoviště

Jak nás najdete?

Služby

Často hledáte