مطالعه ای در زمینه سیستم ارزش گذاری فناوری هوشمند

نوع فایل : word

تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 37

تعداد کلمات : 11700

مجله : sustainability

انتشار : 2021

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
26 مارس 2022
تعداد بازدیدها
1228 بازدید
39,000 تومان

عنوان فارسی مقاله:مطالعه ای در زمینه سیستم ارزش گذاری فناوری هوشمند: معرفی سیستم ارزیابی ثبت اختراع KIBO

 چکیده

  فناوری مالی که توجه جهانی را برای توسعه موفقیت آمیز کسب و کار شرکت های کوچک و متوسط ​​(SMEs) یا استارت آپ ها به خود جلب کرده است، استراتژی حل نوآوری یا رکود را برای شرکت ها در راستای روندهای اقتصادی با رشد کم پیش برده است. اگرچه توسعه فناوری‌های جدید و استقرار استراتژی‌های تحقیق و توسعه فعال و تجاری‌سازی از عوامل ضروری در پایداری مدیریت یک شرکت هستند، فعال‌سازی بازار فناوری در عمل هنوز در دوران طلایی آن در حال انجام است. در این مطالعه، برای ترویج رشد یک شرکت مبتنی بر انتقال فناوری و اجرای فعالیت‌های مختلف حمایت مالی مبتنی بر فناوری، ما یک سیستم ارزش‌گذاری فناوری هوشمند جدید و مبتنی بر یادگیری عمیق را توسعه داده و پیشنهاد می‌کنیم که دارندگان فناوری را قادر می‌سازد تا ارزش‌های اقتصادی  و فن آوری های نوآورانه خود و بیشتر برای ایجاد استراتژی تجاری سازی یک شرکت را تخمین  بزنند. در سال‌های گذشته، سیستم ارزیابی پتنت KIBO  KPAS-II  که در اینجا پیشنهاد شده است توسط KIBO به عنوان یک سیستم ارزیابی مبتنی بر وب، هوش مصنوعی و داده‌های ارزیابی برنامه‌های کاربردی که به طور خودکار ارزش اقتصادی امکان‌پذیر یک فناوری را محاسبه و تخمین می‌زند، ارتقا یافته است. استفاده از اطلاعات شاخص درونی و بیرونی یک پتنت و قابلیت‌های تجاری واحد تجاری‌سازی  با استفاده از روش جریان نقدی تنزیل‌شده (DCF) در تئوری ارزش‌گذاری، و در نهایت ادغام با نتایج یادگیری عمیق بر اساس پتنت از قبل ایجاد شده در نظر گرفته شده است.   لازم به ذکر است که KPAS-II پیشنهاد شده در این مطالعه به طور چشمگیری بر دوره آماده سازی طولانی مدت و سطوح بالای تحقیق و توسعه و هزینه های تجاری سازی از نظر محدودیت هایی که روش ارزش گذاری فناوری موجود با افزایش قابلیت اطمینان مقادیر تقریبی اقتصادی دارد غلبه کرده است. نتایج یادگیری عمیق بر اساس داده های مالی و داده های ارزیابی تکمیل شده است. علاوه بر این، انتظار می‌رود که هماهنگ‌کننده‌های بازاریابی فناوری، محققان و عوامل تجاری غیرتخصصی، نه محدود به کارشناسان ارزشیابی، بتوانند به راحتی ارزش اقتصادی پتنت‌ها یا فناوری‌های خود را تخمین بزنند و بتوانند به طور فعال در شرکت‌های مبتنی بر فناوری برای  تصمیم گیری و فعالیت های مالی وابسته به استفاده شوند(سیستم ارزش گذاری فناوری هوشمند).

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: A Study on Intelligent Technology Valuation System: Introduction of KIBO Patent Appraisal System II

Abstract

 Technology finance, which has attracted worldwide attention for the successful business development of small-and-medium enterprises (SMEs) or start-ups, has advanced an innovation or stagnation way-out resolution strategy for companies in line with the low-growth economic trends. Although the development of new technologies and the establishment of active R&D and commercialization strategies are essential factors in a company’s management sustainability, the activation of the technology market in practice is still in progress for its golden age. In this study, to promote a technology transfer-based company’s growth and to run technology-based various financial support activities, we develop and propose a new intelligent, deep learning-based technology valuation system that enables technology holders to estimate the economic values of their innovative technologies and further to establish a firm’s commercialization strategy. For the last years, the KIBO Patent Appraisal System (KPAS-II) herein proposed has been advanced by KIBO as a web-based, artificial intelligence (AI) and evaluation data applications valuation system that automatically calculates and estimates a technology’s feasible economic value by utilizing both the intrinsic and extrinsic index information of a patent and the commercialization entity’s business capabilities, and by applying to the discounted cash flow (DCF) method in valuation theory, and finally integrating with deep learning results based on the in-advance previously established patent DB and the financial DB. The KPAS-II proposed in this study can be said to have dramatically overcome the long-term preparation period and high levels of R&D and commercialization costs in terms of the limitations that the existing technology valuation method possesses by enhancing the reliability of approximate economic values from the deep learning results based on financial data and completed valuation data. In addition, it is expected that technology marketing coordinators, researchers, and non-specialty business agents, not limited to valuation experts, can easily estimate the economic values of their patents or technologies, and they can be actively utilized in a technology-based company’s decision-making and technologically dependent financial activities.