Neurális hálók alkalmazásának lehetőségei innovációs teljesítmény mérésére

A huszadik század végére a konvencionális rendszermodellezési technikákat egyre inkább kezdik kiszorítani a tudományos modellezésből a szimbolikus rendszereken és mesterséges intelligencián alapuló eljárások, melyeket a kilencvenes évek végére már olyan kifejezésekkel kezdtek el egy kontextusban használni, mint értelmezés és érvelés. Felismerték, hogy az ilyen alapokon nyugvó modellek hatékonynak bizonyulnak az olyan problémák megoldásában, melyekre hagyományos módszereket már egyáltalán nem, vagy csak nagyon sok kikötéssel lehet használni, úgymint az analízis, a statisztika, a döntéstámogatás és a szabályozás precíz, determinisztikus módszerei, a lineáris programozás, mely egyszerű problémáknál kiválóan használható, összetettebb esetekben a nem-lineáris vagy a dinamikus programozás módszerei. Ezen módszerek feltételrendszere azonban egyre inkább kielégíthetetlen, gondoljunk csak egy egyszerű regressziós modellre, ahol az alapkikötés a változók linearitása és a köztük lévő multikollinearitás hiánya, ám nehéz az egyes hatásokat és okokat azonosítani, éles különbséget tenni köztük.