論文の概要: Citations or dollars? Early signals of a firm's research success
- arxiv url: http://arxiv.org/abs/2108.00200v1
- Date: Sat, 31 Jul 2021 10:01:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-20 07:01:38.853087
- Title: Citations or dollars? Early signals of a firm's research success
- Title（参考訳）: 引用かダラーか?
企業の研究成功の初期の兆候
- Authors: Shuqi Xu, Manuel S. Mariani, Linyuan L\"u, Lorenzo Napolitano,
Emanuele Pugliese, Andrea Zaccaria
- Abstract要約: 企業の初期特許の経済的価値は、企業の将来的な研究成功の様々な側面の正確な予測要因であることがわかった。
我々の結果は、企業の研究成功のダイナミックな規則性を明らかにする。
経営戦略や、起業家の育成や人的進歩を加速するための政策を通知することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Scientific and technological progress is largely driven by firms in many
domains, including artificial intelligence and vaccine development. However, we
do not know yet whether the success of firms' research activities exhibits
dynamic regularities and some degree of predictability. By inspecting the
research lifecycles of 7,440 firms, we find that the economic value of a firm's
early patents is an accurate predictor of various dimensions of a firm's future
research success. At the same time, a smaller set of future top-performers do
not generate early patents of high economic value, but they are detectable via
the technological value of their early patents. Importantly, the observed
predictability cannot be explained by a cumulative advantage mechanism, and the
observed heterogeneity of the firms' temporal success patterns markedly differs
from patterns previously observed for individuals' research careers. Our
results uncover the dynamical regularities of the research success of firms,
and they could inform managerial strategies as well as policies to promote
entrepreneurship and accelerate human progress.
- Abstract（参考訳）: 科学と技術の進歩は、主に人工知能やワクチン開発を含む多くの分野の企業によって推進されている。
しかし、企業研究活動の成功が動的規則性やある程度の予測可能性を示すかどうかはまだ分かっていない。
7,440社の研究ライフサイクルを調査した結果,企業の初期特許の経済的価値は,企業の将来的な研究成功の様々な側面の正確な予測因子であることが判明した。
同時に、将来のトップパフォーマーの小さなセットは、経済的価値の高い初期の特許を生成せず、初期の特許の技術的価値によって検出される。
重要なことは、観測された予測可能性は累積的な優位メカニズムによって説明できず、観測された企業の時間的成功パターンの異質性は、個人の研究キャリアでこれまで観察されたパターンと著しく異なる。
その結果,企業における研究成功のダイナミックなレギュラー性を明らかにするとともに,経営戦略や,起業の促進や人的進歩の促進を図った。
関連論文リスト
- Forecasting Company Fundamentals [19.363166648866066]
実企業データに基づく予測モデルについて,22の決定論的・確率的企業基盤を評価した。
ディープラーニングモデルは,従来のモデルよりも優れた予測性能を提供する。
これらの高品質な予測が、自動株式配分にどのような恩恵をもたらすかを示す。
論文 参考訳（メタデータ） (2024-10-21T14:21:43Z) - Uncovering key predictors of high-growth firms via explainable machine learning [1.2279966264845568]
本稿では5,071社の財務・特許データを分析する。
アンサンブル学習アルゴリズムを利用することで、技術的、ネットワーク的、あるいはその両方に財務的特徴を組み込むことで、より正確な高成長のファーム予測がもたらされることを実証する。
論文 参考訳（メタデータ） (2024-08-17T09:39:07Z) - Beyond Trend Following: Deep Learning for Market Trend Prediction [49.89480853499917]
我々は、将来の市場動向を予測するために人工知能と機械学習技術を使うことを提唱する。
これらの予測は、適切に実行されれば、リターンを増やし、損失を減らすことで資産運用者のパフォーマンスを向上させることができる。
論文 参考訳（メタデータ） (2024-06-10T11:42:30Z) - Now, Later, and Lasting: Ten Priorities for AI Research, Policy, and Practice [63.20307830884542]
今後数十年は、産業革命に匹敵する人類の転換点になるかもしれない。
10年前に立ち上げられたこのプロジェクトは、複数の専門分野の専門家による永続的な研究にコミットしている。
AI技術の短期的および長期的影響の両方に対処する、アクションのための10のレコメンデーションを提供します。
論文 参考訳（メタデータ） (2024-04-06T22:18:31Z) - The Future of Fundamental Science Led by Generative Closed-Loop
Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。
AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。
ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文 参考訳（メタデータ） (2023-07-09T21:16:56Z) - Predictive Patentomics: Forecasting Innovation Success and Valuation
with ChatGPT [0.0]
OpenAIの最先端のテキスト埋め込みは、各発明の品質と影響に関する複雑な情報にアクセスする。
このニュアンスド埋め込みは、特許価値を予測するR二乗法を24%の漸進的に改善する。
論文 参考訳（メタデータ） (2023-06-22T13:21:20Z) - Asking Better Questions -- The Art and Science of Forecasting: A
mechanism for truer answers to high-stakes questions [0.0]
AI能力の進歩を見積り、ベンチマークする能力がなければ、組織はそれぞれの変更に対して反応性を持って対応しなければなりません。
本稿では、明示的な仮定と定量的推定を用いた政治科学ツールである予測の最近の成長について考察する。
予測は才能を特定し検証し、リーダーがより良いAI進歩モデルを構築し、デザインポリシーへのインプットを改善することを可能にする。
論文 参考訳（メタデータ） (2023-03-31T12:27:26Z) - Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics
in Limit-Order Book Markets [84.90242084523565]
伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。
最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。
予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
論文 参考訳（メタデータ） (2022-03-07T18:59:54Z) - Pre-Trained Models: Past, Present and Future [126.21572378910746]
大規模事前訓練モデル(PTM)は近年大きな成功を収め、人工知能(AI)分野におけるマイルストーンとなった。
知識を巨大なパラメータに格納し、特定のタスクを微調整することで、巨大なパラメータに暗黙的にエンコードされた豊富な知識は、さまざまな下流タスクの恩恵を受けることができる。
AIコミュニティが、モデルをスクラッチから学習するのではなく、下流タスクのバックボーンとしてPTMを採用することは、今、コンセンサスになっている。
論文 参考訳（メタデータ） (2021-06-14T02:40:32Z) - Graph Neural Network Based VC Investment Success Prediction [11.527912247719915]
我々は,ノードの豊富な属性とともにネットワーク構造を利用して,漸進的な表現学習機構と逐次学習モデルを設計する。
本手法は,グローバルベンチャーキャピタル投資の包括的データセットを用いて,最先端の予測性能を実現する。
医療やITといった業界のスタートアップの成果を予測するのに長けている。
論文 参考訳（メタデータ） (2021-05-25T14:29:45Z) - Learnings from Frontier Development Lab and SpaceML -- AI Accelerators
for NASA and ESA [57.06643156253045]
AIとML技術による研究は、しばしば非同期の目標とタイムラインを備えたさまざまな設定で動作します。
我々は、NASAとESAの民間パートナーシップの下で、AIアクセラレータであるFrontier Development Lab(FDL)のケーススタディを実行する。
FDL研究は、AI研究の責任ある開発、実行、普及に基礎を置く原則的な実践に従う。
論文 参考訳（メタデータ） (2020-11-09T21:23:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。