---

موتور محرک اقتصاد دانش‌بنیان، شرکت‌هاى دانش‌بنیان هستند که نقشی کلیدی در توسعه اقتصاد دانش‌محور دارند. این شرکت‌ها در هم‌افزایی علم و ثروت، توسعه اقتصاد دانش‌محور، تحقق اهداف علمی، اقتصادی و تجاری‌سازی نتایج پژوهش و توسعه در حوزه فناوری‌های برتر نقش دارند. در متون علمی، عبارت‌هایی نظیر جامعه دانشی، هوشمندی، سازمان‌های یادگیرنده و یا سازمان‌های دانش‌بنیان مورد استفاده زیادی قرار گرفته‌اند. به این مفهوم که سازمان‌ها باید از راه یادگیری به صورت هوشمندانه عمل کنند. مفهومی که ما از شرکت‌های دانش‌بنیان دنبال می‌کنیم براساس مبانی نظری و مرور ادبیات نشان می‌دهد که این مفهوم بیشتر با مفاهیم شرکت‌های کوچک و متوسط، شرکت‌های نوپا، صنایع با فناوری بالا، شرکت‌های جدید فناوری‌بنیان و شرکت‌های زایشی ارتباط و همپوشانی دارد. در این پژوهش تلاش شده است تا با توجه به تعاریف ارائه شده در متون علمی و با استفاده از روش تحلیل محتوا، رویکردهای اصلی موجود در تعاریف شناسایی شده و دسته‌بندی مناسبی از آنها ارائه شود. بر‌اساس تحلیل محتوای تعاریف ارائه شده به‌وسیله محققان مختلف و همچنین ویژگی‌های ارائه شده در مطالعات گوناگون، معیارهای جدید بودن فناوری و ظهور صنایع جدید در قالب تعریف بخش و فناوری بالا یا متوسط، جوان بودن شرکت‌ها، اندازه شرکت‌ها، استقلال شرکت‌ها، موضوع فعالیت شرکت‌ها که به بهره‌برداری از دانش فنی جدید یا فناوری و تمرکز بر پژوهش و توسعه اشاره دارد و ویژگی مؤسسان، بیانگر ویژگی‌های اصلی شرکت‌های دانش‌بنیان هستند.

---

چکیده هدف از این پژوهش، پیش­بینی برخی خصوصیات حرارتی (ضریب پخش مؤثر رطوبت و انرژی ویژه مصرفی)، فیزیکی (چروکیدگی و تغییرات کلی رنگ) و مکانیکی (نیروی شکست) میوه بنه در طی فرآیند خشک­کردن با خشک­کن پیوسته نیمه‌صنعتی به کمک شبکه­های عصبی مصنوعی بود. سه عامل موثر شامل دمای هوای ورودی، سرعت هوای ورودی و سرعت تسمه در عملکرد خشک­کن جریان پیوسته به عنوان متغیرهای مستقل در نظر گرفته شد. آزمایش­ها در سه سطح دمای هوای ورودی (۴۵، ۶۰ و ۷۵ درجه سلسیوس)، سه سطح سرعت هوای ورودی (۱، ۵/۱ و ۲ متر بر ثانیه) و سه سطح سرعت تسمه (۵/۲، ۵/۶ و ۵/۱۰ میلی‌متر بر ثانیه) انجام شد. داده­های لازم با استفاده از یک خشک­کن جریان پیوسته نیمه‌صنعتی، جمع­آوری شد. از شبکه­های پس­انتشار پیشرو و پس­انتشار پیشخور با الگوریتم­های یادگیری لونبرگ- مارکوارت و تنظیم بیزی برای آموزش استفاده شد. برای پیش­­بینی ضریب پخش مؤثر رطوبت، شبکه پیشخور با تابع تنظیم بیزی، آرایش ۱-۱۳-۱۰-۳ و ۱۰۸ چرخه آموزش با ۹۹۹۹/۰=R^۲ مطلوب بود. برای پیش­بینی انرژی ویژه مصرفی، شبکه پیشخور با تابع آموزش لونبرگ- مارکوارت، آرایش ۱-۱۰-۳ و ۱۱۷ چرخه آموزش با ۹۹۶۱/۰=R^۲ مطلوب بود. بهترین شبکه برای پیش­بینی چروکیدگی، شبکه پیشخور با تابع تنظیم بیزی، توپولوژی ۱-۴-۶-۳ و ۱۰۱ چرخه با ۹۹۲۶/۰=R^۲ آموزش بود. بهترین شبکه برای پیش­بینی تغییرات کلی رنگ، شبکه پیشخور با تابع آموزش لونبرگ-مارکوارت با توپولوژی ۱-۷-۶-۳ و ۲۴ چرخه آموزش با ۹۱۳۹/۰=R^۲ بود. بهترین شبکه برای پیش­بینی نیروی شکست، شبکه پیشخور با تابع آموزش تنظیم بیزی، آرایش ۱-۶-۸-۳ و ۶۹ چرخه آموزش با ۹۹۹۰/۰=R^۲ بود.

---

چکیده آنزیم بتاگالاکتوزیداز یکی از مهمترین آنزیم­های پرکاربرد در سه حوزه ی سلامتی، صنایع غذایی و محیط زیست است، لذا مدلسازی سینتیک تولید این آنزیم می­تواند در بهینه سازی فرآیند تولید صنعتی آن نقش بسزایی داشته باشد. در این تحقیق ابتدا سینتیک تولید بتاگالاکتوزیداز توسط تخمیر ناپیوسته باکتری Bacillus licheniformis در مدت زمان ۲۲ ساعت در محدوده غلظت­های اولیه ی ۵۰-۲۰ گرم برلیتر از لاکتوز به عنوان گوهرمایه محدود کننده رشد، در دمای ۳۰ درجه سانتی گراد مورد بررسی قرار گرفت. سپس ضمن مشاهده ممانعت کنندگی در بالاترین غلظت این بازه، مدل­های سینتیکی Logistic و Haldane برای مدلسازی و تعیین پارامترهای سینتیکی تخمیر انتخاب شدند. این مدل­ها تقریب خوبی از نتایج آزمایشگاهی مصرف گوهرمایه در تمامی فازها و داده­های رشد میکروبی در فاز رشد نمائی و فاز سکون حاصل کردند، اما در فاز رشد کاهش یافته انحرافات جزئی از داده های آزمایشگاهی مشاهده شد. همچنین نتایج به دست آمده برای فعالیت آنزیمی بتاگالاکتوزیداز نیز انطباق خوبی با داده­های آزمایشگاهی داشتند و بیشترین انحراف در این داده ها همزمان با اتمام فاز نمائی و شروع فاز کاهش یافته رشد میکروبی (ساعت چهارم از شروع تلقیح) در غلظت­های اولیه ۳۰و۴۰ گرم بر لیتر از گوهرمایه مشاهده شد. رگرسیون خطی بین داده های آزمایشگاهی و نتایج به دست آمده از مدل­ها در تمام غلظت­های اولیه لاکتوز و برای هر سه متغیر غلظت توده زیستی ، غلظت گوهرمایه و فعالیت آنزیمی،  بالاتر از ۹۵/۰ به دست  آمد.