丁锋、魏兰:推进军民深度融合的十项措施

2010年l0月，国务院、中央军委联合发布了《关于建立军民结合、寓军于民武器装备科研生产体系的若干意见》（国发[2010]37号），极大地鼓舞了民企“参军”的积极性，是我国军民融合发展的里程碑。近3年来，我国军民融合工作取得了较好进展，但军民供需信息不对称、民企“参军”程序繁锁，军民技术双向转移不畅、军民基础资源不能共享等问题在实践中仍然存在。针对上述问题，我们研究提出以下推进军民深度融合的十项措施。

滤波辨识(10):多变量Box-Jenkins系统的滤波辅助模型递阶广义增广参数辨识

针对多变量Box-Jenkins模型,即多变量输出误差自回归滑动平均(M-OEARMA)系统,利用滤波辨识理念和辅助模型辨识思想,研究和提出了滤波辅助模型递阶广义增广随机梯度辨识方法、滤波辅助模型递阶多新息广义增广随机梯度辨识方法、滤波辅助模型递阶广义增广递推梯度辨识方法、滤波辅助模型递阶多新息广义增广递推梯度辨识方法、滤波辅助模型递阶广义增广最小二乘辨识方法、滤波辅助模型递阶多新息广义增广最小二乘辨识方法。这些滤波辅助模型递阶广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(11):多变量CARARMA系统的滤波递阶广义增广迭代参数辨识

针对多变量受控自回归自回归滑动平均(M-CARARMA)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广梯度迭代辨识方法、滤波递阶多新息广义增广梯度迭代辨识方法、滤波递阶递推广义增广最小二乘迭代辨识方法、滤波递阶多新息广义增广最小二乘迭代辨识方法等。这些滤波递阶广义增广迭代辨识方法可以推广到其它有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(12):多变量OEARMA系统的滤波辅助模型递阶广义增广迭代参数辨识

针对多变量输出误差自回归滑动平均(M-OEARMA)系统,即多变量Box-Jenkins系统,利用滤波辨识理念和辅助模型辨识思想,研究和提出了滤波辅助模型递阶广义增广梯度迭代辨识方法、滤波辅助模型递阶多新息广义增广梯度迭代辨识方法、滤波辅助模型递阶递推广义增广最小二乘迭代辨识方法、滤波辅助模型递阶多新息广义增广最小二乘迭代辨识方法等。这些滤波辅助模型递阶广义增广迭代辨识方法可以推广到其它有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(13):类多变量方程误差ARMA系统的滤波递阶广义增广迭代参数辨识

针对类多变量方程误差自回归滑动平均(M-EEARMA-like)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广梯度迭代辨识方法、滤波递阶多新息广义增广迭代梯度辨识方法、滤波递阶广义增广最小二乘迭代辨识方法、滤波递阶多新息广义增广最小二乘迭代辨识方法。这些滤波递阶广义增广迭代参数辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量方程误差随机系统中。

滤波辨识(14):类多变量输出误差ARMA系统的滤波辅助模型递阶广义增广迭代参数辨识

针对类多变量输出误差自回归滑动平均(M-OEARMA-like)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波辅助模型递阶广义增广梯度迭代辨识方法、滤波辅助模型递阶多新息广义增广梯度迭代辨识方法、滤波辅助模型递阶广义增广最小二乘迭代辨识方法、滤波辅助模型递阶多新息广义增广最小二乘迭代辨识方法。这些滤波辅助模型递阶广义增广迭代参数辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量输出误差随机系统中。

人工智能技术应用与上市企业全要素生产率

新质生产力是以全要素生产率提升为标志,核心在于创新。通过爬取2008—2022年中国上市企业年报文本内容,构建人工智能技术应用程度指标,并全面检验其对企业全要素生产率的影响效应和内在机制。研究表明,人工智能技术对企业全要素生产率的驱动作用具有统计学意义。异质性检验表明,在“宽带试点”城市、“科技金融试点”城市以及数字经济发展程度较高的地区,这种驱动作用更为明显。进一步的机制检验发现,人工智能技术应用通过劳动力结构优化、投资效率改善、财务配置能力提升、创新能力升级等渠道助力企业全要素生产率提升。研究结论为政府制定人工智能应用的扶持政策和驱动企业全要生产率增加提供了新证据。

企业非效率投资与高质量发展——来自国家级大数据综合试验区的证据

非效率投资影响企业和地区经济高质量发展。以2007—2021年上市企业的财务数据为样本,探索国家级大数据综合试验区政策如何影响企业非效率投资。实证结果发现,国家级大数据综合试验区设立能显著降低企业的非效率投资水平,展现出了良好的投资优化治理效果。异质性检验发现,国家级大数据综合试验区设立能显著降低高科技企业、非国有企业的非效率投资水平,但对于非高科技企业而言则难以体现出显著效果,对国有企业也是如此。机制检验发现,这一政策能够有效提升企业信息处理能力、降低企业环境不确定性并提升内部控制水平,有助于企业非效率投资水平的降低。文章为理解政府在改善数字基础设施的努力及其成效提供了经验证据的支持,并提出了相应的政策优化建议。

3D打印技术联合CBL、PBL教学法在头颈部疾病影像临床教学中的应用

探讨3D打印技术联合CBL、PBL教学法在头颈部疾病影像临床教学中的应用效果。方法 随机选取本院2022年1月至2023年12月期间35名非影像专业实习医生进行教学研究,将2022年1月至2022年12月的17名实习医生设为对照组,应用传统教学方法,2023年1月至2023年12月的18名实习医生设为观察组,应用3D打印技术联合CBL、PBL教学法。教学结束后比较两组实习医生的理论知识、读片能力考核成绩及教学满意度评价。结果 观察组实习医生的理论知识及读片能力考核成绩均高于对照组,差异具有统计学意义,P<0.05;观察组实习医生对教学方法、空间想象能力、阅片能力培养、临床思维能力、自主学习能力评价均高于对照组,差异具有统计学意义,P<0.05。结论 3D打印技术联合CBL、PBL教学法应用于头颈部疾病影像临床教学中可以明显提高教学效果,有助于实习医生掌握理论知识的同时提高读片能力,同时改善教学满意度。

银杏叶提取物在外伤性鼓膜大穿孔中的应用效果分析

目的探讨银杏叶提取物在外伤性鼓膜大穿孔中的应用效果。方法选取2018年1月至2022年12月武汉市汉口医院收治的86例外伤性鼓膜大穿孔患者作为研究对象,按照不同治疗方法将其分为观察组(43例)和对照组(43例),观察组患者采用湿润烧伤膏棉片贴补联合银杏叶提取物注射液治疗,对照组患者单纯采用湿润烧伤膏棉片贴补治疗,对比观察两组患者鼓膜穿孔愈合率和愈合时间以及听力改善情况与药物不良反应发生情况。结果治疗14 d后,观察组患者鼓膜穿孔愈合率为9302%,与对照组患者的鼓膜穿孔愈合率9070%无明显差异(χ^(2)=0156,P=0693)。观察组患者鼓膜穿孔愈合时间为(109±26)d,与对照组患者的鼓膜穿孔愈合时间(116±29)d无明显差异(t=1179,P=0242)。治疗结束后,观察组患者听力改善总有效率为9535%,明显高于对照组患者的听力改善总有效率7674%(χ^(2)=6198,P=0013)。治疗期间,两组患者均未发生药物不良反应。结论银杏叶提取物虽不能提高外伤性鼓膜大穿孔愈合率,但可改善听力下降等症状,且不会引发明显不良反应,值得临床推广应用。

MOOC+SPOC混合式教学模式下的学习者画像研究

在个性化学习理论指导下,本文结合已有学习者特征分析体系构建MOOC+SPOC混合式教学模式下的学习者特征分析模型,通过采集学习者全过程学习数据,进行数据统计与分析,从学习者基本信息、学习行为、学习结果三个维度进行学习者整体画像,通过K-means聚类分析方法进行学习者分类画像,将学习者分成潜力型、进取型、自主型三类,为混合式教学下的精准个性化学习提供参考。

基于FMEA和FTA的火炮随动系统可靠性分析

针对某型火炮随动系统的故障数据,对火炮随动系统进行可靠性分析。采用故障模式与影响分析(failure modes and effect analysis,FMEA),通过统计存在的故障模式及原因分析,得到造成火炮随动系统故障的主要原因,提出针对性的改善措施;根据FMEA结果,建立火炮随动系统故障树,计算火炮随动系统故障的最小割集,将其分为6类,针对不同的底事件故障类别提出改善措施。结果表明:该分析可为提高火炮随动系统的可靠性提供数据支撑,为火炮随动系统的设计和预防维修提供理论依据。

基于C-MC算法的头部CT图像三维重建

为了制作适用于伽马刀手术的3D打印医疗头模,基于断层CT扫描图像,首次提出Canny和MC相结合的算法(C-MC)进行人体头部的三维重建。Canny边缘检测算法采用高斯滤波去噪,以便于加强边缘和边缘提取,与传统移动立方体(Marching Cubes)算法相结合,完成头部图像的快速、精确三维重建与可视化。使用C-MC算法得到的人体头部三维重建模型,不仅提高了三维重建的效率和头部图像的完整性,也为后期医疗头模的三维建模设计以及3D打印提供了有力的支撑依据。

基于LCD和稀疏表示的滚动轴承故障诊断

针对局部特征尺度分解(LCD)重构信号存在虚假成分、正交匹配追踪(OMP)算法迭代终止条件较难确定,以及相似原子难以区分的问题,将LCD和改进OMP算法相结合用于滚动轴承特征提取,用LCD对故障信号进行降噪与分解处理。根据相关峭度值,选择分解后的分量进行重构,利用改进OMP算法进行稀疏表示和特征提取,取得较好的效果。使用仿真信号和试验信号对比分析验证了该方法的有效性。

滤波辨识(5):输出误差自回归滑动平均系统的滤波辅助模型递推广义增广参数估计

针对输出误差自回归滑动平均系统,即Box-Jenkis系统,利用滤波辨识理念,研究和提出了滤波辅助模型广义增广随机梯度辨识方法、滤波辅助模型多新息广义增广随机梯度辨识方法、滤波辅助模型多新息广义增广投影辨识方法、滤波辅助模型递推广义增广梯度辨识方法、滤波辅助模型多新息递推广义增广梯度辨识方法、滤波辅助模型递推广义增广最小二乘辨识方法、滤波辅助模型多新息递推广义增广最小二乘辨识方法。这些滤波辅助模型广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(6):输出误差自回归滑动平均系统的滤波辅助模型广义增广迭代参数估计

输出误差自回归滑动平均模型也称为Box-Jenkins模型。针对Box-Jenkins系统,基于滤波辨识理念,研究和提出了滤波辅助模型广义增广梯度迭代辨识方法、滤波辅助模型多新息广义增广梯度迭代辨识方法、滤波辅助模型多新息广义增广投影迭代辨识方法、滤波辅助模型广义增广最小二乘迭代辨识方法、滤波辅助模型多新息广义增广最小二乘迭代辨识方法。这些滤波辅助模型广义增广迭代辨识方法可以推广到其它有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(7):类多变量方程误差ARMA系统的滤波递阶广义增广参数辨识

针对类多变量方程误差自回归滑动平均(M-EEARMA-like)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广随机梯度辨识方法、滤波递阶多新息广义增广随机梯度辨识方法、滤波递阶广义增广梯度辨识方法、滤波递阶多新息递推广义增广梯度辨识方法、滤波递阶递推广义增广最小二乘辨识方法、滤波递阶多新息广义增广最小二乘辨识方法。这些滤波递阶广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(8):类多变量输出误差ARMA系统的滤波辅助模型递阶广义增广参数辨识

针对类多变量输出误差自回归滑动平均(M-OEARMA-like)系统,利用辅助模型辨识思想,滤波辨识理念和递阶辨识原理,研究和提出了滤波辅助模型递阶广义增广随机梯度辨识方法、滤波辅助模型递阶多新息广义增广随机梯度辨识方法、滤波辅助模型递阶广义增广递推梯度辨识方法、滤波辅助模型递阶多新息广义增广递推梯度辨识方法、滤波辅助模型递阶递推广义增广最小二乘辨识方法、滤波辅助模型递阶多新息广义增广最小二乘辨识方法。这些滤波辅助模型递阶广义增广参数辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(4):方程误差自回归系统的滤波广义迭代参数估计

受控自回归自回归模型也称为方程误差自回归模型。利用采集的批量数据和迭代搜索,论文基于滤波辨识理念,研究和提出了方程误差自回归系统的滤波广义梯度迭代辨识方法、滤波多新息广义梯度迭代辨识方法、滤波广义最小二乘迭代辨识方法、滤波多新息广义最小二乘迭代辨识方法。这些滤波广义迭代辨识方法可以推广到其它有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(9):多变量CARARMA系统的滤波递阶广义增广参数辨识

针对多变量受控自回归自回归滑动平均(M-CARARMA)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广随机梯度辨识方法、滤波递阶多新息广义增广随机梯度辨识方法、滤波递阶广义增广递推梯度辨识方法、滤波递阶多新息广义增广递推梯度辨识方法、滤波递阶递推广义增广最小二乘辨识方法、滤波递阶多新息广义增广最小二乘辨识方法。这些滤波递阶广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。