中小企业短期融资新渠道ABCP:能否回到正轨?

美国华尔街曾经流行一句名言：“如果有一个稳定的现金流，就将它证券化。”资产证券化是当年金融领域最重要的创新之一，从其出现以来，在世界范围内迅猛发展，并取得了巨大的成功。20世纪90年代，我国引入了资产证券化，并将它视为解决商业银行风险、资本充足率以及不良资产等问题的有效手段。但是，随着2008年美国次贷危机爆发及欧州债务危机恶化，资产证券化已经成为“金融风险”的代名词。

上市公司财务舞弊分析与审计对策

目前,A股上市公司财务舞弊的现象时有发生,这对我国经济社会的发展危害十分严重。主要分析了上市公司财务舞弊的现状和手法,通过分析财务舞弊的方法提出防范这些问题的策略。

房地产价格对城市居民财富价值影响研究——以长三角地区为例

为了更好地研究我国房地产价格对居民财富价值的影响,本文在分析财富效应理论和其形成机理的基础上,构建了新的消费函数模型。选取长三角地区大中城市2001-2013年的年度面板数据,进行协整分析,建立了基于误差修正的房地产财富效应测度模型,对房地产财富效应进行了实证检验,并分析实证结果的原因,提出相关政策建议。实证结果表明:我国长三角地区城市的总体房地产财富效应为正,短期房地产价格对促进消费的正向效应并不明显,但长期来看,房地产价格与居民消费存在着均衡关系;另外,居民可支配收入是促进消费的主导因素,提高居民可支配收入是提升长三角地区需求的关键。

基于稀疏深度神经网络的电磁信号调制识别

为在低复杂度约束条件下提升电磁信号调制识别的性能,提出了一种基于稀疏深度神经网络(Sparse Deep Neural Network,SDNN)的电磁信号调制识别方法。首先,通过提取电磁信号同相和正交两路数据绘制出信号的星座图,作为信号的浅层特征表达;然后,基于星座图中各信号点密度大小对星座图进行上色,增强星座图中信号特征;最后,通过SDNN对增强后的星座图进行识别分类。实验结果表明,SDNN模型选取合适的剪枝率后,能够有效降低模型存储规模和计算量,其中模型参数压缩了72%,浮点运算量压缩了45%,与原模型97%的综合识别率相比,稀疏化处理后模型的综合识别率为96.8%,在小幅度识别精度损失范围内大幅降低了模型复杂度。

基于多模态融合和深度学习的调制信号识别

针对现有的调制分类算法大多忽略了不同特征之间的互补性和特征融合的问题,提出了一种利用深度学习模型进行特征融合的方法。该方法试图融合调制信号的时序特征和空间特征,以获得差异性更加明显的识别特征。首先,获取调制信号的A/P信号和I/Q信号;然后,搭建卷积长短时记忆模块与复数密集残差卷积模块分别提取A/P信号的时序特征和I/Q信号的空间特征并将之进行融合,获取融合互补的识别特征;最后,将识别特征输入分类网络,得到识别结果。实验结果表明,基于开源数据集,当信噪比大于5 dB时,识别率达到了93.25%,与基于单一特征识别相比,识别准确率高出3%~11%;利用实际采集数据进行分类识别,进一步证实了所提特征提取模型与融合策略的有效性。

基于深度残差收缩网络的辐射源个体识别方法

辐射源个体识别是电子对抗领域中的重要技术,通过识别设备间不同细微特征从而达到区分非法设备与合法设备的目的。针对辐射源个体间指纹特征差异细微且在噪声干扰下提取特征较少的问题,提出了一种基于深度残差收缩网络的辐射源个体识别方法。该方法首先将I/Q图特征数据进行拼接,利用数据增强技术进行样本扩充,进而构建了深度残差收缩网络识别模型,最后对构建的模型进行ADS-B辐射源个体识别训练并进行识别效果评估。仿真结果表明,本文构建的深度残差收缩网络通过消除数据噪声的优势,对数据增强后的20类ADS-B辐射源个体在0 dB的低信噪比条件下总体识别准确率达到98.2%,其性能较相同层数的Resnet网络提高了1.3%,并明显优于现有其他方法。

辐射源个体识别中的对抗攻击研究

基于深度学习的辐射源个体识别研究主要关注识别精度的提升,往往忽视了识别过程中对抗样本的威胁。针对上述问题,本文在增加辐射源个体类别并提升模型识别精度的同时分析研究了对抗样本对高识别率深度学习识别网络产生的影响。首先获取小样本ADS-B信号,通过数据随机切片进行数据增强;再对原有网络进行微调并加入卷积注意力模块提高模型对辐射源个体信号的识别率;最后使用4种攻击算法生成对抗样本并在辐射源个体识别网络上进行测试。除此之外,还将攻击前后的信号样本转化为图片进行可视化比较,以在攻击成功率和攻击隐蔽性之间权衡。实验结果表明,优化后的高识别率模型也容易受到对抗样本的攻击,基于动量的迭代攻击效果最好,相比于快速梯度下降的攻击方法的攻击效果高出10%。

不可思议的果阿

印度入境卡背后有一句闻名世界的宣传语：“inconceivableindia”（不可思议的印度），但我想说，那果阿，是Inconceivableindia中更不可思议的一个篇章。有谁能想到，这个位于印度西海岸的小渔村曾是20世纪嬉皮士运动的大本营，曾是世界上最大的自由主义新世界。更关键的是它在印度，如果能穿越时空回到1960年代，看到的一切肯定很有趣。

基于零样本学习的未知辐射源个体识别研究

针对辐射源个体识别基本遵循闭集假设无法有效识别未知类的问题,提出了一种基于零样本学习的辐射源个体识别模型实现对已知类和未知类辐射源个体识别。通过搭建卷积神经网络提取隐藏在辐射源信号数据下的语义特征,引入注意力模块增强对关键特征的关注,提出一种组合损失函数促使不同类辐射源信号在语义特征空间分离,根据辐射源信号在语义特征空间的分布进行辐射源个体分类识别。实验结果表明,相较于传统闭集识别,本文所提模型在能够在保持已知类识别率的前提下识别未知类且能在未知类之间区分,平均识别率达到90%以上。在工程化验证中,搭建的未知辐射源个体识别平台能够在室内及室外场景下实现快速准确识别。

财政性教育经费绩效审计实践

教育资金作为重点民生资金,加强财政性教育经费绩效审计既是规范公共财政行为的需要,也是促进公共资源优化配置的需要。本文在实践基础上,提出以"项目流、资金流、政策流"为支撑,构建与专项审计调查、财政财务收支审计、政策跟踪审计相融合的绩效审计框架,实现"全方位、全过程、全覆盖"的财政性教育经费绩效审计。