带空间结构的人工神经网络建模方法

将遍历搜索法引入带空间结构的人工神经网络模型,提出一种新的模型估计和空间数据样本外预测方法。该方法基于人工神经网络,结合空间自回归模型思想,在网络模型中引入空间滞后项来考虑变量的空间效应,提出使用遍历搜寻最优解的方式替代传统极大似然法进行空间自回归系数估计和建模。结合样本外数据和空间结构,扩展空间权重矩阵并代入所提模型进行样本外预测,充分发挥了人工神经网络模型泛化能力强的特点。仿真分析指出:在合理考虑空间效应的情况下,所提模型的预测效果较普通人工神经网络有显著提升;而且当空间变量间存在非线性关系时,所提模型的预测精度同样优于空间自回归模型。

基于体验式的“三位一体”高校公共安全教育体系——以北京航空航天大学为例

高等教育作为公民步入社会前的最后一环,需要为国民的公共安全教育"守好门""把好关"。北京航空航天大学针对目前高校公共安全教育存在的不足,结合当代大学生思想特点和个体需求,将体验式学习理论引入高校公共安全教育,构建了基于体验式的"网络互动教学平台""安全教育体验馆"和"公共安全教育课程""三位一体"的公共安全教育体系。实践证明"三位一体"高校公共安全教育体系在实际教学中收到良好效果。

空间计量方法在房地产价格分析中的应用综述

文章通过回顾国内外房价预测问题的相关研究,归纳总结了空间计量方法和机器学习在房价预测问题应用的前沿方法。综述分析表明:已有房地产价格研究主要从房价影响因素的角度出发构建实证框架,注重前沿统计方法的应用,着重强调预测模型的可解释性。但主流空间计量模型对房价非线性变化拟合性较差,另一方面,机器学习在提升拟合性的过程中摒弃了计量模型的解释性。文章主张应结合二者优势,探索上述两类统计算法在房地产预测过程中的综合应用。