浅谈事业单位财务内部控制现状及对策

随着新政府会计制度的实施和我国社会经济的高速发展,对事业单位整体管理水平有了更高的要求。本文以事业单位财务内部控制建设为切入点,以风险防范为导向,以流程再造为把控点,提出了相关改善措施,对保证各项工作顺利进行、保证国有资产安全、防止国有资产流失、提升事业单位整体管理水平有一定的参考意义。

山西省建筑业投入产出分析

文章采用投入产出分析方法,以山西省统计局公布的《2012年山西省投入产出表》为基础,通过合理的数据处理和变换,得到以山西省建筑业为主的投入产出表,分析山西省建筑业的直接消耗系数、完全消耗系数、影响力系数和感应度系数,研究山西省建筑业的特性和与其他产业的关联,为山西省建筑业的稳定发展提出可行性建议。

科技特派员制度长效机制探析

科技特派员,是指经地方党委和政府按照一定程序选派,围绕解决“三农”问题和农民看病难问题,按照市场需求和农民实际需要,从事科技成果转化、优势特色产业开发、农业科技园区和产业化基地建设以及医疗卫生服务的专业技术人员.文章主要对山西长治科技特派员取得的工作成就进行分析,然后探究科技特派员制度长效机制.

事业单位项目预算绩效管理探究

事业单位项目执行效果,直接影响社会大众生活品质的高低,所以加强事业单位项目预算绩效管理,提高项目资金使用效率势在必行。本文主要分析了目前我国事业单位项目绩效管理中存在的问题,以明确项目单位责任为基础,以行为导向为思路,从项目实施部门、事业单位自身、财政部门等方面入手提出了一些优化项目绩效管理的建议,以期能够提高事业单位项目绩效管理水平,从而促进事业单位社会价值的提升,为事业单位长足发展开辟思路,为社会稳定提供保障。

基于自回归移动平均模型拟合的高效心律失常自动分类研究

心律失常的自动检测对于早期预防与诊断心血管疾病具有重要意义。传统的心律失常诊断受限于专家知识,缺乏多维的特征表示能力,算法复杂,不适用于穿戴式心电监测设备。本研究提出基于自回归移动平均(ARMA)模型拟合的特征提取方法,以不同类型心拍作为模型输入,利用ARMA模型对心律失常信号以合适的阶数进行系数拟合,完成心电特征提取,并将特征向量分别输入支持向量机(SVM)与K近邻分类器(KNN)进行心电自动分类。所提算法采用MIT-BIH心律失常数据库与房颤数据库为数据集进行验证,结果表明:ARMA模型拟合系数组成的特征工程结合支持向量机分类器得到查全率为98.2%,查准率为98.4%,F1指数为98.3%。该算法具有较高的性能,满足临床诊断需求,算法复杂度低,可采用低功耗嵌入式处理器进行实时运算,适用于穿戴式心电监测设备的实时预警。

基于焦点损失函数的嵌套长短时记忆网络心电信号分类研究

心电图(ECG)可直观地反映人体心脏生理电活动,在心律失常检测与分类领域中具有重要意义。针对ECG数据中类别不平衡对心律失常分类带来的消极作用,本文提出一种用于不平衡ECG信号分类的嵌套长短时记忆网络(NLSTM)模型。搭建NLSTM学习并记忆复杂信号中的时序特征,利用焦点损失函数(focal loss)降低易识别样本的权重;然后采用残差注意力机制(residual attention mechanism),根据各类别特征重要性修改已分配权值,解决样本不平衡问题;再采用合成过采样技术算法(SMOTE)对麻省理工学院与贝斯以色列医院心律失常(MIT-BIH-AR)数据库进行简单的人工过采样处理,进一步增加模型的分类准确率,最终应用MIT-BIHAR数据库对上述算法进行实验验证。实验结果表明,所提方法能有效地解决ECG信号中样本不平衡、特征不突出的问题,模型的总体准确率达到98.34%,较大地提升对少数类样本的识别和分类效果,为心律失常辅助诊断提供可行的新方法。