基于卷积神经网络与投票机制的蒲黄炮制品近红外判别方法

蒲黄炭是由香蒲花粉炮制而成,具有止血、化瘀、通淋等多种功效,被广泛应用于临床抗血栓,创面和出血。然而蒲黄炭在炒炭过程中,常常会出现炭化过轻或者炭化过重的现象,从而出现不同炭化程度的蒲黄炭药品,主要为轻度炭化、标准炭化与重度炭化三种不同的蒲黄炭药品。由于炭化程度不同,蒲黄炭的凝血效果优劣不等,其中标准炭化的蒲黄炭药品药效最优。目前,鉴别蒲黄炭药品的方法多为人工凭借肉眼与经验进行判别。基于人工的蒲黄炭药品判别方法判别效率低,受主观因素影响大,判别结果不稳定,难以区分出标准炭化的蒲黄炭。为有效地对不同炭化程度的蒲黄炭进行识别,提出一种基于卷积神经网络与投票机制的蒲黄炮制品近红外判别方法。该方法创新性地结合深度学习与机器学习算法,有效利用卷积神经网络强大表征提取能力的同时通过投票决策提升算法模型的泛化能力与鲁棒性。首先通过近红外光谱技术获取蒲黄炭的近红外光谱,并通过卷积神经网络分别提取样本经过四种预处理方法所得到光谱图的高阶特征,并计算预测结果。按照样本准确率与损失值为四种预处理方法分配相应权重得到蒲黄炮制品预测模型。该模型将所得到的四种预测结果结合权重共同投票出样本的最终结果,从而鉴别出蒲黄炭的炭化程度。实验结果表明所提方法可以有效判别蒲黄炮制品的炭化程度。当训练集所占样本比例为80%时,预测准确率达到95.4%。所提方法与传统卷积神经网络方法、线性判别分析方法以及标准正太变量变换-线性判别分析方法相比预测准确率分别提高8.6%,4.3%和2.6%。同时,所提方法具有一定的稳定性,当训练集所占样本比例大于70%时,测试准确率高于90%;当训练集比例仅占10%时,预测准确性仍然能够达到约80%。

浅谈保险公司资金风险识别及风险应对策略

2018年是中国改革开放40周年,这40年间我国的经济形势发生了翻天覆地的变化,给金融业带来了很多的机遇和挑战。在金融同业当中,虽然近年保险行业发展较快,但相比较其他金融机构仍存在不小差距,主要是因为多年以来保险资金受限于行业监管约束较为严格,导致投资渠道有限,加之资金再投资收益率稳定性较差,行业竞争优势不明显,尤其是保监会和银监会在2018年的合并,更预示着国家的宏观调控政策的实施方向。本文就是以保险公司为研究对象,以其资金风险识别及风险应对策略为研究内容来展开论述,以期通过识别保险公司的资金风险可以降低金融业同业竞争的危机,从而使保险公司能够安全的、有效益的发展。

论科技企业税收筹划的基本策略和方法

在世界科技水平迅猛发展，全球经济一体化的带动作用下，我国科技企业得到了快速的成长，而税收筹划对每一个企业来讲都是影响健康长远发展的重要因素。本文就从科技企业税收筹划的目的入手，对科技企业进行税收筹划的基本策略和方法进行分析，并提出一些自己的看法和意见。

强化企业成本管理,提高企业经济效益

成本管理工作质量不仅代表着企业生产经营管理水平,同时还是企业市场竞争力强弱的一个体现指标。要想有效地降低企业生产成本,就必须加强成本管理,让企业以成本优势扩大市场份额,进而提高企业的经济效益。