数字经济驱动下创新生态系统空间演化与迭代机制研究

数字经济的发展不仅改变了创新生态系统的理论基础和行为逻辑,也改变了创新生态系统的结构和特征,促使创新生态系统空间演化模式和迭代机制发生转变。基于数字经济理论和创新生态系统理论,探索了数字经济驱动下创新生态系统空间演化与迭代机制,并构建理论模型,得出以下结论:第一,在数字经济的驱动下,创新生态系统的创新要素高匹配性、创新网络优化性、创新边界延展性、创新平台打造便捷性特征更加明显;第二,数字经济驱动下创新生态系统呈现放射状、凝聚状、网络状、点状的空间演化模式;第三,数字经济驱动下创新生态系统的迭代呈现出螺旋上升型、思维驱动型、技术引领型、周期扩张型4种机制。

发电市场的迭代竞价机制

建立了发电市场迭代竞价模型。该模型在竞价过程中给出了充分的市场信息 ,发电商可以合理、经济地组织生产 ,确定竞标策略。电力购买者赋予了议价能力 ,协调各厂商竞价 ,促使市场高效地运作。实例模拟表明 ,在完全竞争的市场环境下 ,各厂商的发电资源可以得到充分利用 ,市场处于Nash均衡 ,出清价收敛于传统的系统边际成本附近 ,发电系统接近于经济运行状态。比较了迭代竞价机制与单轮投标机制的市场效率。模拟了发电商串通行为的形成 ,为此有必要制定有效的规则对市场竞价加以约束。

论语言的迭代机制及其在称代系统中的作用

论文基于语言学的相关本体研究成果,通过研究给出了由多种迭代类型及其分布所构成的语言迭代体系,着重分析了迭代机制在称代迭代模型中的作用特点和规律,从中获得一系列新发现,如多维迭代,以及对多维迭代的多波次使用所表现出的称代能力的升降等。结论证明,迭代是语言复杂系统中一个影响深刻的重要运作机制,在语言深度研究中有独到的发现能力和解释力。

高校专业课程思政建设良性迭代机制——辅导员协同专业课程思政的终身成才教育

将思想政治德育元素融入专业课程的持续建设与迭代,已成为我国高校实现立德树人终极培养目标的关键一环。辅导员作为高校公认的育人先锋和学生终身的良师益友,具有对学生实现校内全阶段思政培育和校外职业生涯发展调研反馈的优势。研究辅导员协同专业教师开展课程思政建设的良性迭代机制,将促使专业课育人过程加速趋近人才成长规律和思想政治教育规律,为“三全育人”等教育理念确实落地探索崭新途径。

协同演化计算的迭代多属性拍卖机制

为了克服多属性反向拍卖中偏好信息提取困难、提取成本高的影响,提出一种迭代多属性拍卖机制,支持买卖双方增量式的按需偏好确定和揭示,引入协同演化计算方法作为卖方的学习工具和投标策略工具.在买方采取坦诚策略的前提下,协同演化计算方法为卖方提供的策略是其事后的近似纳什均衡策略,且拍卖机制以近似有效率的交易结束.实例分析和实验结果验证了该机制的有效性.

基于迭代滤波机制的OFDM系统的频偏估计

本文提出一种估计OFDM系统频偏参数的新思路:将一些原用于单载波调制信号的频偏估计算法,与迭代滤波机制相结合,提高其精度,使之满足OFDM的要求,从而用到OFDM系统的同步中。本文举了一个具体例子,matlab6.0平台上的仿真结果表明例子给出的算法估计精度高、捕获范围大,有很好的应用价值。

基于精细认证和迭代补偿机制的图像认证与恢复算法

针对基于分块思想的图像定位算法定位精度不高和恢复性能不好的问题,本文提出了一种基于精细认证和迭代补偿机制的图像认证与恢复算法。在认证算法中,包含基本认证和精细认证,融合基本认证和精细认证这两次认证的结果,并根据连通篡改区域中像素个数的多少进行优化,得到定位精度较高的定位结果。在恢复算法中,考虑到可嵌入的信息容量,提出利用迭代补偿机制恢复图像中被篡改的像素。理论分析和实验结果表明:本文提出的算法对于局部发生篡改的图像,能提高其定位的精度,而且恢复的性能也得到了提高。

一种迭代机制改进基于卷积神经网络的目标检测

为提升目标检测模型的检测精度,提出一种迭代机制改进基于卷积神经网络的目标检测方法。首先采用与标准更快速区域卷积神经网络(Faster RCNN)一致的设定,在提取了区域候选框后,引入迭代机制来改进Faster RCNN。通过多次迭代优化候选框,使检测框近似于真实框。为发挥迭代机制优点,实现目标精确检测,改进了迭代版Faster RCNN的训练方式,一种改进是所有迭代步骤都定义了损失函数,另一种改进是使用ε-greedy策略。最后,在PascalVOC数据集和自制飞机数据集上进行的测试表明,改进后的迭代版Faster RCNN的检测精度高于标准Faster RCNN约8个百分比。

平面变形回弹迭代补偿的收敛准则及应用

针对板材平面变形过程中的回弹问题,基于迭代法建立了迭代补偿机制,给出了迭代参量收敛性的判定准则。对于简单应力状态下平板单向拉伸和双向拉伸的弹塑性变形过程,证明了参量轴向长度对迭代补偿机制具有收敛性。对于宽板V形自由弯曲工艺,通过理论和实验验证了弯曲曲率和弯曲角的收敛性。进而,将迭代补偿机制应用于宽板自由弯曲工艺的回弹控制,对曲率和弯曲角分别进行了迭代补偿实验,结果表明,根据每次试验的回弹量,迭代补偿机制可以预测下一次补偿值,使弯曲工艺经过2～3次迭代,就获得了误差小于0.1%的目标曲率和误差小于0.5%的目标弯曲角,收敛速度很快。而且,对于同一材料的同一成形工艺,每次的补偿量只取决于回弹前后的迭代参量差值。

迭代竞价模型在电力中长期合约市场中的应用

针对目前电力中长期合约市场的竞价模式现状,提出了基于遗传算法的迭代竞价模型。该模型采用迭代竞价机制代替单轮投标机制,并采用遗传算法解决竞价模型中发电商报价曲线形状不确定的特点。算例表明,该模型和算法可以解决任意形状报价曲线的发电量最优化分配问题,具有较高的实用价值。基于遗传算法的迭代竞价模型为我国现阶段的电力中长期和约市场提供了一种切实可行的竞价机制。

虚实结合的迭代式固件分析技术

当前对嵌入式设备固件进行动态分析面临很多困难,单独的仿真分析和设备实体调试都难以满足实际需求,针对这一问题,提出虚拟执行和实体执行相结合的迭代式固件分析方法。设计一种迭代式分析机制并实现一个分析框架,使固件代码的执行能够根据分析需求在虚拟运行环境和实体运行环境之间多轮切换,解决仿真执行无法模拟I/O端口访问以及实体执行难以跟踪记录的问题,能够为嵌入式设备固件分析提供基础支撑。应用该技术对希捷硬盘固件进行分析,验证了其有效性。

ChatGpt融入现代教育评价:理性思考与实践探索

数字时代,人工智能融入教育评价成为深化新时代教育评价改革的现实之需。ChatGpt作为人工智能的形态之一,其与教育评价的耦合蕴蓄精准高效的工具理性,内蕴人文关怀的价值理性,关涉对话融通的交往理性。同时,ChatGpt融入教育评价也存在双刃性:工具理性僭越导致评价方法窄化,价值理性消逝导致评价主体失落,交往理性失衡导致评价时效弱化。基于ChatGpt融入教育评价的风险检视,需要从专业支持、制度保障、机制迭代等方面坚守教育评价生命性与正义性的价值规约。

新兴媒体与传统媒体迭代机制研究

随着信息技术的飞速发展,新兴媒体对传统媒体形成了一系列挑战。新兴媒体与传统媒体具有各自的特点,同时新兴媒体与传统媒体迭代发展存在方式不明确、意识不强、缺乏完善的管理体制等困境,可以通过转变发展观念,完善管理体制,加强对媒体传播内容的建设,运用现代化的新兴技术,建立数字化的媒体发展平台等方面完善发展。

基于I-LDAQ算法的电力线通信QoS约束组网方法

电力线通信网络的复杂性严重制约了电力线通信的应用规模,为提高电力线载波通信的覆盖范围和服务质量,提出了一种基于迭代激励因子控制的Lévy飞行双蚁群服务质量参数感知路由算法（iterative incentive factor controlled-Lévy flight dual ant colony with quality of service awared routing algorithm,I-LDAQ）。为解决启发式算法易于陷入局部最优解的缺陷,提出迭代激励机制。迭代激励因子动态控制Lévy飞行双蚁群系统的参数,使算法收敛速度较快,全局搜索能力较强。通过设计相应的通信协议、组网方案和路由重构策略,将I-LDAQ算法应用于服务质量参数约束的电力线通信组网中。仿真结果表明,该组网方法能根据不同的电力线通信服务类型较快完成组网过程,满足不同电力线通信业务的服务质量需求,并选择相应的路由重构方式对网络路由进行动态维护,以提高其抗毁性。

面向对象数据库中的次序关系

本文从一个实例着手说明了对象库中对象的次序关系对迭代消息传递的重要性，从而论证了对象集合不能作为对象库的基本聚集结构．文中以对象序列取代对象集合，并用代数规范定义了ＯＯＤＢ状态、聚集。

求解两阶段线性规划的原始-对偶分解算法

本文介绍一种求解两阶段线性规划的原始-对偶分解算法,该方法在两方面上明显优于传统分解方法,即具有平衡的分解结构和良好的收敛特性。新分解结构将原问题分解为一对受限制的原始和对偶子问题,每一个子问题都保存有对方以前迭代的所有信息,而在传统的主-子分解结构中,子问题只保留主问题传递来的当前信息。新的迭代机制使两个子问题在迭代过程中始终保持单调改善的收敛特性。在相当一般的条件下,新算法可以在有限次迭代中收敛于预先指定的收敛误差之内。

基于外信息符号差的LT码串行译码算法

在无线通信系统中,LT码采用置信传播(BP)译码算法进行译码,缺少有效的迭代控制机制。针对这一问题,首先将串行置信传播(SBP)算法应用于LT码的译码,极大地提高了译码收敛速度。其次,通过对LT码在加性高斯白噪声(AWGN)信道下的外信息转移(EXIT)曲线的分析,提出了一种基于外信息符号差的串行置信传播(ESD-SBP)译码算法,即根据一次完整迭代前后符号节点译码器(SND)的外信息符号变化情况来快速判断译码收敛情况、控制迭代停止。最后对固定迭代次数、互熵算法(CE)、循环冗余校验(CRC)以及外信息符号差算法(ESD)进行了性能对比。仿真结果表明,在不降低串行译码(SBP)算法性能的前提下,可以有效减小迭代次数。

毫米波雷达通信一体化大规模阵列天线混合波束形成

本文研究毫米波车载雷达通信一体化系统中大规模阵列天线混合波束形成的优化设计问题。考虑的设计自由度包括源车辆发射端处的混合波束形成器、源车辆接收端处的雷达接收滤波器和接收车辆接收端处的通信基带合成器。本文提出一种最小化均方误差(MMSE)准则下的混合波束形成优化设计方法,在兼顾发射端模拟波束形成器单位模约束、发射端发射功率、通信数字波束、雷达最佳波束、雷达接收端信干噪比(SINR)等约束条件的前提下,将涉及多约束变量的非凸优化问题分解为四个子问题后,采用交替迭代优化机制(AIOM)求解混合波束形成问题。仿真实验表明,AIOM求解得到的大规模阵列天线混合波束形成,既有良好的收敛性,又有良好的通信与雷达折衷性能。

融合RACNN和BiLSTM的金融领域事件隐式因果关系抽取

金融领域的文本信息量大、价值高,尤其是其中的隐式因果关系事件包含着巨大的潜在利用价值。对金融领域文本进行隐式因果关系分析,挖掘隐式因果关系事件中隐含的重要信息,了解金融领域事件更深层的演化逻辑,进而构建金融领域知识库,对金融风险控制、风险预警等具有重要意义。为了提高金融领域中隐式因果关系事件识别的准确度,从特征挖掘的角度入手,提出了一种基于自注意力机制的融合循环注意力卷积神经网络(Recurrent Attention Convolution Neural Network,RACNN)和双向长短时记忆网络(Bidirectional Long Short-Term Memory,BiLSTM)的隐式因果关系抽取方法。该方法结合了基于迭代反馈机制能提取更重要文本局部特征的RACNN、能更好地提取文本全局特征的BiLSTM以及能更深入地挖掘融合特征语义信息的自注意力机制,在SemEval-2010 Task 8数据集和金融领域数据集上进行了实验,结果表明,评估指标F1值分别达到了72.98%和75.74%,均显著优于其他对比模型。

面向人脑功能划分的人工水母搜索优化算法

人脑功能划分是揭示人脑功能分离性的重要方式。然而,现有的大多数划分方法因不能较好地处理功能磁共振影像(fMRI)数据的高维性和低信噪比性,表现出搜索能力较弱和划分结果较差的问题。为了减轻此问题,提出一种基于人工水母搜索优化(AJSO)的人脑功能划分方法。该方法首先基于预处理的fMRI数据计算功能相关矩阵,并将其映射到低维空间。然后将食物编码为由多个功能簇中心构成的聚类解,利用改进型人工水母搜索优化算法搜索更优的食物,采用融入迭代停滞的时间控制机制调控人工水母执行主动运动或被动运动,以提高全局搜索能力;针对主动运动设计适应度引导的步长确定策略,增强人工水母搜索的科学性和针对性。最后根据最小距离原则得到相关矩阵中每行数据的簇标,并将其映射到相应的体素上。在真实fMRI数据上的实验表明:与其他一些划分方法相比,新方法不仅拥有较高的搜索能力,而且可得到具有更好空间结构和更强功能一致性的划分结果。这项研究将人工水母搜索优化算法应用于人脑功能划分,提供了一种更有效的人脑功能划分方法。