基于知识元的突发事件衍生网络仿真平台的设计与实现

针对突发事件应急管理的需要,在知识元和情景演化的理论基础上,提出了一种可视化的突发事件衍生网络仿真平台的设计方法,该平台通过集成应急管理领域突发事件相关知识,支持对不同类型突发事件衍生过程的模拟仿真,并生成动态的突发事件衍生网络,使人们对突发事件衍生过程形成更加直观的认识,从而提升突发事件的应急管理能力。

多股流换热器网络优化的衍生网络法

从换热器网络综合及优化中相互矛盾的投资费用和运行费用分析入手,以多股流换热器代替两股流换热器网络,建立了一种网络优化目标的松弛技术,即在整体网络优化中允许小面积换热器的存在,然后通过多股流换热器对小换热器进行合并处理。结果表明,应用该方法进行换热网络的综合优化,可以充分发挥多股流换热器的优点,获得综合费用更低的换热网络结构。

基于地域高校集群衍生网络的孵化机制研究

高等院校孵化器在整个科技企业孵化体系中占有主导地位。然而,单一高校由于受自身办学条件、师资水平、科研实力、学缘结构等因素的影响,孵化效果不理想。地域高校集群可以形成大综合性的科研、培养、服务性机构,在其孵化衍生网络中,可以取得纵向一体化低成本的优势,发挥稀缺资源的最大经济效益。

多股流换热器网络及其衍生网络法综合优化

在介绍了多股流换热器网络特点及其与传统网络区别的基础上,提出了一种基于衍生网络的多股流换热器网络综合优化方法,重点在衍生网络的生成、多股流换热器网络的合成以及全局优化格式的生成等方面进行了探讨,结果表明,采用衍生网络的方法能够实现多股流换热器网络的优化.

基于孵化衍生网络的应用型创新创业人才培养机制研究

文章通过对高校创新创业人才培养现状分析,充分发挥由一定地域内高校集群、科研院所集群和企业集群形成的孵化衍生网络的作用,积极探索孵化衍生网络对高校创新创业人才培养的服务途径,以期为高校创新创业人才培养提供参考。

创业企业原生社会网络与衍生社会网络的关系研究

界定创业企业原生网络与衍生网络的定义及内涵,揭示了创业企业社会网络与创业企业家社会网络的同质、同源与同构关系,论证了创业企业原生社会网络向衍生社会网络过渡的必要性和必然性。

基于信息异化动力视角的网络衍生舆情成因研究

以信息异化动力为视角,在剖析网络衍生舆情与信息异化价值关联的基础上,建立网络衍生舆情成因分析模型,并以"微笑局长"杨达才事件为例进行实证研究,以期为网络衍生舆情的科学化治理提供必要的理论支撑和实践指向。

衍生网络综艺节目初探

网络综艺衍生节目是电视综艺衍生节目形态的延续。其节目内容与网络综艺正片有着强相关性,在内容模式上具有衍生属性。在商业模式上具有会员制属性,一般采取会员制观看和正片同期上线的排播形式,创作目标是吸引网络综艺正片的核心用户转化成会员。作为行业新现象,一些网络综艺衍生节目制作中存在着项目规划不科学、制作模式不足、制作粗糙内容重复、商业模式不完善等问题。

基于信息异化理论的网络衍生舆情演化规律及对策研究——以网络谣言治理为例

网络衍生舆情形成的根本原因是网络舆情信息和主体异化问题。根据信息异化理论,通过分析网络舆情演化的萌芽期、扩散期与消退期3个阶段,归纳了网络衍生舆情的一般特征和演化规律,指出网络谣言是信息异化作用下一种典型的综合网络舆情,并以网络谣言治理为例,深入剖析了网络谣言的基本要素与演化机理,进而,提出了治理网络谣言的"主体——社会——技术"的"三维一体"策略,以期为我国综合网络舆情治理体系建设提供有益参考。

传播要素视角下网络衍生舆情成因的多维分析

衍生舆情是近年来网络舆情所呈现的新特点,尤其由突发公共事件引发的网络舆情,衍生舆情的出现几乎成为一种必然,其所造成的“二次影响”甚至超过原生舆情,给舆情危机的防范和应对带来了更大的挑战。基于此,从传播要素的视角探讨在由突发公共事件引发网络舆情中出现衍生舆情的成因。研究认为,突发公共事件是衍生舆情出现的前提,其模糊性、关联性和刺激性会对衍生舆情产生直接影响;政府、媒体和公众是衍生舆情形成的重要因素,在信息传播中它们基于各自利益诉求而呈现的不同行为逻辑是衍生舆情产生的根本原因。

一种量子衍生神经网络模型算法及应用

为提高神经网络的逼近和预测能力,提出一种各维输入为离散序列的量子衍生神经网络模型及算法.该模型为三层结构,隐层为量子衍生神经元,输出层为普通神经元.量子衍生神经元由量子旋转门和多位受控旋转门组成,利用多位受控旋转门中目标量子位的输出向输入端的反馈,实现对输入序列的整体记忆,利用受控旋转门输出中多位量子比特的纠缠获得量子衍生神经元的输出.基于量子计算理论设计了该模型的学习算法.该模型可从宽度和深度两方面获取输入序列的特征.仿真结果表明,当输入节点数和序列长度满足一定关系时,该模型明显优于普通神经网络.

混合量子衍生神经网络模型及算法

为提高人工神经网络的逼近能力,该文从研究隐层神经元的映射机制入手,提出基于量子比特在Bloch球面的绕轴旋转构造神经网络模型的新思想。首先将样本线性变换为量子比特的相位,并使量子比特在Bloch球面上分别绕着3个坐标轴旋转,旋转角度即为网络参数。然后通过投影测量可以得到量子比特的球面坐标,将这些坐标值提交到隐层激励函数,可得隐层神经元的输出。输出层采用普通神经元。基于L-M(Levenberg-Marquardt)算法设计了该模型的学习算法。实验结果表明,该文提出的模型在逼近能力、泛化能力、鲁棒性能方面,均优于采用L-M算法的普通神经网络。

科技型中小企业技术创新能力评价体系的构建——基于量子衍生神经网络模型的实证研究

技术创新能力是科技型中小企业实现经济效益持续增长和持续发展的动力核心,同时也是目前研究的热点领域.本文就如何科学准确评价科技型中小企业技术创新能力进行研究,为现代企业持续发展提供重要理论依据.先对技术创新能力理论基础进行研究,构建了科技型中小企业技术创新能力评价指标体系;再在量子力学和神经网络模型研究基础上提出量子衍生神经网络模型,并应用模型对湖南省112家科技型中小企业技术创新能力进行评价.研究结果表明量子衍生神经网络模型对技术创新能力的评价具有有效性和可行性.本文研究成果对科技型中小企业可持续发展具有重要参考价值.

网络刷单衍生犯罪的防范与治理

网上购物的蓬勃发展与网店竞争的日趋激烈,滋生了刷单行为及其衍生犯罪。因为网络交易平台缺乏有效管理,相关法律不够完善,侦查破案难度较大,公安机关治理此类犯罪面临较大困难。对此,应当从完善平台辨别机制,规范店铺经营方式;完善相关法律法规,提供惩处法律依据;贯彻落实守法观念,提高应对犯罪能力等方面进行防范。同时,公安机关应当严格依法执法,提高受案和执法水平;行政机关还需完善监测预警处置平台,采取多种手段对网络刷单衍生犯罪进行综合治理。

网络衍生舆情的传播模型及分析方法研究

大数据时代发布信息渠道更加多元,社会热点舆情极易受到各种因素影响发生异化,产生网络衍生舆情的链式反应不可避免。文章依据网络衍生舆情传播的不同特性,将网络衍生舆情分为单向直线式、复合裂变式、焦点汇聚式、多向放射式和综合叠加式5种类型,进而对不同的网络衍生舆情模型提出相应的概率计算方法,并对网络衍生舆情的分析流程进行了具体的描述。通过不同视角的分析方法研究和实证研究,能够以定量计算更加科学地支持网络舆情信息的预测研判和智能决策。

网络综艺“反向输出”衍生电视节目之研究——以《明星大侦探》和《我是大侦探》为例

在媒介融合的推动之下,网络平台与传统电视平台开始进行联动,在网台合作中逐渐形成'先台后网'、'网台同步'和'先网后台'三种形式。基于视频网站综合实力的提高,从渠道的身份转变为制作方的身份,开始进行内容输出的业务范畴的拓展,从而形成了视频网站将其节目'反向输出'到电视平台中的网络平台模式。本文选取网综节目的'反向输出'模式作为研究对象,以网络原生综艺节目《明星大侦探》及其电视衍生综艺节目《我是大侦探》作为案例,对'大侦探'IP成功进行'反向输出'的模式进行分析,最后总结归纳出网络综艺节目对衍生电视综艺节目进行'反向输出'模式的启示。

大数据时代网络衍生媒体对高校思政教育的影响

高校网络平台是立德树人的重要阵地,大数据时代网络媒体的进步和普及为高校思想政治教育带来了新的发展契机,但是高校在推进网络思想政治教育的过程中遇到许多现实的困境和问题,例如缺少平台推送优质产品,思政团队协同管理能力较弱等。针对这些问题,需要优化高校主流思政教育内容,打造合格的网络衍生媒体平台,让网络衍生媒体为高校思政教育工作助力。

受众视角下网络综艺衍生节目的发展特点及优化路径

网络综艺衍生节目是媒介融合背景下的类型延伸,正在成为正片综艺重要的内容消费之一。网络综艺衍生节目不仅满足了受众对综艺节目个性化的消费需求,而且因其话题更新快、与正片同步时效性强、制作成本低、制播灵活等优势,为节目持续创作优质内容提供了有益启示。目前,网络综艺衍生节目面临节目质量不高、节目形式局限性强、过度依赖正片而造成受众审美疲劳等困境。对此,可从接受美学理论出发,以召唤结构为突破,挖掘内容形式的个性化特征;以期待视野为驱动,推动节目创新;以媒体融合为依托,打造新型的受众互动关系。

从长尾理论看网络综艺衍生节目如何“出圈”——以《开饭啦！唱作人》为例

当前正处于由“或时代”向“和时代”转变的进程中,依托互联网生态的网络综艺节目已经稳占综艺市场的“头部”位置,与此同时,网络综艺衍生节目凭借挖掘和开发利基市场方面的独特优势迅速崛起。本文以爱奇艺衍生网综《开饭啦!唱作人》为例,分析网络综艺衍生节目的成功之道,以期为创新网络综艺发展战略、提升尾部传播价值提供一定的借鉴意义。

一种量子衍生神经网络模型

为提高神经网络的逼近能力,通过在普通BP网络中引入量子旋转门,提出了一种新颖的量子衍生神经网络模型.该模型隐层由量子神经元组成,每个量子神经元携带一组量子旋转门,用于更新隐层的量子权值,输入层和输出层均为普通神经元.基于误差反传播算法设计了该模型的学习算法.模式识别和函数逼近的实验结果验证了提出模型及算法的有效性.