具有不完全技术外部性的随机Learning-by-Doing模型及解法

提出适用于随机Learning-by-Doing模型的"附加效用"值函数解法,并用此方法求解具有不完全技术外部性的随机learning-by-doing模型,得到了均衡时的经济增长路径、消费—资本比和值函数,讨论了技术外部性对私人资本回报率、消费倾向、均值经济增长率和个体福利的影响.

基于E-learning的高校图书馆用户培训研究

E-learning是适应信息社会学习特点的新的学习方式。本文研究并建立了基于E-learning的高校图书馆用户培训模式和平台。实践证明,它能拓宽学习的范围和观念,超越传统培训的内涵和外延,存在优势,可有效地推进高校图书馆资源的开发和利用。

一种基于联邦学习的供应链需求预测方法

供应链需求预测是供应链管理的核心环节,直接影响着供应链的运作效率和成本控制。然而,在不确定的市场环境下,如何提高需求预测准确性一直是供应链管理的难题。尤其是在供应链中,各个企业出于保护自身利益和隐私的考虑,不愿意与其他企业共享自己的需求数据,导致了传统的基于单一数据源的预测方法存在较大的误差和局限性。针对这一问题,本文提出了一种基于联邦学习的供应链需求预测方法。该方法通过构建一个分布式的预测模型,使得供应链中同一层级的企业可以在不泄露自己数据的情况下,利用其他企业的数据来优化自身的预测模型,从而提高预测的准确性和效率。本文通过数值实验与传统方法对比分析,验证了基于联邦学习的供应链需求预测方法在提高预测准确性和缓解牛鞭效应方面的有效性,为供应链管理提供了新的思路和方法。

基于CSIs、EVM、GM(1，1)理论的建设成本控制方法研究

政府投资项目一般都非常庞大,动辄几千万到上千亿,因此建设成本的计算和控制也就尤其繁巨,本文试图在工程项目建造过程中,引入显著性成本CSIs理论简化建造成本计算和控制工作量,适时根据已获价值理论EVM监控项目CSIs进度,并根据已完工程CSIs的ACWP、BCWP实际数据,运用GM(1,1)模型预测下一阶段拟完工程项目CSIs的ACWP、BCWP可能值,运用EVM进行分析制定预控措施进行控制,以实现建设成本预控和适时监控目的。

GM(1,1)—马尔柯夫模型的挣值管理项目预测研究

分析了挣值管理项目成本与进度偏差预测存在的问题及解决方法,研究了GM(1,1)—马尔柯夫预测模型,通过具体工程实例说明GM(1,1)—马尔柯夫模型预测理论上是可行的且比运用GM(1,1)模型预测精度高。

移动学习热的冷思考

移动学习从上世纪末发展到现在,国内外教育技术界对其进行了大量的理论及实践研究,但在实际发展中,也出现了很难推广的问题,需要对其进行理性的研究与思考。具体来看,移动学习主要包含移动化学习环境、移动化学习资源和移动化学习方式,其与E-Learning相比,虽然具有随时随地学习等优点,也有传输信息量小等缺点,这些局限性限制了移动学习在远程教育方面的进一步发展,从而无法在短时间内取代E-Learning在远程教育中的作用。

存在理论与blog虚拟学习社区的构建

信息社会人们的学习方式发生了巨大变化。本文从日益受关注的虚拟学习社区入手,以三种存在理论为基础分析了blog虚拟学习社区中的存在,并在此基础上逐渐勾画出blog虚拟学习社区模式图,最后阐述了blog虚拟学习社区的构建过程和其中存在的问题。