甘肃省数字经济与经济增长耦合协调度研究

随着数字中国战略的稳步实施,大力发展数字经济,已成为甘肃省推动经济增长的新引擎。选取甘肃省2013-2020年相关数据,构建数字经济和经济增长两个系统的指标评价体系,计算综合指数,采用耦合协调度模型分析两者的耦合协调关系。分析表明,2017年之后,甘肃省经济增长滞后于数字经济发展,两者耦合协调度整体呈上升趋势,关联性较高。下一步甘肃省可在数字基础设施、产业数字化转型和数字治理体系等方面加快建设,助推数字经济发展和经济高质量增长。

甘肃省数字政府建设的影响因素研究

近年来,数字政府建设已成为我国深化“放管服”改革、优化营商环境的重要举措,甘肃省政府也在2021年3月启动了数字政府建设。文章选取2015—2020年甘肃省数字政府建设的相关数据,通过一元线性回归模型对甘肃省数字政府建设的影响因素进行实证分析。研究结果表明,在现阶段,甘肃省数字基础设施水平对数字政府建设具有促进作用。同时,为更好推动甘肃省数字政府建设,文章提出了可行的政策建议。

全国一体化算力网络国家枢纽节点(甘肃·庆阳)建设对策措施研究

2021年底,甘肃省启动建设全国一体化算力网络国家枢纽节点,并设立了庆阳数据中心集群。文章探究了全国一体化算力网络枢纽节点(甘肃·庆阳)的建设背景、目的和意义,分析梳理了实施进展情况,从算力资源调度、网络通道、能耗指标、绿色发展需求等层面分析了甘肃枢纽节点建设当前阶段存在的一些问题和短板,并提出了对策建议,为进一步推动甘肃枢纽节点建设提供了具体路径。

基于时空脑电特征与并行神经网络的疲劳驾驶检测

鉴于疲劳驾驶是交通事故的主要诱因之一,探索客观准确的疲劳驾驶检测方法具有重要应用价值。考虑到不同类型特征之间的信息互补,不同机器学习算法之间在信息挖掘过程中的优势互补,本文提出一种基于时空脑电(Electroencephalogram,EEG)特征与并行神经网络的疲劳驾驶检测框架。减少容积导体效应,基于锁相值(Phase Locked Value,PLV)将时序EEG数据映射到空间脑功能网络(Brain Functional Network,BFN),先后提取时序EEG数据和BFN中与驾驶过程相关的时域EEG特征和空域度量特征。通过对特征与目标类之间关系的分析,设计特征贡献度算法,为时域EEG特征和空域BFN度量特征赋予不同的贡献系数,分别将两类加权特征作为长短期记忆(Long Short Term Memory,LSTM)网络和二维卷积神经网络(Two-dimensional Convolutional Neural Network,2D-CNN)的输入,充分发挥LSTM网络时序数据处理优势和CNN空间数据处理优势,实现时空EEG特征信息互补以及两类神经网络算法数据挖掘能力的优势互补。在公开数据集上进行系列对比实验,结果表明并行神经网络框架的疲劳检测性能优于其他方法,获得了最高96.47%的准确率。此结果意味着本方法能够为疲劳驾驶预警和辅助安全驾驶提供一种有效的解决方案。