跨国公司对中国本地企业知识溢出模型分析

跨国公司对东道国企业传递知识的主要途径是通过知识溢出 ,本文分析了知识溢出效应 ,讨论了知识创新与模仿的旋进机制 ,指出要利用知识溢出效应 ,推动技术进步。最后总结了知识溢出效应给我们的启示     

区域创新网络知识溢出效应研究

区域创新网络内正式或非正式互动学习的存在 ,使网络内部各个成员的研究开发活动产生知识溢出效应。通过建立知识溢出效应模型 ,认为区域创新网络中知识溢出呈现螺旋上升态势 ;知识溢出带来区域集聚经济、规模经济形成的同时也造成区域产品雷同化和网络内部企业的竞争加剧。解决问题的有效途径是将知识溢出效应的外部性内在化 ,通过某种方式将外部收益或成本内含于某种经济关系中。内在化的过程就是使个别厂商的成本与社会成本相等的过程 ,也是通过外力对企业生产函数调整的过程。具体实施方式主要包括政府干预、产权制度安排和道德约束     

多回合组合双向拍卖交易机制研究

以组合双向拍卖分析为基础,建立了相关的数学模型,分别对单一回合和多个回合的组合双向拍卖交易机制进行了研究,证明多回合组合双向拍卖能更大地提高社会福利,也为进一步研究组合双向拍卖的市场效率、竞争均衡、竞标策略和计算机的模拟实验等问题提供了基础.     

分布式多媒体双向控制系统

介绍了一种利用多媒体计算机、CAN（Controller Area Network）现场总线（BUS LINE）和微控制器组成的一种新型的分布式多媒体控制系统，教师能够在教室对控制中心机房的播放设备进行控制，本系统充分利用CAN无破坏性的基于优先权的总线仲裁机制，解决了多个教室同时操作时引起的总线冲突问题，是一种有效支持分布式控制和实时控制的串行通信网络。     

“一带一路”背景下基于知识溢出视角的企业动态合作行为演化博弈分析

"一带一路"战略的逐步推进使得企业与企业之间的合作突破了地域、国别和文化的限制。在此背景下,基于知识溢出视角,针对企业间复杂动态合作行为演化问题,在有限理性的前提下,运用演化博弈理论,通过构建演化博弈模型,对企业动态合作行为演化路径进行了分析,对影响企业合作策略选择的作用机理进行了研究。研究发现:合作双方的策略选择与初始支付矩阵有关,也与支付矩阵的初始参数设置有关。其中,在一定范围内,增大合作收益系数,减小合作风险,降低合作成本有利于企业展开合作活动,实现合作共赢的最终目标。最后根据本文研究结果,对政府及企业提出了相关政策建议。     

可证明安全的射频识别双向认证协议

由于射频识别系统中读写器和标签是在不安全的无线信道中进行通信,而且随着移动读写终端的出现,使得读写器和服务器通信也不安全,容易受到假冒攻击、窃听攻击、中间人攻击等安全威胁,针对此问题提出了基于中国剩余定理的射频识别双向认证协议。该协议利用对称加密、模运算等方式提高信息传输的安全性,引入时间戳来抵抗中间人攻击,并利用中国剩余定理对各方进行认证,最后采用随机更新密钥的方式进行密钥更新,并通过形式化证明的方法和常规攻击分析的方式来验证协议安全性。将该协议与其他协议进行安全性、计算量和存储量的比较,结果表明:文中协议安全性高、计算量小且存储量适中,在射频识别领域安全方面具有一定的应用价值。     

科技创新、空间溢出与实体经济增长——基于山东空间杜宾模型经验分析

利用2007—2016年山东17地市实体经济与科技创新的相关数据,运用空间杜宾模型,探讨科技创新对实体经济增长的空间溢出效应。研究表明:山东各地市之间实体经济增长存在显著的正向空间溢出效应;科技创新对实体经济增长存在正向的促进作用,但在空间溢出效应上表现为负;各控制变量的回归结果存在差异,其中开放程度对实体经济增长存在正向的促进作用和空间溢出作用;物质资本存量与实体经济增长之间存在负相关关系,且空间溢出效应为负;而宏观调控与银行集中度对实体经济的影响一致。     

用于多标签文本分类的深度模块化标签注意网络

针对现有文本多标签语义信息挖掘方法仅注重从文本到标签的映射方向，而忽略了从标签到文本的映射方向的问题，本文认为从标签到文本的映射方向可以过滤文本中与标签无关的噪声信息，进而生成只关注于标签信息的文本表示。基于此假设，本文基于注意力机制提出了一种深度模块化标签注意网络，主要由标签注意网络进行多层级联而成。在标签注意网络中构建了双向标签注意单元和自我注意单元，从而得到标签和文本的双向依赖表示。模型在公开数据集RCV1、AAPD、EUR-Lex上与SGM、LSAN、EXAM等算法进行比较，对于现有的最佳性能平均提升0.54%。     

基于TCN-BiLSTM的网络安全态势预测

针对现有网络安全态势预测模型预测精确度低和收敛速度慢的问题，提出一种基于时域卷积网络(temporal convolution network, TCN)和双向长短期记忆(bi-directional long short-term memory, BiLSTM)网络的预测方法。首先，将TCN处理时间序列问题的优势应用到态势预测上学习态势值的序列特征；随后，引入注意力机制动态调整属性的权值；然后，利用BiLSTM模型学习态势值的前后状况，以提取序列中更多的信息进行预测；利用粒子群优化(particle swarm optimization, PSO)算法进行超参数寻优，提升预测能力。实验结果表明，所提预测方法的拟合度可达0.999 5,其拟合效果和收敛速度均优于其他模型。     

基于VMD-BO-BiLSTM的猪肉价格预测模型

基于猪肉价格的非线性与波动性特性，提出一种基于变分模态分解（variational modal decomposition, VMD）和贝叶斯优化（Bayesian optimization, BO）的双向长短时记忆（bidirectional long short-term memory, BiLSTM）网络的猪肉价格预测方法。首先采用变分模态分解对数据进行预处理，将数据分解为具有相对简单波动的子序列；然后通过贝叶斯算法对双向长短时记忆网络模型的第1、2隐含层神经元数目、学习率和批次大小进行寻优，根据寻优的结果建立预测模型。实验结果表明：VMD-BO-BiLSTM方法的平均绝对误差、均方根误差、平均绝对百分比误差和确定系数分别为1.101 214、1.466 100、0.040 631、0.987 760，相比传统单一的LSTM,BiLSTM模型精确度更高，有更高的适用性，适合对猪肉价格预测。