市场机制和政府调控下的产学研合作创新网络演化博弈仿真——以新能源汽车产业为例

以新能源汽车产学研合作创新网络为实证分析对象，运用网络演化博弈理论和仿真分析方法，剖析在市场机制和政府调控下，产学研合作创新网络中创新主体合作行为与网络结构在互动过程下的演化规律。研究结果表明：市场机制和政府调控对于创新主体维护合作行为和网络集聚都具有促进作用；创新主体合作行为与网络结构之间具有协同互动关系，并且市场机制和政府调控的作用越大，两者间协同互动作用越明显。在市场机制下，市场机制作用的增强会降低网络演化的速度；只有当市场机制作用超过一定阈值时，维护合作行为才会在创新主体间涌现出来。在政府调控下，创新主体对于政府调控较为敏感；当政府调控力度处于阈值水平时，不利于创新主体间合作关系的维持。     

考虑企业风险感知的R&D网络风险传播建模与仿真

考虑企业风险感知的基础上，借鉴传染病模型(SIS)思想，将企业状态分为未发生风险有感知、未发生风险无感知和发生风险有感知3种。在此基础上构建了R&D网络风险传播的模型，并进行了数理解析与仿真分析。结果表明：R&D网络风险传播存在稳定状态下的解，即风险传播阈值，该阈值是由企业的风险感知、风险恢复率以及企业间的合作紧密程度决定；考虑风险感知的R&D网络比未考虑风险感知的研发网络具有更高的鲁棒性；随着企业风险恢复概率的不断增大，风险在R&D网络的传播范围越小；企业的风险感知对风险传播速度与传播范围均具有负向影响。该研究成果对于提高R&D网络的抗风险能力具有重要意义。     

创新生态战略与创新效率关系：基于创新生态网络视角

基于创新生态系统理论，通过引入创新生态环境和创新生态位，构建一个有调节的中介效应模型，并基于长三角制造业企业调研数据，采用Bootstrap方法进行检验，探究创新生态战略通过创新生态网络对企业创新效率的作用机理。研究结果表明：创新生态战略对企业创新效率具有正向影响；创新生态网络在创新生态战略与企业创新效率关系中发挥中介作用；并且创新生态环境和创新生态位调节该中介效应。研究结果从创新生态网络视角构建了创新生态战略向企业创新效率转化的中间机制，丰富了创新生态系统理论研究。     

Identifying US business cycle regimes using dynamic factors and neural network models

We use dynamic factors and neural network models to identify current and past states (instead of future) of the US business cycle. In the first step, we reduce noise in data by using a moving average filter. Dynamic factors are then extracted from a large-scale data set consisted of more than 100 variables. In the last step, these dynamic factors are fed into the neural network model for predicting business cycle regimes. We show that our proposed method follows US business cycle regimes quite accurately in-sample and out-of-sample without taking account of the historical data availability. Our results also indicate that noise reduction is an important step for business cycle prediction. Furthermore, using pseudo real time and vintage data, we show that our neural network model identifies turning points quite accurately and very quickly in real time.     

多任务深度卷积网络的CT图像方向校正

针对医学电子计算机断层扫描(CT)图像方向校正问题,提出一种并行卷积回归(PCRN)多任务深度学习网络.通过侧旋角度正回归和翻转概率逻辑回归,求得校正参数来精准地校正图像.进一步,针对医学图像训练样本稀缺的情况,提出一种串行回归(SCRN)的深度学习架构,弥补并行卷积回归网络在小样本情况下校正精度不足的问题.实验结果表明:在样本充分,并行卷积回归网络和样本稀缺情况下,串行卷积回归网络对小角度偏转、大角度偏转和翻转的腹部CT图像校正结果都优于传统的配准方法.     

第三方惩罚机制与双边合作秩序的维持——来自房地产征用补偿的实验证据

惩罚机制已被广泛认为是执行社会规范的有效机制.引入房地产征用补偿实验背景,设计了标准独裁者博弈实验,第二方惩罚的标准最后通牒博弈实验以及第三方惩罚的补偿调整情形独裁者博弈实验组成的三合一实验,研究了第三方惩罚机制对双边合作的影响.研究结果表明:行为人在不同类型实验中呈现出行为异质性,第二方和第三方为维持双边合作秩序会对利益分配不公平行为进行不同的惩罚行为;惩罚行为的伤害能力随着第三方的介入变得更加强大,进而有效地维持了双边合作秩序.因此,与第二方惩罚机制相比较,引入惩罚伤害性强的第三方惩罚机制更有利于双边合作秩序的维持,此结论对解决我国房地产征用补偿纠纷等社会合作难点问题提供了一定的政策借鉴依据.     

基于收益率的股票相关性计量分析

针对股票间相关性，通过相关分析、系统聚类分析、网络构建等多种方法，以收益率为对象，建立股票间相关性度量指标模型，运用软件 Excel、Matlab 得出股票相关系数矩阵，并设置合适的阈值，利用软件Netdraw 构建出基于最佳阈值和相关系数所对应的股票网络。然后从所建网络出发，对中国股票市场中的板块进行聚类分析，最终建立起一个以收益率为指标来研究股票相关性的模型，为研究股票相关性提供了一个相对比较完善的方案。     

数据挖掘在检测农业补贴中欺诈行为的应用——基于异常检测与神经网络模型

随着国家对农业发展扶持力度的不断加大,农业补贴申请资金得到提高的同时,其种类也在逐渐扩充.因此,如何检测农业补贴申请中的欺诈行为是一项值得关注的研究课题.通过对clementine 12.0中的案例数据分别构建异常检测和神经网络模型,对农业补贴申请记录中的欺诈行为进行检测,并借助clementine12.0的可视化实验平台直观、有效地观察检测结果.实验结果表明:提出的方法可以明显地提高检测欺诈行为的效率及准确率,具有一定的启发和借鉴意义.     

不确定结构的区间可靠性优化设计

对不确定结构的区间可靠性进行了研究，建立了基于区间可靠性的优化设计模型.采用结合嵌套遗传算法和径向基函数神经网络的模型，进行区间的直接优化，解决了基于区间可靠性的优化设计求解问题，避免了间接模型的复杂转换过程.充分考虑了实际工程中设计向量存在扰动的情况，提出了该情况下目标函数波动的约束，使目标函数和约束函数在扰动下依然满足可靠性要求.通过数值算例验证了模型的有效性和优越性.将所提出的模型用于具有区间不确定参数的行车平板优化，结果表明了所提方法的可行性和工程有效性.     

基于聚类动态面板引力模型的国际贸易网络研究

本文提出一种针对网络型数据的聚类动态面板引力模型,用于国际贸易流量网络的研究.该模型假设各贸易国分属于不同的潜在类别,各国间贸易流量对应的模型系数由出口国和进口国所属的类别决定.提出使用马尔可夫链蒙特卡罗方法对模型参数以及各贸易国所属的潜在类别进行贝叶斯估计.对2001-2015年60个国家间的贸易流量数据进行了实证分析.结果表明,所提出的模型能够对贸易国进行聚类,有效地提高贸易流量预测的精度.所提出的聚类动态面板引力模型可以被广泛的应用于其他动态网络型数据的研究.