基于数学模型的我国动漫行业总年产值影响因素的实证分析

从文化、市场、技术、经济4个方面构建了影响动漫行业总年产值的指标体系,利用灰色关联度和神经网络模型分析了各个指标因素与动漫行业总年产值的关系。对两个模型的结果进行比较后得出,灰色关联度分析更能说明各个指标的重要性,其中我国自主研发网络收入对动漫行业总年产值影响最大。最后从4个方面给出我国动漫行业未来的发展重点以及相关建议。     

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.     

双渠道零售商质量信息披露策略研究

在质量信息不对称下,文章基于Hotelling模型研究了双渠道零售商线上线下纵向差异化产品的质量信息披露决策问题。研究发现最优披露策略主要受到产品质量定位和披露成本的影响如下:若披露成本较低,则两渠道均有可能披露,即当两产品质量均较小时,线上线下均不披露;当两渠道产品质量都较高时,线上线下均披露;当线下渠道产品质量较高而线上渠道产品质量较低时,仅线下渠道披露。若披露成本适中,则仅线下渠道可能被披露,且只有当线下渠道产品质量较高时,才会披露;否则,两渠道均不披露。若披露成本较高时,则线上线下都不披露。此外,线下渠道服务水平和线上单位匹配成本的增加总是导致线上渠道披露更少的信息,而线下渠道披露更多的信息。     

民航飞机客舱乘务员应急处置能力分析

为提高民航飞机客舱乘务员应急处置能力,根据专家访谈和相关规章,选取了22项民机客舱乘务员应急处置能力指标。通过编制问卷进行调研,使用SPSS22.0对问卷统计数据进行信度、效度检验及因子分析得到旋转后的各指标的因子载荷,从中提取4个二级指标,并根据各自特点依次命名为基本素质、知识基础、职业技能、处置能力。根据指标体系建立民机客舱乘务员应急处置能力结构方程模型,提出假设模型。使用AMOS24.0对假设模型进行验证和拟合优度检验,最后根据各指标标准化路径指数计算得到各指标的权重。结果表明：对乘务员应急处置能力影响最大的是基本素质,然后依次为处置能力、职业技能、知识基础。     

基于完备集合经验模态分解-归一化希尔伯特变换的神经网络储层流体识别

地震资料的瞬时属性包含丰富的地质信息,可用于储层流体的识别。希尔伯特-黄变换目前在地震资料的瞬时属性提取中呈现出了很大的优势,但是该方法中存在模态混叠、频率误差等问题,限制了其应用。基于此,引入了基于完备集合经验模态分解和归一化希尔伯特变换的改进方法有效提取地震资料更具物理意义的瞬时属性。同时,为了提高储层含气性检测的准确性和精度,选取瞬时频率和瞬时振幅构建分频剖面模型,对目标区域的储层特性和含气特征进行描述。再结合测井资料,运用有监督的神经网络实现对储层含气性的自适应高精度识别。实例研究表明,基于完备集合经验模态分解-归一化希尔伯特变换的前向反馈神经网络方法能够根据某一区域地震数据有效预测该区域储层的含气状况。     

个体观测次数与协变量个数都趋于无穷的二值数据GEE估计的渐近性质

广义估计方程是专用于处理纵向数据的统计模型,有效地解决了纵向数据中协变量相关的问题,得到稳健的参数估计值。但由于观测次数的不唯一,大多数文献对观测次数设置了上限,前人在假设个体观测次数为有限的条件下,证明了经典Logit广义估计方程估计的渐近性质。而随着大数据时代的到来,试验中需要对个体进行更多次观测,以便得出更为精准的结论。鉴于此,对于观测个体的数量n、协变量个数pn以及观测次数m三者都趋于无穷的情况,通过限定m的发散速度,即在mp_n~3/n和m~4p_~4n/n都趋于0和其他正则条件下,基于微分中值定理及根的存在定理,证明了经典Logit广义估计方程估计的渐近存在性和相合性;并在该估计的相合性的基础上,通过Slutsky定理进一步证明出了该估计的渐近正态性。     

基于高斯滤波下的粗糙度不确定度的计算

自由曲面的粗糙度的大小直接反映了表面加工质量的优劣.粗糙度的提取可以通过滤波过程来实现,本文选取高斯滤波来确定粗糙度评定中线,高斯滤波可以得到较为准确的粗糙度.本文将粗糙度评定中线根据波峰和波谷的位置在其临近部分分段模拟为二次曲线,最终分别得到波峰和波谷段的粗糙度评定中线的表达式.在此基础上,建立了关于粗糙度Rz的数学模型.随后采用"测量不确定度的标准指南"(GUM)来计算粗糙度的不确定度,并采用自适应蒙特卡罗方法(AMCM)来进行比较,得出了高斯滤波模型下通过GUM法来计算粗糙度不确定度是一种有效的方法.     

基于J&R模型的神经集群模型综述

神经集群模型是一类宏观的神经计算模型,通过描述神经元总体的平均特性来反映某类神经元的整体放电行为。此类模型参数简洁并具有明确的生理学含义,能够很好地用来模拟宏观脑电信号,广泛应用于大脑生理病理机制研究中。文中针对JR神经集群模型及其改进模型(包括David模型、Wendling模型和Ursino模型),分别从建模思想、模型结构和仿真结果等方面进行了系统阐述与比较研究。