一种基于类不平衡学习的情感分析方法

针对网络评论中普遍存在的负面评论较少而影响力却较大的类不平衡问题, 提出一种基于类不平衡学习的情感分析方法. 该方法利用深度学习训练过程中的概率输出, 以计算样例的信息熵作为影响因子构建交叉信息熵损失函数. 在IMDB公开数据集上进行实验验证的结果表明, 基于集成信息熵损失函数的双向长短期记忆网络能处理类不平衡问题; 对数据的统计分析结果表明, 该策略能提升基于双向长短期记忆网络的评论情感极性分类性能. 针对AUC(area under curve)指标, 使用集成信息熵损失函数的双向长短期记忆网络模型比未考虑类不平衡的深度学习模型在中位数上最多提升15.3%.     

应用性追求:中国高等教育人才培养的 长时段历史考察

中国应用型人才培养的实践并非新近的事情。从长时段历史考察,中国共产党与中华人民共和国对于应用型人才的培养探索甚至渊源于150年前的近代转型传统。与主张“君子不器”的传统高等教育不同,近现代意义上的制度化高等教育自引入中国之日起,就一直肩负着国家层面赋予的应用型人才培养任务,甚至并未因社会制度变革而中断。晚清时期,朝廷与精英基于“师夷长技以制夷”兴办了一批具有专科性质的学堂;南京国民政府基于毕业生失业严重以及“高等教育破产”的争议,着眼于调整高等教育结构;中华人民共和国成立初期,基于“专门人才”急需而实施院系调整与专业细分;改革开放以来,基于就业制度市场化变革与高等教育分类发展需要而作出院校转型的决策部署。这些政策及措施意味着高等教育承载着国家(政府)的意志和期待、民族(社会)的渴望和要求。在中国高等教育后续发展中,应注意高等教育的理想类型与现实复杂性之间的问题,努力在创新知识生产模式中推动应用型高等教育的内涵式发展。     

基于改进CLDNN的辐射源信号识别

传统辐射源信号识别方法往往需要人工提取特征,不仅对专业知识要求较高,而且人为选择的特征不能够保证适用于大多数类型信号的识别,识别精度和识别速度也不能兼顾。针对上述问题,将语音处理领域常用的深度学习模型——卷积长短时深度神经网络(convolutional long short-term deep neural network, CLDNN)引入到辐射源信号的识别中,并将该模型中的长短时记忆层改为双向门控循环单元层。模型的输入为原始时间序列数据,特征提取和分类识别过程均在网络中进行,避免了人工选择特征的不完备性。实验结果表明,所提模型在低信噪比情况下也能够有效识别信号类型,同时与其他模型相比,实现了识别精度和识别速度之间的平衡。     

生产成本信息不对称下零售商风险厌恶的回购契约

探索在市场价格随机条件下,生产成本信息不对称零售商风险厌恶时,采用回购契约协调二级供应链的内在规律.构建新的条件下的回购契约模型并求解,分析信息不对称和风险厌恶对供应链上各决策变量的影响.通过算例仿真进行了验证,研究结果发现:在市场价格随机条件下,不管生产成本信息是否对称,只要零售商存在风险厌恶,供应链上各决策变量都会发生分岔突变的现象;不管零售商是否风险厌恶,生产成本信息不对称都会给供应商带来额外的收益,但会损害零售商与整个供应链的收益;信息越不对称,供应链上的各种决策变量在分岔突变区域的振幅越大.结论是:分岔突变现象是价格随机条件下,参与者风险厌恶时存在的一种特有现象;供应商能够通过隐瞒私人信息带来额外的收益,但损害零售商和供应链的利益;零售商应对生产成本信息不对称的最好办法就是以最低的成本使生产成本信息透明;零售商以平稳的心态面对各种外部风险,更有利于科学决策.     

Forecasting in long horizons using smoothed direct forecast

This paper constructs a forecast method that obtains long‐horizon forecasts with improved performance through modification of the direct forecast approach. Direct forecasts are more robust to model misspecification compared to iterated forecasts, which makes them preferable in long horizons. However, direct forecast estimates tend to have jagged shapes across horizons. Our forecast method aims to “smooth out” erratic estimates across horizons while maintaining the robust aspect of direct forecasts through ridge regression, which is a restricted regression on the first differences of regression coefficients. The forecasts are compared to the conventional iterated and direct forecasts in two empirical applications: real oil prices and US macroeconomic series. In both applications, our method shows improvement over direct forecasts.     

应用于精准发酵的激光CO2尾气在线检测技术研究

针对精准发酵过程特征气体实时在线监测的需求，采用可调谐半导体激光吸收光谱（TDLAS）方法对发酵尾气中CO2进行了检测技术研究，并结合精准发酵工艺特点，研发了一套激光CO₂在线监测分析系统，检测量程为0~2%，实现了全量程范围内测量误差小于0.08%，响应时间达到5.46 s。现场试验结果表明，该系统具有较高的灵敏度、稳定性与可靠性，并且使用寿命较长，适用于精准发酵过程特征气体的在线监测。     

对称非经典阻尼系统动力响应精确解算法比较

分别采用频响函数法和复频率响应法对同一个数值算例进行了稳态响应、使用条件和范围以及误差来源分析,阐述了两种算法在工程执行过程中的特点及效率。     

灰色广义Verhulst模型的构建及其应用

一般认为,灰色Verhulst模型(grey verhulst model,简称GVM)适用于具有单峰或饱和S形的序列.然而,在利用GVM建模时,模拟值有时会出现"漂移"现象,使得模型精度变差.针对这一问题,将常数项引入GVM模型,构建了灰色广义Verhulst模型(grey generalized verhulst model,简称GGVM),并在参数的不同分类下,借助灰色建模序列的非负性,完整地给出了灰色广义Verhulst模型的时间响应式及其还原值.将GGVM与GVM模型分别对四个单峰型序列建模,发现GGVM能有效地解决GVM模型模拟值出现的“漂移”现象.在实证部分,利用新模型对江苏省石油与天然气的基础储量进行建模分析,并与GVM模型、数据分组处理算法比较,验证了GGVM在模拟及预测时的优势.     

沪深股市和香港股市的风险溢出效应研究——基于时变ΔCoVaR模型的分析

本文基于时变ΔCoVaR模型,对2006年11月至2018年12月间沪深股市和香港股市的尾部风险溢出效应进行了估算.研究发现:1)沪深股市与香港股市之间存在着双向风险溢出效应,且溢出效应均为正;2)香港股市对沪深股市的风险溢出效应强于沪深股市对香港股市的风险溢出效应;3)深市和香港股市之间的风险溢出效应的波动幅度大于沪市和香港股市之间的风险溢出效应的波动幅度;4)沪港通和深港通的开通并没有显著增加香港股市与沪深股市之间的双向风险外溢程度.     

智能机器人意识问题的各种解答与我见

智能机器人是否有意识甚或有人的意识?解答这个问题的关键在于把握意识的本质。由于迄今对意识还是众说纷纭,这就意味着从不同的意识观出发,会对问题形成多种解答。这些已有的或潜在的解答经逐一辨析可知,每一个都不能令人满意。与之不同,若从我的信息意识观出发可有好效果,它将意识定义为脑的信息性活动,可以克服以往各种意识观的片面性问题。同时说明,能进行信息性活动的智能机器人也是有意识的。人脑的信息性活动在功能上,不仅能反映,还能感想、反思、想象和决定。智能机器人的意识也能反映、感想、反思、决定,唯独不能想象。并且,它的感想、反映、反思和决定也不如人类的这些意识功能。这些都是智能机器人的意识与人的意识的质差。