校企实习联盟模式变迁的进化博弈模型与演化路径

实习难是对"加强实习可改善大学生就业难"的尴尬回应, 为此构建有效的校企实习联盟机制是当务之急. 为了科学地探寻适合我国国情的校企实习联盟机制的构建, 理性地剖析校企实习联盟变成目前这种尴尬局面的原因, 探索其模式的演变过程可以起到知根索源的作用, 而这种定量分析的文献目前鲜为少见. 该文尝试利用进化博弈的方法对校企实习联盟模式的变迁进行定量的探讨. 首先建立了代表性高校与企业的非对称的实习联盟博弈模型, 接着利用复制动态进化机制分析了高校和企业之间的群体博弈局势的变迁机理, 最后基于演化路径分析为政府有效地构建校企联盟机制提出了两条建议和理论参考.     

分段函数求导的一个简便而严谨的算法

在处理＂分段函数在分段点处的可导性判断与导数值计算＂时,学生总想用简便方法,而教师则总要强调定义的严谨性.为了寻找解决简便与严谨之间矛盾的可行方法,首先将教师和学生的思想算法化,并结合算例分析了各自的优劣,接着提出了一个使简便算法严谨的充分条件,继而给出了一个当简便算法不严谨时的缓和算法,并基于此给出了一个简便而严谨的融合改进算法.     

基于小波的中国汽车产量预测与研究

采用小波分析的新方法，将汽车产量视为一类特殊的经济信号，对我国汽车产业在入世前后惊人的表现给出了合理而科学的解释，并对2006年以及随后几年的汽车产量进行了预测，给我国制定汽车产业政策提伊了科学参考。     

基于变限积分函数的Cauchy-schwards不等式的证明

提出一种以变上限积分函数为工具构造辅助函数证明Cauchy-schwards不等式的新方法.与高等数学常见的两种证明方法相比,该方法充分利用了变上限积分函数的导数之符号对其单调性的昭示作用,对于学生熟悉变上限积分函数的函数角色、构造辅助函数的思维训练以及综合利用导数和积分知识有一定的积极作用.     

基于RF-BiLSTM-Attention音乐分类方法的京剧二分类仿真

为了普及国粹京剧，本研究提出一种将随机森林（Random Forest，RF）耦合注意力（Attention）机制和双向长短时记忆（BiLSTM）网络的音乐分类方法RF-BiLSTM-Attention，使用其进行京剧与其他类型音乐的二分类（以下简称“京剧二分类”）。首先，提取音乐所有光谱特征，利用RF选择重要特征；然后，在BiLSTM网络的隐藏层与输出层之间嵌入注意力层，对数据进行分类训练与预测。用来自大众音乐平台和GTZAN数据集的1 500首音乐进行京剧二分类实验，对比RF对循环神经网络（RNN）、长短时记忆（LSTM）网络、BiLSTM等9种模型的影响，结果表明：RF-BiLSTM-Attention模型的分类准确率为89.00%，运行时间为33.22 s，比简单模型中表现最好的RF-BiLSTM模型的分类准确率提高3.33%，运行时间缩短40.54%；比原始BiLSTM-Attention模型的分类准确率提高6.33%，运行时间缩短96.89%。与传统音频分类工作相比，本研究考虑了京剧二分类问题，对京剧起着良好的推广作用。