基于多尺度投入-产出表的中国对外贸易产业结构调整多目标优化

出口贸易引发的资源流失风险是当今研究的热点. 本文动态地分析了出口贸易引起的资源流出变动及其影响因素, 并对2018-2022年中国地区出口贸易进行优化调整. 首先, 本文利用行业间投入-产出表和资源消耗数据计算中国各行业的直接和完全资源消耗系数; 其次, 利用结构分解模型挖掘出口导向的隐含资源流出量变动的主要原因; 随即, 将45个行业进行聚类分析, 探讨未来各行业的节约资源潜力和调整路径; 最后基于情景分析和多目标优化理论, 从出口贸易结构, 贸易额和技术发展视角对中国未来出口贸易进行模拟分析. 实证分析结果表明: (1) 直接消耗强度, 技术进步, 出口总量和出口结构等4个影响因素中, 出口额对资源流失风险的贡献率最大. 直接能源消耗强度有助于降低因出口导致的能源流出, 而完全消耗水资源强度的降低大大减少了资源流失风险, 符合现实； (2) 以2017 年为基准年, 利用多目标优化模型求解2018-2022年出口结构和出口量, 结果表明优化结果有利于降低资源流出量. 通过调整未来各行业资源消耗强度, 优化结果发现技术提升带来的资源节约优势逐渐增强, 本文认为, 为技术改善的资金(人员)投入的边际产出呈现逐渐增强效应.     

Steganalysis of neural networks based on parameter statistical bias

Many pretrained deep learning models have been released to help engineers and researchers develop deep learning-based systems or conduct research with minimall effort. Previous work has shown that at secret message can be embedded in neural network parameters without compromising the accuracy of the model. Malicious developers can, therefore, hide malware or other baneful information in pretrained models, causing harm to society. Hence, reliable detection of these vicious pretrained models is urgently needed. We analyze existing approaches for hiding messages and find that they will ineluctably cause biases in the parameter statistics. Therefore, we propose steganalysis methods for steganography on neural network parameters that extract statistics from benign and malicious models and build classifiers based on the extracted statistics. To the best of our knowledge, this is the first study on neural network steganalysis. The experimental results reveal that our proposed algorithm can effectively detect a model with an embedded message. Notably, our detection methods are still valid in cases where the payload of the stego model is low.     

基于作战环的不同节点攻击策略下的作战网络效能评估

基于作战环思想, 以作战网络抽象模型为基础, 围绕作战环的分类、定义、形式化描述、数学模型等基本问题开展了理论研究, 进一步丰富了作战环理论体系。同时, 以能否快速有效打击对方目标实体为根本依据, 建立了基于目标节点打击率和基于目标节点打击效率的作战网络效能评估指标。通过仿真实验, 将作战环相关理论运用于不同节点攻击策略下的作战网络效能评估, 为实际作战体系对抗中双方的攻击与防护提供应用指导, 也为进一步开展基于作战环的作战网络应用研究提供参考借鉴。     

健身指导与实践校本课程开发程序研究

在国家师范类专业认证背景下,根据内江师范学院"三分式"人才培养改革模式,对健身指导与实践校本课程开发依据进行分析,对影响因素归纳总结,并对该课程开发程序进行研究.     

基于智能影像基因组学技术的阿尔茨海默病预测进展

 阿尔茨海默病（AD）起病隐匿，目前尚无有效控制病情进展以及治疗的药物或方法。在其发病轻度认知功能障碍阶段早期预测进行干预，则能有效控制其病程。从基于脑影像组学特征的AD早期临床诊断、基于人工智能影像组学技术的AD早期预测两个方面综述了AD的早期诊断与预测研究进展，提出结合多模脑核磁共振影像特征和组学特征，在深度学习的框架下，将影像学和基因组学联系在一起，构造高分类与预测性能的深度学习模型，可为AD早期筛查并干预提供支持。     

Predictive Event-Triggered Control for Disturbanced Wireless Networked Control Systems

The control and scheduling for wireless networked control system with packet dropout and disturbance are investigated. A prediction based event triggered control is proposed to reduce data transmissions while preserving the robustness against external disturbance. First, a trigger threshold is especially designed to maintain the difference of the estimated and actual states below a proper boundary when system suffers from packet dropout. Then a predictive controller is designed to compensate for packet dropouts by utilizing the packet-based control approach. The sufficient conditions to ensure the closed-loop system being uniformly ultimately bounded are derived, with consequently the controller gain method. Numerical examples illustrate the effectiveness of the proposed approach.     

不同边界条件薄壁截锥壳的高阶振动特性研究

采用传递矩阵法研究了不同边界条件下薄壁截锥壳的高阶振动特性.基于Love壳体理论建立薄壁截锥壳振动微分方程,根据薄壁截锥壳子段间的状态向量,通过传递矩阵法得出整体传递矩阵,并用高精度的精细积分法计算固有频率,通过文献和有限元法进行验证,并分析了薄壁截锥壳在不同边界条件下的高阶振动特性.结果表明,不同边界条件下,采用传递矩阵法计算高阶固有频率与有限元法的计算结果基本一致.当轴向半波数增加时,频率明显增大;随着周向波数的增加,频率先减小后增大.固支-固支和简支-简支边界下在m=1和n=7处得到最小频率,固支-自由边界下在m=1和n=6处得到最小频率,三种边界下最小频率值分别为400.1、325.6和226.1 Hz;边界条件约束越多,最低阶固有频率越大.     

孕早期睡眠时长与午睡频次对妊娠糖尿病的影响

目的探讨孕早期睡眠时长和午睡频次对妊娠糖尿病(GDM)的影响。方法采用病例对照研究设计,选取2018年4月至2019年5月在安徽省妇幼保健院、吉安市妇幼保健院产检的孕妇作为研究对象。通过问卷调查收集研究对象的睡眠和午睡等信息,GDM的诊断来自孕中期常规口服葡萄糖耐量试验结果。结果共纳入500名研究对象,其中病例组196人,对照组304人。多元Logistic回归分析结果显示,与睡眠时长7～8.9 h/晚相比,睡眠7、9～9.9、≥10 h/晚的孕妇发生GDM的风险均显著上升;与午睡频次≤5 d/周相比,5 d/周的孕妇发生GDM的风险更高。相比孕早期午睡频率≤5 d/周的孕妇,孕早期睡眠时长不足(7 h/晚)对GDM的影响在午睡频率5 d/周的孕妇中更弱,交互作用具有统计学意义(P=0.002)。结论孕早期睡眠时长、午睡频次均与GDM发病相关,且二者在GDM的发生中存在交互作用。     

联程中转旅客的城市枢纽间换乘行为建模

针对旅客联程运输中旅客中转换乘行为,构建了多项Logit(Multinomial Logit,MNL)模型进行刻画分析.首先,设计了陈述偏好(Stated Preference,SP)调查问卷进行数据采集;其次,基于MNL模型对联程中转旅客的城市枢纽间换乘行为进行建模,并利用Biogeme软件对模型参数进行标定;最后,计算出各方式的分担率并与实际调查结果进行对比分析.结果表明:与出行目的、行李大小等因素相比,联程旅客个人特征(年龄、职业、收入等)的影响最为显著,考虑了旅客个人差异的MNL模型拟合误差在1.5％以内;此外,旅客对交通工具拥挤度、舒适度、班次数量以及准时性的关注程度也影响了其选择行为;联运旅客对时间效率尤为关注,超过50％的联运旅客选择地铁,当公交出行时间下调0％～20％时,可以一定程度上将换乘地铁的联运客流转移至公交上.研究结果对于枢纽间换乘需求预测、多方式协同调度以及提供旅客个性化出行服务具有一定的参考作用.     

基于差异信息量的多源数据融合方法

D-S证据理论可应用于多源数据融合领域，但在处理高度冲突的证据时，可能会出现反直觉的结果.为解决这一问题，本文提出了差异信息量的概念及融合方法.首先，通过信息熵表明证据的相对重要性，采用散度获取证据可信度.然后利用证据可信度优化证据差异度以得到差异信息量，经过计算获取数据的最终权重，并将其作为D-S证据理论中的基本概率分配进行决策.在处理冲突证据、一致证据及不同数量证据等方面的数据融合问题时与其他方法对比，所提方法收敛更快，准确度更高.故障诊断的应用实例表明，所提方法的不确定性更小，优于现存的其他方法.