停车受限条件下多模式交通网络动态拥挤收费

在一个多起始单终点的交通网络上,本文研究当终点处停车空间不足时,如何通过在路段瓶颈处实施拥挤收费实现系统最优.首先,根据小汽车和公交的出行成本函数,运用凸规划算法求解系统最优条件下网络中各OD最优的小汽车和公交出行量.其次,根据系统最优时的小汽车出行量,计算出为了消除交通瓶颈处车辆排队而实施的动态拥挤收费.再次,根据小汽车和公交车出行成本的均衡条件,计算出各OD对每辆小汽车出行者应缴纳的停车拥挤附加费(或应获取的补贴),收取该费用(或发放补贴)的目的是调节小汽车和公交的出行量使它们在双模式均衡(小汽车与公交车出行模式均衡)条件下分别达到系统最优水平.最后,算例分析了两组OD对的情况,计算出两种泊位供应量下各OD对小汽车最优出行量与小汽车出行的停车拥挤附加费或补贴,并且给出了动态拥挤收费与道路收费的函数曲线.     

几个广义Apostol-Bernoulli、Apostol-Euler多项式之间的关系式

利用发生函数理论结合某些运算技巧,推出了几个广义Apostol-Bernoulli多项式、广义Apostol-Euler多项式之间的关系式.多个参数出现在等式中,非常工整.在关系式中选取适当的参数,就可以得到已有的著名的关于广义Bernoulli多项式、广义Euler多项式之间的关系式,从而深化和推广了对Bernoulli数、Euler数、Bernoulli多项式、Euler多项式的相关研究结果.     

高职院校混合式教学改革的实践及思考--以浙江省级精品在线开放课程《国际金融实务》为例

随着"互联网+"教育对教学的广泛影响,开发建设数字化教学资源、实施线上线下相结合的混合式教学已成为高职院校课程建设、教学改革的发展方向。浙江省级精品在线开放课程《国际金融实务》混合式教学改革的实践表明,混合式教学模式能够实现激发学生学习兴趣、拓展课堂教学时间和空间、提升课堂教学互动、促进学生个性化自主学习、带动欠发达地区高职院校教学水平提升等效果。着眼未来发展,混合式教学改革还需从完善线上线下整体教学设计、完善教师建设应用在线课程的激励机制、完善在线课程建设应用的考核机制、教育行政主管部门加强顶层设计避免多平台重复建设等方面进一步推进,优化混合式教学改革的应用效果。     

基于多模态融合技术的用户画像方法

针对当前用户画像工作中各模态信息不能被充分利用的问题, 提出一种跨模态学习思想, 设计一种基于多模态融合的用户画像模型。首先利用 Stacking集成方法, 融合多种跨模态学习联合表示网络, 对相应的模型组合进行学习, 然后引入注意力机制, 使得模型能够学习不同模态的表示对预测结果的贡献差异性。改进后的模型具有精心设计的网络结构和目标函数, 能够生成一个由特征级融合和决策级融合组成的联合特征表示, 从而可以合并不同模态的相关特征。在真实数据集上的实验结果表明, 所提模型优于当前最好的基线方法。     

Predictive ability and economic gains from volatility forecast combinations

The availability of numerous modeling approaches for volatility forecasting leads to model uncertainty for both researchers and practitioners. A large number of studies provide evidence in favor of combination methods for forecasting a variety of financial variables, but most of them are implemented on returns forecasting and evaluate their performance based solely on statistical evaluation criteria. In this paper, we combine various volatility forecasts based on different combination schemes and evaluate their performance in forecasting the volatility of the S&P 500 index. We use an exhaustive variety of combination methods to forecast volatility, ranging from simple techniques to time-varying techniques based on the past performance of the single models and regression techniques. We then evaluate the forecasting performance of single and combination volatility forecasts based on both statistical and economic loss functions. The empirical analysis in this paper yields an important conclusion. Although combination forecasts based on more complex methods perform better than the simple combinations and single models, there is no dominant combination technique that outperforms the rest in both statistical and economic terms.     

Combining multivariate volatility forecasts using weighted losses

The ability to improve out-of-sample forecasting performance by combining forecasts is well established in the literature. This paper advances this literature in the area of multivariate volatility forecasts by developing two combination weighting schemes that exploit volatility persistence to emphasise certain losses within the combination estimation period. A comprehensive empirical analysis of the out-of-sample forecast performance across varying dimensions, loss functions, sub-samples and forecast horizons show that new approaches significantly outperform their counterparts in terms of statistical accuracy. Within the financial applications considered, significant benefits from combination forecasts relative to the individual candidate models are observed. Although the more sophisticated combination approaches consistently rank higher relative to the equally weighted approach, their performance is statistically indistinguishable given the relatively low power of these loss functions. Finally, within the applications, further analysis highlights how combination forecasts dramatically reduce the variability in the parameter of interest, namely the portfolio weight or beta.     

基于冗余避免的高效网络编码广播重传方法

为了提高无线网络中基于网络编码的广播重传方法的编码效率,从而有效地减少重传次数和数据包传输时延,提出一种主动避免编码冗余的高效网络编码广播重传方法(network coding broadcasting retransmission approach based on redundancy avoiding,NCRA)。NCRA编码时主动避免不能解码的编码组合被重复编码重传,同时优先编码重传对接收节点已缓存的未解码编码包的解码贡献较大的丢失数据包以充分利用编码机会,在对解码贡献相同的条件下优先编码较早丢失的数据包以减小数据包传输时延。理论分析和仿真结果表明,NCRA算法相比于现有算法能有效减小重传次数和降低数据包传输时延,减少网络开销,进一步提高了编码重传的效率。     

P-集合与基数亏-余定理

利用有限普通元素集合概念与P-集合的结构,给出P-集合基数亏-余特征,提出基数亏-余定理,基数离散区间定理与属性基数余-亏准则,给出这些理论结果的应用.     

基于关联规则的课程信息推荐应用研究

网络教学系统中的课程资源丰富而繁多,借助数据挖掘技术,可以对这些资源进行有效挖掘,以期达到更充分、合理的使用.借助关联规则数据挖据方法,构建课程信息推荐模型,研究网络教学系统中的课程关联,为学生网络学习提供课程信息推荐.     

基于IOWHA算子的区间预测模型及应用

针对实际值序列和预测值序列均为区间数的组合预测问题,把区间数的左右端点作为两个独立的时序数列,通过引入诱导有序加权调和平均(IOWHA)算子,分别建立以区间数左右端点的倒数离差相关系数最大化为准则的IOWHA算子的变权系数最优组合预测模型,再通过引入偏好系数把多目标最优化模型转化为单目标最优化模型,并尝试给出各模型最优解的性质.最后利用数据进行分析,并和其他单项预测方法或组合预测方法相比较,从而证明该方法确实能够提高区间预测的精度.