双元学习、创新驱动过程与数字化转型：数字能力的调节作用

双循环新格局下，国内市场呈现出需求多元化、竞争压力加剧等特点，而疫情期间，资源匮乏等压力致使企业进行数字化转型以寻求生机。基于资源基础观和组织学习理论，从双元学习视角探讨了双元学习对数字化转型的影响，并分析了创新驱动过程和数字能力在上述过程中的作用。采用二阶最小二乘法(2SLS)和Bootstrap方法对189家企业的调研数据进行分析。研究结果表明：双元学习正向影响数字化转型；创新驱动过程在双元学习和数字化转型之间起到中介作用。数字能力分别正向调节了双元学习和创新驱动过程、创新驱动过程和数字化转型的关系。与此同时，数字能力加强了创新驱动过程在双元学习和数字化转型之间的中介作用。     

交互学习神经网络模型及其仿真研究

研究人们交互学习过程,建立神经网络模型,利用系统仿真技术探索发现和掌握知识的基本规律,有利于促进和提高人们的智慧.用博弈理论框架模拟交互学习过程;用人工神经网络完成学习功能;建立交互学习神经网络模型.在此基础上,研究交互学习模型特性,求解了混合策略博弈过程的均衡预测问题.在神经网络学习过程中,效仿人们回顾对比的学习方法,更新神经网络连接权值.利用建立的交互学习神经网络模型,进行系统仿真研究.仿真结果表明,该模型不仅能很好的模拟人类交互与竞争学习过程,还能对博弈过程的均衡状态做出有效预测.     

儒家学习过程理论的系统分析

儒家把学习过程划分为七个阶段，那就是：”立志、博学、审问、慎恩、明辨、时习、笃行”。在对这七个阶段深入理解的基础上，利用乌杰《系统辩证学》的观点，对这七阶段及其关系作了系统的分析。学习过程是一个由若干不同而又相互联系、相互作用的环节（或阶段）组成的有机活动过程；学习过程的各个不同阶段，又分别构成学习的小过程，小过程与小过程之间又会有复杂的交叉和交递，呈现出复杂的过程网络和复杂的过程系统，而推动学习过程进行的则是过程内部各要素之间辩证的矛盾运动以及各种小过程之间的相互作用。     

前向神经网络学习速率的自适应算法

学习速率是控制神经网络学习过程的一个重要参数,影响神经网络的稳定性和快速性。提出了一种能够满足实时性要求的神经网络学习速率的自适应算法,并证明了在该学习速率下,神经网络的学习过程是Lyapunov意义稳定的。该方法通过为神经网络的输出增加一个输出修正量来补偿多个未知因素对学习误差的影响,从而构造使学习误差快速收敛到零的学习速率自适应算法。通过对神经网络在线逼近一个非线性对象的过程进行仿真,结果证明了该方法的有效性。     

前向神经网络学习速率的白适应算法

学习速率是控制神经网络学习过程的一个重要参数，影响神经网络的稳定性和快速性．提出了一种能够满足实时性要求的神经网络学习速率的自适应算法，并证明了在该学习速率下，神经网络的学习过程是Lyapunov意义稳定的。试方法通过为神经网络的输出增加一个输出修正量来补偿多个未知因素对学习误盖的影响，从而构造使学习误差快速收敛到零的学习速率自适应算法。通过对神经网络在线逼近一个非线性对象的过程进行仿真，结果证明了该方法的有效性。     

间歇过程模糊预测学习控制器的设计与仿真

针对工业间歇过程的控制问题，分析比较了现有的两类反馈-前馈迭代学习算法在解决工业间歇过程控制系统滞后问题上的缺陷，采用T-S模糊预测模型，在原有反馈-前馈迭代学习算法基础上引入预测思想，研究了基于模糊预测的迭代学习算法，并设计了一种模糊预测学习控制器。以具有滞后、变参数特性的间歇过程为例，进行了仿真研究，验证了提出方法的有效性。     

反向误差传播的学习策略

本文探讨多层神经网络、反向误差传播学习过程收敛缓慢的原因,提出了修改后的激励函数(x),变步长策略,输出反馈抑制策略及模式矢量预处理,从而大大加速了学习收敛过程。还给出了计算机模拟的结果。     

BP小波神经网络快速学习算法研究

讨论了BP小波神经网络在训练过程中减小误差函数时最优方向的确定和自适应调整学习率的方法.首先论证了小波神经网络的数学基础,然后讨论了BP小波神经网络的学习过程,重点讨论了减小误差函数最优方向的确定方法,即如何保证步长方向与负梯度方向一致,由此得出了自适应调整学习率的简便方法.该方法具有普遍性,有广泛的应用价值.仿真结果表明,采用最优梯度下降方向可以大幅度提高BP小波神经网络的学习速度.     

不同技术差异条件下组织间学习过程的模型分析

不同的技术差异水平影响了组织间的开放程度和吸收能力,从而影响了组织间学习的效率.本文在同时考虑组织间的开放程度和吸收能力对组织间学习过程的影响的基础之上,通过对不同技术差异条件下组织间学习过程特征的分析,建立了相关的博弈模型.该模型揭示了企业间技术差异、开放程度、吸收能力与企业努力水平和企业收益之间的关系.     

基于动态最优停止模型的组织学习转换时机

从探索性学习到应用性学习的适时转换有利于降低企业成本,提高企业绩效。本文在分析企业从探索性学习到应用性学习转换过程的基础上,利用动态最优停止模型分析了从探索性学习到应用性学习的最优转换时机的存在性和影响因素。该模型揭示了企业探索性学习成果的创新性程度和知识管理导向等因素与企业从探索性学习到应用性学习的最优转换时机之间的关系。     

具有比例延迟的中立型方程新块θ-方法稳定性

相对于一般的数值方法，块方法由于其简化计算步骤和稳定性好的特点在数值计算中具有明显的优势。文章针对新θ—方法给出了新θ—方法，并对具有比例延迟的中立型方程进行数值处理，通过考察方程及其扰动方程的数值解，得出了新块θ—方法GP—稳定的充分条件。     

和谐理论:系统视角与时间透镜下的组织过程模型

组织理论的发展深受系统科学与系统方法论的影响, 这可以从和谐理论的发展历程中得到更加具体的阐释. 组织研究中引入系统理论使得研究的焦点从结构转向了过程, 而时间作为透视过程的基本元素, 在已有的组织过程研究中尚未得到充分重视. 结合系统视角和时间透镜, 发展出通过时间来透视组织过程的新框架——节奏模型, 将和谐理论从抽象的系统分析阶段推进到新的研究组织的时间问题阶段, 促进了系统理论在组织研究中的应用.     

人口模型中的分岔现象

在非线性动态系统中可能出现分岔现象,分岔理论为我们研究社会经济系统中的某些异常现象提供了一种新方法。本文研究了人口模型的分岔现象,以此作为示例,体现了用分岔理论研究社会经济系统的过程与步骤。     

复杂系统研究与本体论的复兴

讨论了复杂系统研究的若干本体论问题。指出，由于复杂性研究和系统科学在方法论上建立起从具体科学到哲学本体论的连接桥梁，所以它就推翻了上个世纪旷日持久的哲学上的拒斥形而上学运动，恢复了本体论在哲学中的地位。同时，系统科学和复杂性研究还为过程哲学、突创进化论哲学、过程机制研究和广义目的性与广义价值论的研究提供了有力的论点和论据，使本体论哲学发生了重大的变革。     

一种改进的BP算法

讨论了网络学习过程中的假饱和现象，并给出了克服方法，同时，也讨论了学习样本输入编排机理，给出了一种避免网络学习出现的局部极小的算法。通过实例验证此方法非常有效。     

基于Modelica的直线电机控制系统建模与仿真研究

Modelica是一种新型建模语言,采用代数微分方程对机电领域组件和耦合关系进行统一描述,适合于机电产品的建模与仿真。应用Modelica研究直线电机控制系统性能是一种新方法。在建立直线电机控制系统数学模型的基础上,展示了系统、电/机转换部件Modelica模型的建立过程。对系统进行图形化和语言化建模,实现了基于开源平台OpenModelica的模型仿真及结果输出;与基于Simulink的系统模型仿真进行对比,结果基本一致。     

切换型混杂系统的建模仿真与稳定性研究

在总结切换型混杂系统稳定性的研究方法的基础上,对某切换型混杂系统进行了详细的建模仿真和分析,由实验数据对比说明结论的正确性。着重阐述集成换档规则、控制策略、液力系统特性以及发动机、变矩器、变速箱等各个模型,构成多学科综合性仿真课题的完整过程,并给出稳定性证明方法。提供一种研究换档过程动态特性及控制方法的新思路。     

远缘杂交与政策模拟

生物学中的远缘杂交是创造新品种进化的捷径，计算机模拟是政策研究的有力工具，如果把它们两者结合起来，依据生命原理及操作，将使政策研究进入一个新阶段．本文论述社会系统的染色体，基因算法的操作过程以及使用人工生命方法的政策研究新途径．     

分布式系统故障注入研究

介绍了一个故障注入系统的结构、分布式系统中的故障模型、仿真实例中的故障注入过程及注入了故障的仿真实例运行过程。故障注入系统提供了分布式综合仿真平台进行系统故障情况下任务重新分配、任务冗余及系统重构等方面的研究基础     

基于FA奇异测度的多重分形维分析

针对传统多重分形维算法中奇异测度的定义影响了计算速度,定义了一种新的奇异测度,并在研究相关函数和指数的特点之后,定义了基于该奇异测度的多重分形维算法。试验表明,该算法计算速度远远快于传统的盒计数维法,在实际舰船辐射噪声试验中能很好地区分不同的舰船。