带波动算子的非线性Schrdinger方程的线性紧格式（英文）

本文对带波动算子的非线性Schrdinger方程提出了一个线性的紧致差分格式,从而解决了该方程的周期初值问题.通过先验估计和能量法,证明了格式的无条件稳定性和无穷模误差,且证得格式的收敛阶为O(h~4+τ~2),最后通过一组数值实验验证了理论结果.     

河西走廊历史文化名城游客目的地意象认知非结构化测量

历史文化名城是中国历史文化的见证，也是现代城市开展旅游活动的物质载体。地处中国西部的河西走廊，有着3座国家级历史文化名城，在旅游开发过程中，存在目的地品牌知名度低，品牌形象模糊等问题。本研究通过收集网络游客点评数据，对河西走廊历史文化名城游客目的地意象认知进行非结构化测量，结果表明：(1)世界文化遗产、国家5A级景区处于游客目的地意象认知核心地位；(2)游客总体上对河西走廊历史文化名城持积极态度，积极情感占比高于消极情感；(3)游客对不同历史文化名城景观属性的意象认知存在差异；(4)景区缺乏游客沉浸式体验项目设计。     

投标合谋环境下产业升级的逆向演化研究

投标合谋行为已成为全国性、多领域的群体性违规问题,其存在不仅对我国经济造成了巨大损失,同时也阻碍了行业的健康有序发展.为研究投标合谋行为自身演化规律及其对产业发展的影响,给相关的监管和治理提供参考,本文基于复杂适应系统理论,运用NetLogo多主体仿真平台构建招投标系统并进行演化仿真,最后运用SPSS对所得数据进行回归分析,探索在市场封闭、单纯开放市场、有条件开放市场3种市场情景下合谋比例与报价比例对产业演化过程和结果的影响.研究表明:投标合谋行为会产生"逆向淘汰"效应,不利于降低行业成本,最终导致产业升级逆向演化;合谋行为存在"自我强化"现象;合谋行为会提高合谋者生存几率,但无助于其资本积累;单纯开放市场无助于产业升级,必须配合反合谋审查;现实中应重点对报价比例为0.1到0.3的单位进行合谋审查.     

非接触或IC卡在砂在管理系统中的应用

文章介绍了一种非接触式IC卡在砂石资源管理系统的设计与实现的方案。非接触式IC卡解决了无源和免接触的难题，目前在很多领域都有非常广泛的应用；阐述了非接触式IC卡的基本工作原理，给出了硬件接口电路图，可以广泛地应用和推广，通过对非接触式IC卡的读写设计，实现了对砂石资源的生产和销售全过程的数字化监管。     

基于双空间交替学习的机器人运动技能获取

针对如何基于示范任务学习让机器人自主获得完成新任务的能力的难题,提出一种高斯混合回归结合路径积分策略提升(GMR-PI2)的表达、模仿和优化框架,同时采用基函数、策略表达权系数两个空间上交替搜索执行方案来解决上述问题.核心思想是当权系数探索到最佳逼近点附近时,根据经验最优轨迹集进行基函数的自重组,然后再重启权系数搜索,从而实现从示范任务到指标集约束任务的渐进运动技能获取.经典的轨迹规划过点实验结果表明该方法是有效和可行的.     

大数据时代图书馆面临的挑战初探

阐述了大数据的起源和定义,分析了大数据的研究现状,探讨了大数据对图书馆的影响和挑战。     

多项式代数上的微分理想

设k[x]是特征为零的域k上的一元多项式环.研究了k[x]上带权的非零单项式微分算子对应的微分理想的性质,利用矩阵求最大公因式的方法,确定了由一个多项式生成的微分理想作为通常意义上的理想时的生成元.     

横断研究的实验设计模式及其应用

论述了横断研究非实验设计的定义、模式及其类型,然后进一步探讨了其优缺点和在归因时的谬误,最后探讨了用这种设计对发展性问题进行研究时存在的缺陷。     

复杂性科学哲学与组织理论的创新

复杂性科学哲学概括提出的一系列概念和理论不仅是对系统思想的新发展,而且为组织理论的创新提供了新视野和新进路:作为开放系统的组织概念、作为系统动力学过程的组织学习以及作为复杂应答系统的组织演化。     

LEARNING CAUSAL GRAPHS OF NONLINEAR STRUCTURAL VECTOR AUTOREGRESSIVE MODEL USING INFORMATION THEORY CRITERIA

Detection and clarification of cause-effect relationships among variables is an important problem in time series analysis. Traditional causality inference methods have a salient limitation that the model must be linear and with Gaussian noise. Although additive model regression can effectively infer the nonlinear causal relationships of additive nonlinear time series, it suffers from the limitation that contemporaneous causal relationships of variables must be linear and not always valid to test conditional independence relations. This paper provides a nonparametric method that employs both mutual information and conditional mutual information to identify causal structure of a class of nonlinear time series models, which extends the additive nonlinear times series to nonlinear structural vector autoregressive models. An algorithm is developed to learn the contemporaneous and the lagged causal relationships of variables. Simulations demonstrate the effectiveness of the nroosed method.