中国城镇居民食品结构与奶业发展

研究了中国城镇居民食品结构及营养平衡状况,分析了奶的生产优势及在食品结构中的重要作用。用数学模型计算出中国城镇居民较合理的食品结构。分析了当前奶业存在的问题及解决办法。表5,参4。     

从耗散结构理论看创新型人才的塑造

非平衡态的开放系统必须依靠非线性相互作用与涨落才能形成耗散结构。创新型人才的塑造过程类似于形成耗散结构的过程。创新型人才应有开放的专业知识与广博的相关知识 ,而且要善于整合知识 ,勤于思考勇于创新 ,通过自组织运动 ,形成耗散结构。     

分布式协作虚拟样机可视化框架

基于微型计算机的分布式协作虚拟样机可视化框架具有低成本、体系结构开放的特点。通过模型对象的层次化设计，利用全局场景和本地场景的概念，不仅能够保证虚拟样机对象分布式渲染的实时性，同时也能够实现分布式系统中对象的同步处理。在可视化框架中，Microsoft DirectX提供了优秀的渲染引擎，CORBA技术在分布式环境中构成系统软总线。实验原型系统验证了DirectX能够在微型机算机上满足虚拟样机的3D渲染需求。     

基于严格二叉树编码和GA的模糊树结构学习

为解决模糊树模型结构学习中存在的信息冗余、寻优效率低等问题,提出了一种基于严格二叉树编码和遗传算法的结构学习方法。通过严格二叉树编码对模型结构进行编码,改善了现有矩阵编码的信息冗余问题;考虑到编码特殊性和算法收敛性,提出了一种改进的遗传算法用来对模糊树模型的结构进行寻优。实验结果表明,不同数据集上该算法的稳定性和计算速度均较好,能够寻找到一个较优的二叉树结构,从而提高模糊树模型的建模精度。     

企业规划与信息系统规划集成影响实证研究

网络战略信息系统时期,信息系统规划(ISP)与企业规划(BP)关系研究成为企业信息化建设的焦点问题．文章提出了BP—ISP集成阶段及其对规划活动影响的概念模型,并运用中国企业的经验数据,利用结构方程模型对集成程度与业务规划活动、ISP的地位及ISP实现过程中出现的问题等进行了实证分析．研究表明,随着集成阶段升高,规划活动中出现问题的程度呈现逐渐减弱的趋势,而企业规划、企业对ISP的战略需求以及首席信息官(CIO)的作用都变得更加重要．     

基于重置的L-M变结构BP神经网络

尝试将重置算法应用于神经网络结构的优化,研究了重置算法中最佳重置时间的性质,并提出一种基于重置的L-M(Levernberg-Marquardt)变结构BP神经网络.对比实验表明,重置算法的引入有效地解决了神经网络结构优化的问题,优化后的网络具有较好的收敛性.     

改进Copula对数据拟合的方法

给出相关结构Copula、秩相关系数Spearmanρ与Kendallτ和尾部相关系数η,以及这三个关联性度量与Copula之间的关系,各个相关系数的估计方法.在一个Copula族内进行适当变换,得到新的Copula,使得能更好地拟合样本的各个相关系数.最后,以沪、深日收盘综合指数为例,讨论了二个股市波动率的相关性,建立了一个较好的数学模型.     

道德风险约束下的最优融资结构——动态金融契约研究综述

债务违约、企业资金链断裂与破产,以及宏观层面的金融危机等经济金融现象促使经济学家反思金融契约的资源配置效率与风险问题.以契约理论的建模技术为逻辑主线,以信息非对称环境中最优契约设计与融资结构优化为关注对象,结合融资结构、资产定价与道德风险之间的内在联系,对动态金融契约理论的研究方法与研究成果进行了系统评述,并根据金融契约理论发展逻辑导出公司金融与资产定价的理论融合方向.基于理论发展路径,初步探讨了动态金融契约理论的未来拓展方向,并结合当前我国经济结构特点给出了该理论的应用前景.     

准对角递归神经网络及其算法的研究

提出一种准对角递归神经网络(QDRNN)结构及学习算法。此QDRNN结构上与对角递归神经网络(DRNN)相似，保留了DRNN结构简单的优点，以减小计算量，同时增加了相邻递归神经元之间的关联，可以直接应用BP学习算法进行训练。进一步，引入递推预报误差(RPE)学习算法，并且证明了其稳定性。仿真结果表明，QDRNN比DRNN具有更好的非线性逼近能力，而运算时间却增加甚微，DRNN的学习算法稍加变化即可应用。     

国外无人机自主飞行控制研究

无人机自主飞行控制的研究属于飞行控制的前沿问题,其目的是实现无人机的自主飞行控制、决策和管理。由于其高度的复杂性和智能性,在理论和工程实际上尚处于起步阶段。结合近年来国外的发展状况和一些主要的研究成果,对无人机的自主飞行控制的研究进行了概述。首先介绍了自主控制的概念,然后分别探讨了无人机自主飞行控制中几个相关的关键问题,主要包括飞行中规划与重规划,自主飞行控制的分层结构,以及无人机自主着陆等问题,最后对未来的发展方向和面临的挑战进行了展望。