范式论心理学史批判

本文以对心理学学科性质的思考为出发点,通过揭示范式的本质并讨论以之为基础的库恩的科学哲学思想对心理学的影响关系,批判性地考察了范式论心理学史的研究背景及其基本结论,并指出,范式论心理学史研究不能在任何实质的意义上增加我们对心理学及其历史的理解.在此背景中,作者倡导用心理学理论同一性范畴来把握心理学及其历史,并认为,心理学的存在依赖于它的理论同一性的确立;心理学的发展,是对它的理论同一性的展开;现实形态的心理学史,是心理学对它的理论同一性的不断寻求的过程.     

科学知识社会学的解释学批判--追问SSK理解科学的先见

库恩以解释学为特征的范式理论解构了科学的特权地位，凸现了科学的历史与境性，这使科学知识社会学赢得了合法的学术地位。而强纲领作为科学知识社会学的方法论原则，其核心是以控制为目标的因果型解释模式。科学知识社会学的本体论的解释学蕴涵和方法论的工具理性共同构成了科学知识社会学的先见，二者之间存在的矛盾和张力是导致科学知识社会学一方面取得许多成果，另一方面又面临巨大的理论困难的根源所在。     

论网络文化与文化范式的转化

网络文化是信息技术变异的必然,是文化范式转化的催生剂.文化范式转化能够中和文化堕距的精神失落,形成社会崇尚的价值体系.它赋予大众文化新的灵魂,凝烁出共同的思维原则、方法论和价值观,成为传统文化的涅槃.     

简单系统决策与复杂系统决策:对决策范式中分化和转换的一种理解

讨论了由规范决策(NP)到描述决策(DP)研究范式的分化问题。基于复杂性思维,分析了简单系统决策和复杂系统决策的区别;指出:基于NP/DP发展起来的决策理论实际上只对应简单决策系统范围。探讨了面向复杂决策系统(CDS)的新决策研究范式:复杂性范式(CP)的内涵;并把CP与NP/DP做了比较,指出在信念、学科基础、决策范围、方法论、理论体系上的一系列区别;最后提出了CP的体系架构。     

自然科学取向意识研究的贡献与困境

自然科学界近年来掀起了一场前所未有的研究意识问题的"文艺复兴"运动.物理学、生物学、人工智能等科学范式的约束与启发,使当前意识科学研究的重点内容及问题类型发生了许多显著的变化,呈现出了对意识解释的不同水平、层次与性质.蓬勃发展中的意识科学研究也面临着不少困境,需要进一步确立适合于意识研究的新的科学现,提高自然科学与人文科学这两大基本向度的整合水平,加强对关键性的基础问题研究的理论力度.     

经济统计学：从德国传统到当代困境

从经济统计学历史各流派中概括出4种学科范式和3种主要学科观念,进而从基本算法、指标和测度悖律3个方面阐述本学科的基本问题和约束,再从现代经济学的母学科背景来分析经济统计学的当代困境,最后从外生与内生、结构与层次2个方面做出学科展望.     

基于改进遗传算法的自适应越区切换方案

针对列车通信在越区切换过程中切换触发率和切换成功率均较低的问题, 提出一种基于改进遗传算法的自适应联合判决切换算法. 首先, 以遗传算法为基础, 在高速特性下对切换判决过程中的相关参数进行优化, 针对列车的不同运行速度动态选择出满足快速切换需求的迟滞容限值； 其次, 引入满意通信概率（SCP), 当列车在小区之间移动时, SCP值达不到要求的将不能接入下一个小区, 以保障通信质量的优良. 仿真结果表明, 与传统切换方案相比, 该方案可实现提高切换触发率和切换成功率的目标, 具有较高的满意通信概率.     

人工智能的语境论范式探析

人工智能的发展历程中贯穿着鲜明的语境论特征,现有的范式理论已无法对人工智能的发展状况做出正确描述,语境论有望成为人工智能理论发展的新范式。语境论范式的最大特征,就是所有问题都围绕语境问题而展开。人工智能中的语境,可分为表征语境和计算语境。建立在现有范式之上的语境论范式,必然以表征语境和计算语境为主要特征。表征语境与计算语境围绕智能模拟的语境问题逐步走向融合,将是语境论范式下人工智能发展的主要趋势。     

An Adaptive Multiscale Ensemble Learning Paradigm for Nonstationary and Nonlinear Energy Price Time Series Forecasting

For forecasting nonstationary and nonlinear energy prices time series, a novel adaptive multiscale ensemble learning paradigm incorporating ensemble empirical mode decomposition (EEMD), particle swarm optimization (PSO) and least square support vector machines (LSSVM) with kernel function prototype is developed. Firstly, the extrema symmetry expansion EEMD, which can effectively restrain the mode mixing and end effects, is used to decompose the energy price into simple modes. Secondly, by using the fine‐to‐coarse reconstruction algorithm, the high‐frequency, low‐frequency and trend components are identified. Furthermore, autoregressive integrated moving average is applicable to predicting the high‐frequency components. LSSVM is suitable for forecasting the low‐frequency and trend components. At the same time, a universal kernel function prototype is introduced for making up the drawbacks of single kernel function, which can adaptively select the optimal kernel function type and model parameters according to the specific data using the PSO algorithm. Finally, the prediction results of all the components are aggregated into the forecasting values of energy price time series. The empirical results show that, compared with the popular prediction methods, the proposed method can significantly improve the prediction accuracy of energy prices, with high accuracy both in the level and directional predictions. Copyright © 2016 John Wiley & Sons, Ltd.     

基于SCP范式的中国风险投资及政府管制分析

根据SCP范式中市场结构、行为、绩效之间的因果关系,以2005年中国风险投资市场运行数据为基础,分析了我国风险投资产业的现状,并针对政府对风险投资产业的管制,提出了构建我国风险投资产业生态环境的建议,以提高风险投资市场的运行效率。