人文社科研究投入绩效提升路径：可达目标研究

现有关于人文社科研发投入绩效改进方向的研究并不多见。基于教育部人文社科研究省际面板数据，在所提出的新的投入要素绩效分析与改进框架下，通过SBM-Super效率模型测度绩效，将完全有效率的最佳投入作为改进方向，并基于联立方程模型分析投入要素绩效，最后采用BP人工神经网络进行稳健性检验与辅助分析。结果表明：人文社科研究纯技术效率较低，规模效率较高，近年来效率呈下降趋势；人文社科研发经费绩效较低，低于研发劳动力；可达目标情况下研发经费的贡献提升较快，但仍然低于研发劳动力；人文社科现状与可达目标下人文社科投入绩效仍然有较大差距。     

汇率货币模型的非线性协整关系检验——基于深度GRU神经网络

本文采用深度门控循环单元（GRU）神经网络探讨三种汇率货币模型（弹性价格、前瞻性和实际利率差模型）的非线性协整关系。GRU技术在深度学习中具有智能记忆、自主学习和强逼近能力等优点。为此，本文运用该技术对6组典型浮动汇率制国别数据进行了非线性Johansen协整检验。结果表明，汇率与宏观经济基本面之间存在非线性协整关系，从而说明了货币模型在非线性条件下的有效性，以及先进的深度学习工具在检验经济理论中的优势。     

从脑科学、人工智能到应用

脑科学和人工智能是全球科学技术发展的战略制高点。近年来,随着大数据、5G互联网、超级计算、智能信息科学等新理论新技术的快速发展,受神经生物学启发的深度神经网络等机器学习算法迅速崛起,催生了人工智能在智能诊疗、智能机器人、智能制造等领域的成功应用,为战略性新兴产业带来巨大的发展机遇,成为助力全球产业发展和升级的爆发点和增长点。     

基于神经网络的矩形钢管高强混凝土计算方法

矩形钢管混凝土结构在国内外已经广泛应用,许多规范中也规定了其计算方法,但是各个规范中矩形钢管混凝土的计算结果并不一致,并且随着工程中混凝土强度越来越高,并不是所有的规范都适用于矩形钢管高强混凝土计算。基于神经网络方法,搜集近年来国内外矩形钢管高强混凝土轴压短柱试验数据,并用这些数据训练了两个以不同参数为输入、以承载力为输出的神经网络模型ANN-1和ANN-2,经过调试和验证,得到了准确和稳定的模型。最后对矩形钢管高强混凝土进行了参数化分析,并与规范计算值进行对比,评价了规范中的计算方法,并进一步证明模型可以用于矩形钢管高强混凝土承载力的预测。     

基于神经网络的测井评价油层污染研究

利用测井资料,在剖析传统的测井评价油(气)层污染方法的基础上,介绍了利用BP神经网络这一现代数理统计新技术来实现测井多参数评定油气层污染程度的方法和技巧;以华北二连油田实际资料为例,建立了测井判释油气层污染的数学物理模型,并进行了模拟预测。结果表明:该法简便可行,对污染评价参数预测精度较高,对污染程度评价合理准确,可作为油(气)层污     

基于BP神经网络的油气产量历史预测

分析了常规油田开发模型所存在的问题;探讨了应用神经网络技术进行油气产量历史预测的可行性。油田实际资料验证评价结果表明:该法模拟预测精度高,效果好,简单实用,不失为油气产量动态预测的一条新途径。     

基于灰色BP神经网络的员工需求预测

人员配置直接影响企业的生产经营活动,一份科学合理的员工需求预测对企业的作用不言而喻。以某制造业为研究对象,搜集整理2005—2017年数据。利用SPSS做相关性分析,选取固定资产、开发支出等6项员工需求影响因素。运用灰色BP神经网络理论,预测未来3年员工需求。结果表明：灰色BP神经网络比灰色预测模型具有更高的精确度;虽然灰色BP神经网络具有较高的精确度,但其结果受参数影响较大,如何确定参数则是未来研究的一个方向;灰色BP神经网络的预测结果对企业招聘、员工关系管理等模块具有一定的指导意义。     

基于SOM神经网络的区域复合生态系统健康评估

文章基于SOM神经网络,分析与评估了我国四大经济区域复合生态系统健康等级.空气质量、住房消费和节能降耗对复合生态系统健康评估影响力最大;中国区域复合生态系统主要处在健康和亚健康状态,江苏复合生态系统健康值排名第一,处于健康状态;天津经济子系统和海南自然子系统排名第一,健康值都超过0.8,处在很健康的状态;北京社会子系统健康指数排名第一;东部地区生态系统健康总指数最高,社会、经济和自然健康指数排名都是第一,也都超过0.6,处在健康等级.     

基于GMDH神经网络法的中小板上市公司ST分类预测研究

预测上市公司的上市状态对投资者与其他利益相关者至关重要.选取2019年1月1日至3月31日我国中小板116家上市公司的86个财务指标数据,运用GMDH神经网络法对ST公司和非ST公司进行分类预测,预测正确率达到78.26％.进一步采用1:1配对原则(43家ST公司和43家非ST公司)对中小板上市公司进行ST分类预测,预测正确率大幅提高,达到88.24％.由此发现,基于GMDH神经网络法的中小板上市公司ST分类预测具有较好的预测表现.     

超声测距温湿度补偿算法的研究及STM32实现

为了降低超声测距系统因温、湿度差异带来的误差,在Matlab2010平台下,运用BP神经网络对标定的温、湿度样本及对应的超声波速度进行融合训练仿真实验,并将设计的补偿算法移植到STM32测距系统,测试其补偿能力.经多次测距实验表明,与现有方法相比,能有效补偿温、湿度变化引起的误差,精度提高了1个数量级.