人工智能时代的算法权力：逻辑、风险及规制

人工智能时代已然到来,具备自主学习能力和预测能力的智能算法开始由虚拟空间向现实空间延伸。算法已不仅仅是特定的技术,更是社会权力运行体系中的重要变量。掌握算法的企业和组织利用技术优势,把控社会的信息及资源,引导政府的决策,形成了一种非国家力量的“准公权力”。算法权力是泛在的权力关系,遵循商业逻辑、偏好原则、技术理性和隐性运行四大规则,可以影响甚至代替公权力进行决策。算法权力缺乏监管,过度的资本化和黑箱化消解了政治正义,催生了制度羞辱,并且导致了权利保护的危机。防止算法权力的异化,建立良序的网络空间,需要以政府干预弱化资本依赖,以法律规制限制算法偏好,以算法伦理保障人的价值,以外督内审显化权力运行,从而构建完善的算法治理体系,保障社会的公平正义。     

全球价值链视角下的中美贸易隐含碳研究

本文在总贸易核算框架下,采用WIOD提供数据计算与分析了在GVC视角下中美贸易隐含碳排放量,并讨论了GVC分工对贸易隐含碳排放的影响。研究结果表明,在GVC视角下中美贸易的出口隐含碳排放主要来自出口国内碳排放,进口国在消费者责任原则下承担主要的碳排放责任;中国在与美国贸易中主要处于碳排放转出地位,但碳贸易条件有所改善;参与GVC分工是导致中国对美国出口隐含碳排放出现增长的主要原因之一,但也是中国调整出口隐含碳排放结构的重要途径之一。与GVC视角下的计算结果相比,基于MRIO模型的计算结果高估了中国出口隐含碳、碳排放转移规模以及碳贸易条件指数的实际水平。本文的创新在于将总贸易核算法应用到对外贸易隐含碳的研究领域,改进了传统对外贸易隐含碳的计算方法,有助于更为全面地分析贸易隐含碳排放特征及其碳排放责任。     

互联网环境下基于消费者搜索的酒店入住率预测研究

互联网环境下消费者信息搜索反映了游客潜在的旅游需求。针对酒店入住率的非线性特征,以北京为例,构建BA-SVR@CSQ混合模型对北京星级酒店平均入住率进行预测,其中蝙蝠算法(Bat Algorithm,BA)用于优化SVR模型的自由参数,并利用2011年1月至2017年4月与北京旅游相关的消费者搜索数据(Consumer Search Queries,CSQ)构造SVR模型的输入集。12个月的预测结果表明,与基准模型相比,所构建预测方法能有效提高模型的预测精度,证实了网络搜索数据在酒店入住率预测中的重要价值,预测结果可为旅游相关部门的决策提供必要的参考。     

基于蝙蝠算法SVR模型的北京市二手房价预测研究

传统SVR模型可预测房价变化趋势,但不恰当的参数设置会影响预测的精度。本文针对北京二手房同比价格指数的非线性变化特征,将蝙蝠算法(BatAlgorithm,BA)引入到SVR模型中,使其对模型的三个参数进行优化设置,结合网络搜索数据(Web Search Data,WSD),构建了BA-SVR&WSD混合模型,并给出了该模型算法的预测流程,通过引入多个基准预测模型和预测性能度量指标进行对比研究。研究结果表明：基于蝙蝠算法的SVR模型的具有较好的泛化能力、预测效果更准确且预测精度更高,该预测方法也为北京二手房价格的监测和调控提供有价值的参考。     

试析决策树算法在教育统计学中的应用

数据挖掘技术及决策树简介 数据挖掘就是从大量的不完全的有噪声的模糊的随机的实际应用数据中,抽取隐含在其中的、事先并不知道的、但又是潜在有用的信息和知识的过程。决策树算法作为常用的数据挖掘技术之一,其基本思想是将实例库中记录的大量有限的具体事实数据进行归纳和分类并建立树型结构,以发现并形成隐含在大量实例中的若干形式化的分类判别规则,典型的决策树算法方法有ID3方法和IBLE（Information—basedLearningfromExample）方法。     

自动排课系统的遗传算法探讨

排课问题是一个有约束的、多目标的组合优化问题,并且已经被证明为一个NP完全问题。遗传算法是一种借鉴于生物界自然选择和进化机制发展起来的高度并行、自适应的随机搜索算法,是一种非常有效的解决NP完全的组合问题的方法。     

基于社会剩余最大化的集合竞价交易机制研究

为了设计一种更有效的价格产生方式,以社会剩余最大化为基础,将修正的Vickrey双向拍卖模型引入多单位的竞价市场,并在此基础上引入最小剩余量、市场压力和参考价格原则,构造了一个基于社会剩余最大化的集合竞价交易机制(称为Min-Max交易机制).通过分析交易者在该交易机制下的策略行为,发现交易者通过低报数量操纵价格几乎是不可能的,并且Min-Max交易机制比k-DA产生更大的社会剩余.     

基于任务跟踪的在线租赁问题与竞争策略研究

现实经济活动中,有许多租赁融资决策既非纯在线租赁问题也非纯离线租赁问题,而是介于二者之间的具有部分已知信息的在线租赁问题.基于此研究了工作任务总量已知而工作任务进展序列未知的在线设备租赁问题,以租赁工作所需设备的费用最小为优化目标,建立了该问题的基本数学模型,提出了任务跟踪策略,给出并证明了基于这一策略的算法的竞争比.最后,把该在线租赁问题的竞争比与经典的在线租赁问题的竞争比做了比较分析,结果表明在线租赁问题的算法优于经典的在线算法,竞争性能得到了较大的提高.