《尔雅义疏》的训诂成就及其对后世的影响

邢的《尔雅义疏》广泛吸取了郭璞及汉魏注家的研究成果,发扬有唐一代正义类训诂著作的优良传统,在声义相通的认识、同义词的辨析、多义词的探究、虚词的阐释,重言词的区分,本义与引申义及假借义的认识等方面取得了丰硕的成果,对后世的《尔雅》研究及训诂学理论与实践的发展都产生了较大的影响。《尔雅义疏》是《尔雅》研究史上的一块重要的里程碑。     

家庭价值观的流变及其教育

家庭从产生到现在,家庭形式发生变化的同时,家庭价值观也发生了变化,探寻家庭价值观的流变,现实把握家庭价值的失落及其原因,为家庭价值的重构提供路径选择。     

新型城镇化应注重根治“乡村病”

漠视统筹城乡发展,追求高速城镇化,不仅造成日益严峻的“城市病”,也带来了日趋严重的“乡村病”。日前,李克强总理专门邀请两院院士和有关专家到中南海,听取城镇化研究报告并与大家座谈。座谈中,李克强总理强调：“推进新型城镇化,就是要以人为核心,以质量为关键,以改革为动力,使城镇真正成为人们的安居之处、乐业之地。”     

那些事

郑州向社区摊派精神病指标:1千人中找出2个重症——从去年10月起,郑州各个社区基层医护人员被要求筛查本辖区内重性精神疾病患者,人数不低于辖区人口总数2‰。意味着在1000个人中至少找到2个重性精神病,完不成会面临上级的督导。郑     

谈办公室人员的“三重境界”

<正>众所周知,在一个单位里,办公室是联结上下的"咽喉",是协调内外的"枢纽",工作复杂而繁琐,直接关系到整个单位总体工作的质量和水平。办公室人员必须高标准要求自己,在"搞好服务,当好参谋"的同时,通过不断学习,加强修养历练、追求人生超越,不断培养"三重境界"。一、甘于寂寞的境界,热诚细致地做好基础性服务工作     

行政事业单位财务管理存在的主要问题及对策

近年来,各行政事业单位认真贯彻执行国家有关财经法律法规的规定,加强财务管理,规范会计行为,财经秩序逐步好转。但从财政、审计等部门检查情况看,仍有一些部门和单位财经法律意识淡薄,财务管理混乱,会计信息失真,授意、指使、强令会计机构、会计人员作假账、设账外账,私设“小金库”,截留、坐支、挪用、浪费财政性资金等违法违纪行为仍时有发生,有些问题屡查屡犯,屡禁不止。下面多根据多年来的工作经验就行政事业单位财务管理工作中存在的问题及对策谈一些粗浅的看法。一、存在的问题1.会计核算不规范,账目设置较随意,账务处理不严谨,财务手续不健全。一些单位只设总账,明细账则不设或随意设,使得资产不明细,债权债务不清;许     

新时期企业工会践行三个理念工作的初探

党在十七大中就如何改进党的作风建设方面,特别强调要讲党性、重品行、作表率。本文主要探讨如何在工会工作中利用讲党性、重品行、作表率的理论引导我们,切实地千好工会工作谈几点个人认识。     

引入TOPSIS法的风险预警模型能提高模型的预警准确度吗?——来自我国制造业上市公司的经验证据

样本选取2011年和2012年我国沪深A股制造业中因财务困境陷入ST的公司和按照1:2比例配比的正常公司作为研究对象,并选取反映企业盈利能力、股东获利能力、现金流量能力、营运能力、发展能力、偿债能力的30个财务指标以及股权结构、管理结构、公司所在地的8个定性指标,以2011年的样本作为训练集,2012年样本作为测试集,在主成分分析的基础上构建以Logit模型为基础的传统预警模型和引入TOPSIS法后的二重分类模型。结果表明,引入TOPSIS法后构建的Logit模型能显著提高模型的预警准确度:对ST公司的预警准确度能提高18.5%,对样本总体的预警准确度能提高11.1%,这说明二重分类法可以构建有效的风险预警模型。     

二重趋势性季节型电力负荷预测组合灰色神经网络模型

对于具有增长和波动二重趋势性的季节型电力负荷,首次提出了季节型负荷预测的组合优化灰色神经网络模型,研究了同时考虑两种(非线性)趋势的复杂季节型负荷预测问题,说明了此优化模型分别优于两种单一发展趋势负荷预测模型,给出了电力负荷预测的应用实例,为季节型电力负荷预测提供了一种新的、有效的方法。     

基于修剪平均的神经网络集成时序预测方法

由于复杂时序存在结构性断点和异常值等问题,往往导致预测模型训练效果不佳,并可能出现极端预测值的情况。为此,本文提出了基于修剪平均的神经网络集成预测方法。该方法首先从训练数据中生成多组训练集,然后分别训练多个神经网络预测模型,最后将多个神经网络的预测结果使用修剪平均策略进行集成。相较于简单平均策略而言,修剪平均策略不容易受到极值的影响,能够使集成模型获得鲁棒性强的预测效果。在实证研究中,本文构造了两种神经网络集成预测模型,分别为基于修剪平均的自举神经网络集成模型(Trimmed Average based Bootstrap Neural Network Ensemble, TA-BNNE)和基于修剪平均的蒙特卡洛神经网络集成模型(Trimmed Average based Monte Carlo Neural Network Ensemble, TA-MCNNE),并采用这两种模型对NN3竞赛数据集进行预测,结果表明在常规和复杂数据集上,修剪平均策略比简单平均策略具有更好的预测精度。此外,本文将所提出的集成模型与NN3的前十名模型进行比较,发现两种模型在全部数据集上均超过了第6名,在复杂数据集上的表现均超过了第1名,进一步验证本文所提方法的有效性。