加强网络道德建设

随着计算机网络的发展,在21世纪将形成一个与当代工业社会具有不同特征的现代网络社会.现代网络社会作为一个"虚拟"的社会,也是一个充满问题与矛盾的真实社会.它同当代工业社会一样,需要道德建设的支撑.网络道德建设是一项复杂的系统工程.加强网络道德建设具有十分重要的现实意义.     

网络时代的研究生素质教育

信息技术的革命性发展给人类的生活带来了翻天覆地的变化,网络时代的研究生被称为新e代的人,发展计算机信息技术和培养高层次的人才已经成为参与全球竞争的"两大主题".加强我国研究生的素质教育在信息时代至关重要.     

产业集群、网络关系与企业竞争力的关系研究

本文以珠三角地区产业群聚内的企业为研究对象,采用随机抽样的调查方法获取所需的,可靠的研究数据,探讨产业集群内企业网络关系的类型、联结对象及网络地位对其竞争力的影响.研究表明:产业集群并不直接影响企业竞争力,而是一定程度上通过作用于企业的网络关系最终影响企业的竞争力.     

时间贝叶斯网络及其概率推理

针对贝叶斯网络应用中出现的循环和动态问题,研究贝叶斯网络的时间扩展.给出了时间贝叶斯网络的定义;探讨了时间贝叶斯网络中环的存在合理性判断问题;给出了时间贝叶斯网络的概率推理算法,应用示例说明了方法的可行性.     

不确定环境下考虑风险厌恶的生产-分销网络优化模型及试验设计

考虑上游生产和下游需求不确定性，研究了由工厂、分销中心及终端市场构成的生产-分销网络优化设计问题。针对上游生产不确定性，考虑产生故障和无故障两种状态；针对下游市场需求不确定性，考虑其具有低、中和高三种状态。由于生产发生故障可能导致不合格品的产生，进一步考虑了在上游生产环节是否实施产品监测问题。综合网络运作成本和由不确定性导致的绩效风险，建立了由风险厌恶水平和悲观系数刻画的基于均值-条件风险值（CVaR）准则的生产-分销网络两阶段随机规划模型。特别地，针对由网络潜在节点数众多所导致的不确定情景规模过大的问题，采用情景缩减技术进行了情景筛选，降低了所建模型的求解难度。最后，进行了数值计算，分析了相关参数对网络运作绩效的影响，并给出了期望成本和条件风险值两个目标权衡的帕累托有效前沿。进一步，通过回归试验设计检验了决策者风险厌恶水平和悲观系数对所设计的生产-分销网络绩效的影响程度。结果表明，相对于决策者的风险厌恶程度，悲观系数对网络运作绩效的影响更大。     

基于LSTM神经网络的金融时间序列预测

本文提出将小波分析与纳入时间序列依赖特征的长短期记忆（LSTM）神经网络相结合，构建金融时间序列数据预测模型，以克服现有模型对金融时间序列数据非平稳、非线性、序列相关等复杂特征以及数据间非线性交互关系无法反映的缺陷。同时，以道琼斯工业指数日收盘价为例，探究LSTM神经网络对实际金融时间序列数据的预测能力，比较其与多层感知机、支持向量机、K近邻、GARCH四种模型的预测效果。实证结果表明LSTM神经网络具有更高的预测精度，能够有效预测金融时间序列数据的长短期动态变化趋势，说明了其对金融时间序列数据预测的适用性与有效性。此外，对金融时间序列数据进行小波分解与重构，可有效提高LSTM预测模型的泛化能力，以及对长短期动态趋势的预测精度。     

金融危机10年来中国股市动态演化与市场稳健研究——一个基于复杂网络视角的实证

将复杂网络理论最小生成树（MST）算法和滑窗分析相结合，在2008年全球金融危机和2015年中国股市震荡的背景下，以2003年至2017年的上证A股收益率数据作为实证样本，构建股票市场动态关联网络，并从网络节点移除和连边变化两个角度出发，对其在不同时期的动态演化特征和市场稳健性质进行探讨。研究结果表明：网络结构整体上在金融危机之前和之后较为松散，而在金融危机和股市震荡期间则变得非常紧凑，节点的度分布和影响强度分布更加聚集。这意味着在金融危机和股市震荡期间，系统重要性公司的影响力持续增强，其股价的变化对其它公司将产生更为显著的影响；不同类型的事件对股市网络连通性和稳健性的影响程度不同，区域性事件（股市震荡）比全球性事件（金融危机）对市场的冲击更大；短期来看，金融危机和股市震荡对网络连边的稳健性并没有造成太大的冲击，整个研究时段网络的存活比率都维持在较高的水平。但随着步长的增加，网络的存活比率急剧下降，这意味着股市网络相关结构的长期稳健性是减弱的。     

徽州地区林业文化的概况及形成原因

徽州人在长期培育和利用森林资源的过程中,创造了具有地域文化特色的徽州林业文化。从物质文化、制度文化、精神文化3方面对此进行了总结,认为丰富的林木资源、自然环境的制约、徽州商人的兴起与繁荣、徽州宗族的积极参与、徽州地域文化的熏陶,是徽州林业文化形成的主要原因。     

Finite nonparametric grach model for foreign exchange volatility

GARCH model has been commonly used to describe the volatility of foreign exchange returns, which typically depends on returns many lags before, While the GARCH model provides a simple geometric decaying structure for persistence in time, it restricts tiie impact of variables to Quadratic functions. A finite nonparametric GARCH model is proposed that allows the variables' impact to be a smooth function of any form. A direct local polynomial estimation method for this finite GARCH model is proposed based on results on proportional additive model, and is applied to the German Mark (DEM)/US Dollar (USD) daily returns data. Estimators uf both the decaying rate and the impact function are obtained. Diagnostics show satisfactory out-of-sampie prediction based on the proposed model, which helps to better understand the dynamics of foreign exchange volatility.     

Evaluation of strategies to mitigate contagion spread using social network characteristics

Computer simulation is an effective tool for assessing mitigation strategies, with recent trends concentrating on agent-based techniques. These methods require high computational efforts in order to simulate enough scenarios for statistical significance. The population individuals and their contacts determined by agent-based simulations form a social network. For some network structures it is possible to gain high accuracy estimates of contagion spread based on the connection structure of the network, an idea that is utilized in this work. A representative social network constructed from the 2006 census of the Greater Toronto Area (Ontario, Canada) of 5 million individuals in 1.8 million households is used to demonstrate the efficacy of our approach. We examine the effects of six mitigation strategies with respect to their ability to contain disease spread as indicated by pre- and post-vaccination reproduction numbers, mean local clustering coefficients and degree distributions. One outcome of the analysis provides evidence supporting the design of mitigation strategies that aim to fragment the population into similarly sized components. While our analysis is framed in the context of pandemic disease spread, the approach is applicable to any contagion such as computer viruses, rumours, social trends, and so on.