Functional Partial Linear Single‐index Model

This paper deals with the problem of predicting the real‐valued response variable using explanatory variables containing both multivariate random variable and random curve. The proposed functional partial linear single‐index model treats the multivariate random variable as linear part and the random curve as functional single‐index part, respectively. To estimate the non‐parametric link function, the functional single‐index and the parameters in the linear part, a two‐stage estimation procedure is proposed. Compared with existing semi‐parametric methods, the proposed approach requires no initial estimation and iteration. Asymptotical properties are established for both the parameters in the linear part and the functional single‐index. The convergence rate for the non‐parametric link function is also given. In addition, asymptotical normality of the error variance is obtained that facilitates the construction of confidence region and hypothesis testing for the unknown parameter. Numerical experiments including simulation studies and a real‐data analysis are conducted to evaluate the empirical performance of the proposed method.     

Modeling Demand For Unionization With Nontraditional Data Analysis Methods

Upon reviewing the extant literature on determinants of unionism, it becomes clear that many areas that have had a plethora of research attention do not converge upon singularly directional findings. This study explores a potential cause of such an apparent anomaly: nonlinearity of data. An exploratory examination of correlation coefficients among typical union determinant variables seems to show different patterns of relationships at different levels of union demand. Thus, a break from traditional linear data analysis techniques is explored in the interest of explaining more variance with typical, theoretically derived variables by using neural network analysis. Results of analyses on industry level data reveal that using neural network analysis to model union demand explained over four times as much variance as multiple regression analysis.     

基于ART2模型的信用风险评估

自适应共振模型是为了能够分类任意次序模拟输入模式而设计的,它可以按任意精度对输入的模拟观察矢量进行分类,较好地解决了前稳定性和灵活性问题,同时能够避免对网络先前所学的学习模式修改。本文将ART2模型应用于信用风险评估,通过实证比较研究,结果显示应用自适应共振模型进行信用风险评估在精度和准确性上,都优于其他神经网络模型和统计方法。     

改进的人工神经网络方法在农业现代化综合评价中的应用

该文将因子分析的方法引入人工神经网络,运用于农业现代化多指标综合评价,克服了人工神经网络在多指标情况下预测精度降低的不足,为农业现代化综合评价的研究方法提出了新的思路。     

一类具有时滞的神经网络的稳定性分析

对具有广泛应用价值的时滞Ｈｏｐｆｉｅｌｄ神经网络系统,建立了系统平衡点存在唯一的充要条件,利用常数交易法并结合不等式分析技巧讨论了神经网络模型的全局指数稳定性,获得了系统的平衡点全局指数稳定的充分条件。     

心灵存在何以可能?——杜威-米德的心灵发生学探讨

杜威米德的心灵概念的产生,有着希腊哲学家的世界观的哲学背景和达尔文的进化论的科学背景。在笛卡儿的世界图画中,心灵和世界是两个独立的实体,心灵没有发生学的问题。而在杜威那里,心灵是从世界中演变出来的,由此心灵具有发生学的自然维度。在米德那里,心灵的问世和语言密不可分,心灵的本质是社会交往过程在个体中的内化,这种内化借助语言得以完成,并随着社会交往的变化,心灵也在不断变化。由此表明,心灵具有发生学的社会维度。     

Slnnes：逻辑＋神经网络专家系统工具

信息与认知科学的原理表明，人工智能和网络表现了两种不同的思维方式。它具有共同的基础,这就是对信息的处理；只是处理的方法和机制各有千秋。它们相辅相成，正好构成了智能理论的完备框架。本文详细介绍的专家系统工具Slnnes就是在信息科学和认知科学理论的基础上寻求人工智能专家系统和神经网络的有机结合而形成的统一体系。     

西方哲学视野中的"和谐"与"和谐社会"

人们大多从中国传统文化的角度谈论"和谐"与"和谐社会"问题.但是,以西方哲学为视野,对西方哲学中的"和谐"定义、诉求、"和谐社会"的黄金规则以及架构之维进行深入的梳理和分析,可以彰显,建立在"正义、差异、自由"原则基础上的"和谐"理念与"和谐社会"追求同样存在于西方哲学文化之中,也必将给予我们重要的启发与借鉴.     

论马克思人的全面发展理论的哲学意蕴和当代意义

通过对马克思关于人的全面发展理论的哲学意蕴的整体把握 ,发掘出具有当代现实意义的两个维度 :一是其作为人之理想性目标的理想价值维度 ;二是从人的历史性生成和发展的视角出发论证人的全面发展的现实维度。坚持马克思主义这一理论的理想维度和现实维度的统一 ,对于促进当代社会主义条件下人的全面发展具有深远的意义。     

构建商业银行信贷风险分类预警模型

针对我国各类银行全面实行贷款风险五级分类管理,文章提出了一种信贷风险分类预警的方法。该方法首先应用聚类方法对指标进行筛选,然后以熵权法构建贷款风险综合指数,最后采用模糊神经网络实现对信贷风险的分类预警。该方法在综合考虑财务与非财务因素对信贷风险产生影响的同时,还可以通过对风险指标的敏感性分析来把握主要风险来源,为风险的防范工作提供重要的依据。