突破细胞神经网络模板设计的瓶颈

受生物学中的DNA序列的自我复制等现象的启发,杭州电子科技大学和香港城市大学等院校的CNN（细胞神经网络）研究团队提出了DNA-Like序列的概念,并且发现感知器中的激发序列就是一个DNA-Like序列。进一步基于突触权值仅与激发序列中的某些值的相关性,再利用DNA-Like序列的特有性质,就可以把感知器的突触权值的学习转化为激发序列的学习。研究人员将基于这种思想的算法称为DNA-Like学习算法。这个算法具有许多优点,如学习速度快、迭代次数少,更重要的是,它必定是收敛的,因而不像传统的算法（如BP算法）那样会产生陷入局部极小的问题。此外,研究团队还开发了相关的软件,称之为CNN-UP。利用CNN快速计算功能, CNN-UP可以应用于许多组合逻辑电路的设计。可以预见,随着硬件实现技术的不断进步,CNN的应用领域将更加广阔。     

什么样的大脑最聪明

一个再普通不过的人脑,也值得大书特书。成年人大脑中,大约拥有一千亿个神经元,每个神经元与其周围细胞构成大约5000个突触连接。大脑每秒钟能够产生和打断一百万个新的连接。只要你活得够长,信息在大脑中能够储存一百多年,并且会按照所需自动分类,反复归档,编译剪辑。     

什么样的大脑最聪明

一个再普通不过的人脑,也值得大书特书.成年人大脑中,大约拥有一千亿个神经元,每个神经元与其周围细胞构成大约5000个突触连接.大脑每秒钟能够产生和打断一百万个新的连接.只要你活得够长,信息在大脑中能够储存一百多年,并且会按照所需自动分类,反复归档,编译剪辑.     

电子商务中基于深度学习的虚假交易识别研究

为了解决电子商务平台中存在的虚假交易问题,本文依据商品的销售记录以及商家的基本信息,提出了一种结合深度置信网络和多层感知器的虚假交易识别方法,通过识别出以通过刷单增加销量的商品来识别虚假交易。首先利用深度置信网络对交易特征进行学习,得到更高层次的抽象特征;然后利用多层感知器进行分类任务,从而识别出虚假交易。从淘宝中爬取商品的交易记录和评论数据进行实验验证,与其他机器学习模型的实验结果进行对比,其性能有明显的提升。     

基于子任务区域分片下的分布式空间查询处理与并行调度方法

分布式空间查询优化是提高分布式空间数据库性能的关键问题之一。本文针对区域分片的数据分布特征,在已有的跨边界连接转化及优化规则基础上,依据片段连接的分配规则将全局查询映射为局部片段连接,提出不同站点上交矩形大面积优先的任务排序策略以及基于子任务的代价模型的分布式并行查询动态任务调整方法。经过实验表明,该方法不仅进一步提高了分布式空间查询的效率,有效解决分布式空间并行查询的负载平衡问题。     

对具体行政行为与抽象行政行为分类的逻辑思考

具体行政行为与抽象行政行为是行政法学界对行政行为所作的最重要的分类之一。本文根据逻辑思维的规律和法则，对该分类进行了理性思考和审视，指出了该分类所存在的逻辑错误，并提出了以制定规则的行政行为和执行规则的行政行为替代该分类的学校观点。f     

基于BP算法的多层感知器设计

多层感知器应用的BP算法是有导计算法的一类,根据最小均方差的误差原则进行计算。BP算法是多层感知器建立的基础算法,可以进行函数的逼近和相关的仿真运算。但BP算法也具有其自身的局限性,如收敛速度低和易陷入局部极小等。本文将介绍标准BP算法和它的改进,借此对多层次感知器的设计进行分析和建议。     

影像信息决策树分类方法设计

归纳学习训练样本能够产生决策规则或决策树,通过决策规则或决策树分类新数据的方法称为决策树。本文以大连市旅顺口区为研究区域,分析该区影像信息选取分类样本,选取合适的特征,统计分析样本的特征值,运用基于特征的决策树分类方法,设计决策树分类器,来解决该区域土地利用分类问题。     

面向服务的信息中心网络体系结构设计

本文主要介绍了SOFIA(Service-Oriented Future Internet Architecture)。在SOFIA中,应用程序通过服务会话处理服务请求和服务数据。一个服务会话可以对应多个服务连接,每一个服务连接绑定两个特定的通信节点(可以是客户端主机、服务器、中间节点等)。客户通过请求服务(服务名字)对服务会话进行初始化。接收到服务请求后,路由器根据服务转发表的相应规则处理请求。这些规则可以是转发规则(如负载平衡),也可以是处理规则(如缓存),而规则可以由集中控制器下发,以满足网络运营者的特定要求。为了解决服务转发表规则频繁更新的问题以及复杂的转发规则带来的查找性能问题,并与现有网络兼容发展,SOFIA服务核心构建在网络层(例如IPv4/v6)之上,在两个层之间实现了服务处理的解耦:服务层提供灵活的服务处理,而网络层提供高效的数据传输。     

记忆是什么

人的大脑内的记忆的存贮和提取是一个非常复杂的过程。人的记忆依靠脑内存在的广泛联系采用并行分布方式,多种不同记忆可同时进行处理和存贮。大脑内兴奋范围是相当广泛的,并可能有不同的程度,这些兴奋通过突触联系造成脑内兴奋的运动。在存贮过程中,输入     

政治关系真的抑制了企业创新吗？——基于组织学习与动态能力视角

 政治关系通常被视为企业创新的重要资源。然而,当前政治关系与创新绩效关系的研究结论却依然模糊甚至相互矛盾。本文以组织学习和动态能力作为中介变量,连接政治关系对创新绩效的影响,构建了一个政治关系、组织学习、动态能力与创新绩效关系的理论模型,然后以广东珠三角地区166家企业为调查对象,采用SPSS和SEM方法进行实证检验,研究结果发现：政治关系对创新绩效没有直接影响,其需要通过组织学习与动态能力作为中介变量才能间接地提高绩效水平;与非国有企业相比,国有企业中,政治关系对于创新绩效的间接影响程度更高。本文研究结论为组织创新、政治关系以及动态能力等相关理论与管理实践的发展提供了新的证据。     

The Cauchy-Schwarz divergence and Parzen windowing: Connections to graph theory and Mercer kernels

This paper contributes a tutorial level discussion of some interesting properties of the recent Cauchy-Schwarz (CS) divergence measure between probability density functions. This measure brings together elements from several different machine learning fields, namely information theory, graph theory and Mercer kernel and spectral theory. These connections are revealed when estimating the CS divergence non-parametrically using the Parzen window technique for density estimation. An important consequence of these connections is that they enhance our understanding of the different machine learning schemes relative to each other.     

几种地理课堂导入法例谈

导入是课堂教学必不可少的一环。地理课堂精心选择导入方法,会使学生集中注意力,对课堂产生浓厚的兴趣。笔者在地理课堂中经常采用承上启下法挖掘出新旧知识的联系;采用开门见山法直接点名要旨、突出中心,采用设置悬念法激发学生深入思考;采用联系实际法激发学生兴趣和热爱家乡的情怀;采用图像导入法形象直观地引发学生兴趣等。     

跨国战略联盟中的组织学习与知识构建

跨国战略联盟的主要目标是为了学习对方的知识与技能，影响组织在战略联盟中学习的因素大致为：联盟知识的可转移性；吸收联盟知识的能力及组织一系列连结系统的支持等。本文认为报酬体系、组织结构及常规制度安排等可促进企业的学习与知识的构建。     

知识异质、组织学习与企业创新绩效关系研究

选取山东、江苏两省225家创新类企业为样本,对不同内容的异质性知识(技术知识异质,市场知识异质)、不同的组织学习行为(利用式学习,探索式学习)与企业创新绩效之间的关系进行了考察。结果表明:技术知识异质对企业创新绩效有倒U型影响;市场知识异质对企业创新绩效有正向影响;利用式学习与探索式学习对企业创新绩效均有正向影响;技术知识异质对利用式学习有倒U型影响,对探索式学习有正向影响;市场知识异质对利用式学习与探索式学习均有正向影响;利用式学习与探索式学习在技术知识异质与企业创新绩效关系及市场知识异质与企业创新绩效关系中均起到了部分中介作用。     

智能时代的脑科学与类脑智能研究

以智能科技为核心技术、智能算力为生产力的智能时代再次把脑科学推向世界科学与技术前沿。脑科学是研究人、动物和机器的认知与智能的本质和规律的科学。对神经系统结构和功能联结规律进行全面解析将最终绘制成脑功能联结图谱,近10多年来神经科学研究致力于系统性地解析神经系统的神经元类型和神经结构连接,在单细胞转录组分析、神经网络结构示踪等技术推动下取得了阶段性进展。解析人类大脑这一最为复杂的信息和智能系统,会启迪类脑智能理论和类脑智能技术,即脑科学/神经科学启发的智能理论和技术。在智能时代,脑科学研究的多学科交叉研究范式促使脑机接口、类脑智能计算等类脑智能研究领域加入脑科学。脑机接口的神经解码和编码技术为绘制人脑功能神经网络图谱提供了重要的功能研究技术和方法,并且可探索在脑疾病临床诊治上的应用。类脑计算正成为脑科学研究的一种新范式,借鉴脑处理信息和学习的基本原理发展高能效、高速和智能的新型类脑计算系统,利用发展的类脑计算系统可以加速发展脑模拟和数字大脑,促进理解大脑运行机制和治疗脑疾病,发展数字脑科学和脑医学。新近出现的脉冲神经网络智能处理器为构建大规模类脑智能计算系统奠定了基础,未来类脑超级算力极可能超过人类大脑算力,影响智能科技变革和人类社会发展。     

Global synchronization in nonlinearly coupled delayed memristor-based neural networks with excitatory and inhibitory connections

This investigation establishes the global synchronization of an array of coupled memristor-based neural networks with delays. The coupled networks that are considered can incorporate both the internal delay in each individual network and the transmission delay across different networks. The coupling scheme, which consists of a nonlinear term and a sign term, is rather general. In particular, it can be asymmetric, and admits the coexistence of excitatory and inhibitory connections. Based on an iterative approach, the problem of synchronization is transformed into solving a corresponding linear system of algebraic equations. Subsequently, the respective synchronization criteria, which depend on whether the transmission delay exists, are derived respectively. Three examples are given to illustrate the effectiveness of the theories presented in this paper. The synchronization of the systems in two examples cannot be handled by existing techniques.     

基于交叉覆盖算法的成绩预测

本文主要利用交叉覆盖算法,通过实验找出对初中生学习影响较大的因素。交叉覆盖算法是利用了M-P神经元模型的几何意义得到的一种领域覆盖的算法,它在一定意义上考虑到了网络结构的优化问题,可以使得产生的神经网络的规模较小,而且方法实用、可行,解决了多年以来一直未能很好解决的前向网络设计问题。本文尝试将交叉覆盖算法应用到学生成绩预测上,在实验中得到较好预测结果。     

A fine-grained and multi-context-aware learning path recommendation model over knowledge graphs for online learning communities

Existing approaches to learning path recommendation for online learning communities mainly rely on the individual characteristics of users or the historical records of their learning processes, but pay less attention to the semantics of users’ postings and the context. To facilitate the knowledge understanding and personalized learning of users in online learning communities, it is necessary to conduct a fine-grained analysis of user data to capture their dynamical learning characteristics and potential knowledge levels, so as to recommend appropriate learning paths. In this paper, we propose a fine-grained and multi-context-aware learning path recommendation model for online learning communities based on a knowledge graph. First, we design a multidimensional knowledge graph to solve the problem of monotonous and incomplete entity information presentation of the single layer knowledge graph. Second, we use the topic preference features of users’ postings to determine the starting point of learning paths. We then strengthen the distant relationship of knowledge in the global context using the multidimensional knowledge graph when generating and recommending learning paths. Finally, we build a user background similarity matrix to establish user connections in the local context to recommend users with similar knowledge levels and learning preferences and synchronize their subsequent postings. Experiment results show that the proposed model can recommend appropriate learning paths for users, and the recommended similar users and postings are effective.     

基于社会资本理论的网络组织演化机制新阐释

从社会资本的两个维度——网络位置与嵌入性网络资源出发,构建了网络组织演化机制的理论模型,指出网络组织演化的实质是组织成员在网络利益最大化动机的驱使下,不断地复制与重构网络关系,向核心的网络位置以及丰富的网络资源方向演化的过程。