基于SDDF的中国省区二氧化碳排放效率及减排潜力测度

针对传统方向距离函数(DDF)会高估效率的缺陷,在全要素和生产技术框架下,探索性地使用考虑松弛变量的规模方向距离函数(SDDF)对二氧化碳排放效率进行测算,并计算期望与非期望产出的改进方向、改进目标值及改进变化率,据此测度减排潜力。结果表明:SDDF测算的中国各省份二氧化碳排放效率整体低于DDF的计算结果;二氧化碳排放效率和产出改进目标值呈现了较大的区域差异,不在生产前沿面上的省市欲达到二氧化碳排放效率最优,应将削减二氧化碳排放量作为首要工作。     

药学类论文英文摘要中常见错误分析

药学类科技期刊多为中文期刊,英文摘要是其与国外交流的窗口。本文归纳总结了本刊两年来作者所投的论文英文摘要中出现的问题,并进行了分析,希望与同行及同仁交流学习。     

基于RBF神经网络的成都市城镇建设用地需求预测

以成都市为研究区域,利用城镇建设用地和社会经济统计数据,从因素和时间二维角度出发,分别选用RBF神经网络模型和GM(1,1)模型,在模型比较优选的基础上对成都市城镇建设用地需求进行了预测。结果表明:RBF神经网络模型与GM(1,1)模型相比,前者的平均绝对误差和误差均方根较低,且线性拟合效果更佳,是一种精度较高的预测方法;据预测,近期2015年和远期2020年研究区城镇建设用地需求量将分别达到145 986.10hm2和182 321.26hm2,研究结果既能为具有类似数据"突变"特征的城市开展城镇建设用地需求预测提供方法借鉴,又能为研究区土地资源的可持续利用和土地利用总体规划的定期修编提供决策依据。     

艺术体操运动员脊柱腰段损伤分析

通过对我国艺术体操运动员脊柱腰段损伤现状的调查，分析探讨了艺术体操运动员脊柱腰段损伤的某些特征及致因，以期为艺术体操科学化训练提供依据。     

海南省大学男生体质的现状与对策

在 2 0 0 0年学生体质调研的基础上 ,对海南省 19～ 2 2岁大学男生身体形态、机能、素质等指标进行统计处理 ,并对其各项指标进行纵横向比较研究 ,针对其体质现状提出了在今后体育教学改革中应注意的问题     

翻译中文化因素对词义理解的影响

不同的语言孕育于不同的文化环境,并受制约于不同的文化因素。翻译中碰到的困难,有一部分来源于原语文化与译语文化的差异。词汇是语言的基本单位,亦是翻译的基本单位。本文从三个方面探讨了在翻译中文化因素对词义的理解的影响,即:指称对象在不同文化中受重视的程度;不同文化民族对世界的不同认知角度,以及隐喻的使用在不同文化中的差异。     

神经网络集成及研究进展

神经网络集成是机器学习和神经计算重要研究领域,通过训练有限个神经网络个体,并将其结论进行适当的合成,可以极大提高学习系统的泛化能力,已经成为一种有广阔应用前景的工程化神经计算技术.本文讨论了神经网络集成的理论方法及其研究进展,并对该领域进一步研究的问题进行了探讨.     

桂花黄酮抗自由基及体内抗氧化作用研究

研究桂花黄酮抗自由基作用及体内抗氧化功能。通过测定桂花黄酮对羟自由基清除率和超氧阴离子自由基的抑制率实验,研究桂花黄酮的体外抗氧化作用;通过测定小鼠血清GSH-Px、SOD活性和MDA含量的变化,研究桂花黄酮体内抗氧化作用。结果表明,桂花黄酮可有效地清除羟自由基、超氧阴离子自由基,桂花黄酮可显著增强小鼠血清GSH-Px、SOD活性,降低MDA含量。结论:桂花黄酮具有一定的体内外抗氧化作用。     

和谐的大学校园体育系统构成和影响因素分析

基于“和谐社会”理念和“大学校园体育”传统概念,提出了“和谐的大学校园体育系统”概念,同时将其作为建设和谐社会的子系统进行分析。该系统由学科建设、人才培养、校园文化三个主模块和系统修复、过程管理两个支持模块构成;影响因素包括建设资金、体育设施和场馆、校园地域的气候特点、师生资源等物质因素和政策与法规、体育消费理念和水平、体育发展规划与战略、体育文化交流氛围等非物质因素。     

面向数字人文的古诗文本情感术语抽取与应用研究

在跨学科知识范式下,数字人文的研究范畴随着自身学科体系的拓展而不断泛化,采取关键语义技术解析文化对象中的人文内涵与情感知识对于重拾学科“人文性”与“计算性”特质具有重要意义。本文以古诗文本为例,面向汉语诗文及其鉴赏实现大规模人文情感术语的自动化抽取与分析。首先在无标注集环境下提出一种基于“冷启动”的字序列自动标引方法来获取学习语料,随后在字向量（Char2Vec）指导下将汉字特征（部首、拼音等）和BERT语言学模型分别引入机器学习与深度学习模型,并从知识发现的角度定义新术语识别规则。研究发现,将现代鉴赏融入古诗原文显著优化了情感知识的广度与深度,领域术语能够被有效标引。训练的BERT-BiLSTM-CRFs深度学习模型的效果明显优于CRFs机器学习,最佳F1与F1_distinct可分别达到9563%和8543%;同时汉字特征的引入也有效提升了传统CRFs效果,以领域特征和基于“竖心旁”“心字底”部首约束特征为最优。相较于机器学习抽取出的长篇幅新术语,深度学习能够拓展出更多寄托情感知识的新意象词。源于诗文与鉴赏的情感术语为文学信息资源的情感分析与知识服务提供了参考（人文性）,基于汉字语言特征的抽取方案为中文领域自然语言处理技术的深化提供了启迪（计算性）。图11。表6。参考文献30。