拷贝硅谷:一种聚集网络理论解释

本文介绍了目前在关于拷贝硅谷、建设高新科技园区问题上国内外不同的观点，提出聚集网络理论。在此基础上，通过对韩国大德科学城和我国台湾新竹科学工业园的成功实践考察，提出了它们各自成功发展高技术产业的原因，在于根据各自的实际，市场性和建构性、网络资本和风险资本网络的有机结合，适应了高技术发展的本质要求。认为我国应注重网络资源管理，营造风险资本网络体系发展的环境。     

类脑智能研究现状与发展思考

近年来人工智能研究的许多重要进展反映了一个趋势:来自脑科学的启发,即使是局部的借鉴都能够有效地提升现有人工智能模型与系统的智能水平。然而,想要真正逼近乃至超越人类水平的人工智能,还需要对脑信息处理机制更为深入的研究和借鉴。类脑智能研究的目标就是通过借鉴脑神经结构及信息处理机制,实现机制类脑、行为类人的下一代人工智能系统。文章从受脑启发的新一代人工神经网络、基于记忆、注意和推理的认知功能模型、基于生物脉冲神经网络的多脑区协同认知计算模型等角度,并结合研究团队在类脑智能领域的研究进展,论述类脑智能的研究进展、发展方向和对未来发展的思考。     

高技术企业协作R＆D网络构建活动和路径研究

对高技术企业协作R＆D网络的构建活动和路径进行了探讨，其中构建活动包括三个：建立共同协作基础、伙伴成员的搜寻与选择、组织协作网络;构建路径分为三种：自组织路径、被组织路径和混合路径。     

复杂产品系统开发网络组织及组织能力探索

复杂产品系统在产品结构、生产特性、市场特征等方面与传统的大规模制造产品存在较大的差异性,针对复杂产品系统特有的结构特征和其开发的网络组织结构,运用战略能力、职能能力、项目能力三个维度来阐述复杂产品系统开发网络组织的组织能力,指出学习是提升该能力的有效途径和方式,在此基础上说明复杂产品系统开发组织的学习与大规模制造产品学习间的区别。     

The social strategy cone: Towards a framework for evaluating social media strategies

Social media is growing rapidly. Providing both risks and opportunities for organizations as it does. The social strategy cone is developed for evaluating social media strategies. This framework comprises of seven key elements of social media strategies as based on a systematic literature review and case studies. The results of 21 interviews have contributed to the construction of the social media strategy cone for analyzing social media strategies. Three levels of maturity of social media strategy are proposed: initiation, diffusion and maturity. Initiation includes the key elements: ‘target audience’ and ‘channel choice’ while all case organizations studied payed attention to these elements. Diffusion includes the elements: ‘goals’, ‘resources’ and ‘policies’. Maturity adds the elements of ‘monitoring’ and ‘content activities’. Only 3 of the 9 organizations studied are in this phase of maturity. Although, theory suggests the importance of the element of ‘monitoring’ our research shows the need for more attention in practice.     

Multi-layer self-organizing polynomial neural networks and their development with the use of genetic algorithms

In this paper, we introduce a new architecture of genetic algorithms (GA)-based self-organizing polynomial neural networks (SOPNN) and discuss a comprehensive design methodology. Let us recall that the design of the “conventional” PNNs uses an extended group method of data handling (GMDH) and exploits polynomials (such as linear, quadratic, and modified quadratic functions) as well as considers a fixed number of input nodes (as being selected in advance by a network designer) at polynomial neurons (or nodes) located in each layer. The proposed GA-based SOPNN gives rise to a structurally optimized structure and comes with a substantial level of flexibility in comparison to the one we encounter in conventional PNNs. The design procedure applied in the construction of each layer of a PNN deals with its structural optimization involving the selection of preferred nodes (or PNs) with specific local characteristics (such as the number of input variables, the order of the polynomial, and a collection of the specific subset of input variables) and addresses specific aspects of parametric optimization. An aggregate performance index with a weighting factor is proposed in order to achieve a sound balance between approximation and generalization (predictive) abilities of the network. To evaluate the performance of the GA-based SOPNN, the model is experimented with using chaotic time series data. A comparative analysis reveals that the proposed GA-based SOPNN exhibits higher accuracy and superb predictive capability in comparison to some previous models available in the literature.     

基于组合神经网络的聚合物质量预测

介绍了一种将组合神经网络用于聚合物质量预测的方法．由定量数据建立的单一神经网络模型往往缺乏泛化能力，而使用组合神经网络模型则可以显著改善模型的泛化能力．由于在建立组合神经网络模型过程中，合适的组合权重对模型是否具有良好预测性能是非常重要的，因此采用了岭回归方法来选择合适的组合权重．所提出的方法已成功应用于PVC颗粒特性的预测研究中。研究结果表明，与单一神经网络模型相比，组合神经网络模型具有更佳的模型预测精度和鲁棒性．     

多源单汇无线传感器网络的局部路由算法

无线传感器网络节点有着严格的能量限制，目前已有的许多路由协议假定了节点知道网络的全局信息或者让节点根据路由表进行路由。这些方式均会使网络产生较多的通信负荷，增大能量开销。结合多源单汇路由的特点，本文提出了几种局部路由算法。该算法中，节点仅根据目标节点与邻居节点的地理位置、剩余能量等信息，决定下一跳节点，最终建立到达目的节点的路径。本文首次引入了带约束后跳发射的思想，并将这种后跳发射与已有的算法相结合得到新的后跳路由算法。计算机仿真实验表明，在有数据融合的网络中，带约束的后跳－为难度路由算法使得网络的生存时间最长，较其余算法增加了网络11%和14%的工作周期数。最后又将局部路由算法进行合理改进，得到最小化平均为难度的算法，应用于无数据融合的网络中，效果很好。     

强联系与跨部门复杂知识转移困难的克服

把跨部门知识共享分解为知识寻找和知识转移,将跨部门知识转移理解为一个螺旋上升的动态过程,并建立了模型。从复杂知识的特点出发,深入分析了跨部门复杂知识转移的困难,然后将社会网络研究领域的强联系应用到跨部门复杂知识转移中,指出强联系部门拥有相对较强的知识表达、吸收理解能力,并能基于强联系实现部门间频繁、广泛、双向、及时、深入的知识交流与合作,从而能有效克服跨部门复杂知识转移的困难。     

基于神经网络的知识选择

知识选择（KS）是一种全新的方法，其过程由三个滤波器实现：（1）辨识过程，即根据查询的组合属性选择知识项。（2）自适应过程，即为滤波而使用相关的背景适应知识。（3）预测过程，即提前几步预测未来的查询。本文提出了用神经网络求解KS问题的方法以及KS在计算机安全领域的应用方法。