检索结果-南通市图书馆

维普期刊数据库博看期刊

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

数字时代的食利资本主义批判与反思

现代哲学 2024年第1期 32-37页

作者：叶甲斌中山大学马克思主义哲学与中国现代化研究所暨哲学系广州510275 中山大学中国式现代化广东实践研究院中山大学实践哲学研究中心

食利资本主义是资本主义的重要形态。在数字时代,食利资本主义的食利性首先表现为数字寻租。知识专利和平台数据成为食利资本主义获取租金的重要途径。数字经济企业通过知识专利和平台数据构建数字领地,为剩余价值的生产和流通提供条件... 详细信息

食利资本主义是资本主义的重要形态。在数字时代,食利资本主义的食利性首先表现为数字寻租。知识专利和平台数据成为食利资本主义获取租金的重要途径。数字经济企业通过知识专利和平台数据构建数字领地,为剩余价值的生产和流通提供条件。数字时代的食利资本主义实现数字寻租,主要依靠两个核心机制:知识圈地运动和平台专制主义。它们之间的双重互嵌关系加强了数字食利主义经济的内在逻辑。在这一逻辑中,数字食利主义社会必然出现双向的趋势,即固化和不稳定化。一方面,食利者通过数字领域的垄断地位获取持续的租金收入,社会财富的分配呈现出极端的不平等,导致社会阶层的固化。另一方面,数字食利资本主义的快速发展导致工作与生活的不稳定性增加。对数字食利资本主义既可以从公地共同所有权出发,批判食利者对公地的独占和排他性获益的不正当性,也可以基于劳动过程,批判数字资本主义对劳动者的剥夺。

关键词：数字时代食利资本主义数字寻租平台专制不稳定性

维普期刊数据库博看期刊

“马里布冲浪者”之争——罗尔斯与范帕里斯论基本收入的分配正义

在线全文

学校读者我要写书评

暂无评论

学术研究 2024年第3期 42-48页

作者：叶甲斌中山大学马克思主义哲学与中国现代化研究所暨哲学系广东广州510275 中山大学实践哲学研究中心广东广州510275

范帕里斯是基本收入的首倡者和捍卫者,长期为基本收入的正当性进行辩护。罗尔斯的正义理论是范帕里斯早期为基本收入辩护的主要思想资源之一。然而,范帕里斯的这种理论努力在1987年遭到罗尔斯以“马里布冲浪者”为例的拒斥,而后陆续就... 详细信息

范帕里斯是基本收入的首倡者和捍卫者,长期为基本收入的正当性进行辩护。罗尔斯的正义理论是范帕里斯早期为基本收入辩护的主要思想资源之一。然而,范帕里斯的这种理论努力在1987年遭到罗尔斯以“马里布冲浪者”为例的拒斥,而后陆续就基本收入的分配正义问题形成了著名的“马里布冲浪者”之争。罗尔斯的“马里布冲浪者批判”,表明了他对政治共同体中社会成员之间公平的合作体系的重视。范帕里斯在随后的著作中回应了罗尔斯的批评,从“最大最小化”真实自由到共享礼物的社会机制为基本收入提出辩护。这场“马里布冲浪者”之争,体现罗尔斯与范帕里斯分配正义理论预设了不同的社会想象,对于批判思考分配正义具有重要意义。

关键词：罗尔斯范帕里斯分配正义基本收入马里布冲浪者

维普期刊数据库

我国短期国债发行管理研究 ——基于适度规模测算

在线全文

学校读者我要写书评

暂无评论

我国短期国债发行管理研究 ——基于适度规模测算

作者：李伟甲中国财政科学研究院

学位级别：硕士

短期国债管理是国债管理的重要内容,以短期国债管理为研究内容具有现实意义和理论意义。本文选择短期国债规模控制作为研究切入点,展开对短期国债发行管理的讨论。首先,本文在讨论研究背景和意义的基础上,对我国国债管理、短期国债管理... 详细信息

短期国债管理是国债管理的重要内容,以短期国债管理为研究内容具有现实意义和理论意义。本文选择短期国债规模控制作为研究切入点,展开对短期国债发行管理的讨论。首先,本文在讨论研究背景和意义的基础上,对我国国债管理、短期国债管理、国债适度规模管理、短期国债管理与国库现金管理相协调、短期国债管理与货币政策管理相协调等方面做了文献综述,并划定研究范畴,指出本文的研究思路和研究方法。对国债和短期国债、短期国债管理、短期国债发行管理进行了概念的界定,系统分析短期国债的特点,短期国债作为一种财政政策工具、货币操作工具、国库现金管理的主要工具,具有成本低、规范性强、高效灵活等特点,有助于形成金融市场短端无风险利率,是财政政策和货币政策的结合点。对预算管理制度、金融市场学、公共管理学和国债规模测度等相关理论结合短期国债管理理论进行了理论分析。其次,本文梳理了我国短期国债管理的历史演进过程和发展现状,介绍了我国短期国债管理工作已经取得的成就和目前仍存在的问题。成就主要是短期国债的发行和交易逐渐规范化、市场化,效率越来越高;品种愈加丰富,期限多样化发展;发行、上市、交易计划等信息提前公布,管理透明度不断增强;国债余额制度的建立等。问题主要在于,我国短期国债发行规模小、发行频率低,发行基础薄弱,这些问题又继发了后续管理的诸多问题。如,期限结构不合理、收益率曲线不科学、法律制度不健全、对货币政策和国库现金管理的制约等。本文认为这些问题持续存在的根源是财政部和人民银行改革的动力不足。财政部主要受限于定期滚动发行短期国债沟通成本高、利率风险大;央行主要受限于汇率政策和央行自身发行的货币工具对短债的替代。对比和借鉴了典型国家的相关做法和先进经验,如根据自身国情选定短期国债发行方式和发行规模等。最后,本文使用VAR结合VECM模型对我国的短期国债适度规模进行了测算,选用的变量有国内生产总值、财政收支差额、居民存款储蓄余额、国债余额、货币供应量、国库资金余额。将适度规模与我国短债发行的现实情况进行比对,可以进一步佐证前文提出的我国短债规模偏小的结论。在理论分析、国际比较和实证分析的基础上,本文提出政策建议如下:寻求短期国债适度规模,丰富发行种类,扩大发行量,扩充存量;推进国库现金管理改革,发挥短期国债的国库现金管理操作的工具效应;利用短债即有规模,提高短期国债在公开市场操作领域的地位;建立健全适合我国国情的短期国债定期滚动发行机制;完善短期国债管理相关法律法规。

关键词：短期国债管理发行管理适度规模测算 VAR模型

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的短期交通流预测方法综述

交通运输工程学报 2024年第2期24卷 50-64页

作者：崔建勋要甲赵泊媛哈尔滨工业大学交通科学与工程学院黑龙江哈尔滨150090 大连理工大学经济管理学院辽宁大连116024

针对基于深度学习的短期交通流预测问题,揭示了时空相关性建模本质,分析了建模过程中涉及的多尺度时空特性、异质性、动态性、非线性等特点,明确了基于深度学习进行短期交通流预测的核心挑战,阐述了短期交通流预测涉及的外部信息整合、... 详细信息

针对基于深度学习的短期交通流预测问题,揭示了时空相关性建模本质,分析了建模过程中涉及的多尺度时空特性、异质性、动态性、非线性等特点,明确了基于深度学习进行短期交通流预测的核心挑战,阐述了短期交通流预测涉及的外部信息整合、多步预测与单步预测以及单体预测与集成预测等相关问题;按照网格化和拓扑化2种交通流数据组织方式,分别综述了当前最新的基于深度学习的短期交通流预测研究方向。研究结果表明:针对网格化交通流数据,当前研究主要包含了基于2D图像卷积神经网络、基于2D图像卷积神经网络与循环神经网络相结合、基于3D图像卷积神经网络3种预测建模方法;针对拓扑化交通流数据,当前研究主要包含了基于1D因果图像卷积与卷积图神经网络相结合、基于循环神经网络与卷积图神经网络相结合、基于自注意力与卷积图神经网络相结合、基于卷积图神经网络的时空同步学习4种预测建模方法;总体上,基于深度学习方法进行短期交通流预测相较于采用时间序列和经典机器学习方法获得了预测准确性上的极大提升;未来,针对物理理论、知识图谱与深度学习相结合,构建多时空数据挖掘大模型以及轻量化、可解释性、模型结构自动化搜索等维度的相关探索将成为重要研究方向。

关键词：智能交通短期交通流预测深度学习卷积神经网络图神经网络循环神经网络

维普期刊数据库

基于Swin Transformer的高光谱图像分类方法研究

在线全文

学校读者我要写书评

暂无评论

基于Swin Transformer的高光谱图像分类方法研究

作者：刘元甲牡丹江师范学院

学位级别：硕士

随着遥感技术的飞速发展,高光谱遥感数据的采集正在以前所未有的速度拓展人类对地球表面精细观测的能力。高光谱遥感,以其传感器波段丰富、频谱分辨率高的特点,成为现代空间科学及地球科学研究的重要工具。高光谱图像分类是一个利用遥... 详细信息

随着遥感技术的飞速发展,高光谱遥感数据的采集正在以前所未有的速度拓展人类对地球表面精细观测的能力。高光谱遥感,以其传感器波段丰富、频谱分辨率高的特点,成为现代空间科学及地球科学研究的重要工具。高光谱图像分类是一个利用遥感技术获取的图像数据进行地物分类的领域,它通过利用图像中的光谱信息,可以更准确地识别和分类地物类型。高光谱图像分类方法从传统的基于统计学习的方法,到基于机器学习的方法,再到目前热门的深度学习方法逐渐占据主导地位。然而,基于深度神经网络的高光谱图像分类方法仍然有许多问题存在。首先,基于卷积神经网络的结构往往会受限于卷积核的感受野,而无法将远程图像块间的特征联系起来;第二是基于Transformer的神经网络在处理序列化图像时无法很好的提取高光谱图像复杂特征,没有充分利用高光谱空间和光谱信息;最后,高光谱数据集的数量少,获取难度大,如何在有限样本的情况下对高光谱图像进行分类也是目前值得研究的问题。本文结合Swin Transformer网络,针对上述问题开展了研究,具体内容有以下三个方面:(1)基于光谱Swin Transformer网络的高光谱图像分类算法。卷积神经网络是计算机视觉任务的热门方法,被广泛应用于各类高光谱图像处理任务。单纯的卷积神经网络架构在卷积核提取特征的时候,会出现卷积核受到设计大小限制,无法关联图像块上下文之间联系的问题,而基于视觉Transformer的模型面对复杂的高光谱图像,注意力计算量过大。因此,本文提出了光谱Swin Transformer网络,首先对高光谱的光谱部分进行预处理,再利用Swin Transformer网络同时处理空间和光谱特征信息。Swin Transformer可以利用自注意力计算相邻向量间的相似度和特征,同时特色的窗口移动,保证窗口间的注意力能够维持,而且仅需计算单个窗口的注意力,大大减小了计算资源的消耗。在无人机机载高光谱数据集和遥感高光谱数据集上进行了实验验证,结果展示了Swin Transformer在高光谱图像分类领域的潜力和优势。(2)基于CNN和Swin Transformer的高光谱分类算法。高光谱波频谱数较高,空间包含的地物信息较多,特征复杂。同时光谱间存在许多交叉和相似部分,传统模型手工设计来提取特征无法很好的面对这种高维度的特征,而单纯的卷积神经网络只关注空间特征或者光谱特征,忽略了其他因素。因此,本文提出了联合CNN和轻量Swin Transformer的高光谱图像分类算法。特征提取模块采用3个3D-CNN和一个2D-CNN来同时提取高光谱的空间及光谱信息,连接处会将光谱的特征融合到空间特征中,统一作为分类模块的输入。为了降低复合模型的复杂度,同时Swin Transformer获取到的输入是经过处理后的特征,所以精简了四个下采样阶段,整体降低模型的复杂度。并且在公共遥感高光谱数据集上实验证明,此方法效果显著,达到领域内具有竞争力的水准。(3)基于知识蒸馏Swin Transformer的原型网络用于高光谱图像分类。高光谱数据的获取难度大,而且地物情况复杂,人工标注需要丰富的专业知识,缺乏大型数据集。这对于数据驱动的深度学习模型来说,如果进一步应用必须考虑能够在有限样本的情况下准确分类。对此本文提出了基于知识蒸馏的Swin Transformer网络,知识蒸馏能够更好的萃取高光谱的特征,同时也降低训练样本数量的需求,结合原型网络能够在有限样本的情况下,依旧保持较高分类准确率。在两个公共高光谱数据集上的实验验证了所提模型的性能表现。

关键词：深度学习高光谱图像分类小样本高光谱图像分类 Swin Transformer 卷积神经网络

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

旦真旺甲:民族之魂银幕呈现

现代艺术 2024年第7期 86-87页

作者：旦真旺甲不详

我常常感慨自己与电影的缘分,惊奇于命运的种种转折。我本身不是电影科班出身,所学也与电影毫不相干,诸多的机缘巧合让我一步步与电影结缘。最初作为记者接触影像,之后拍摄纪录片,接着在电影学院进修,最终立志把电影作为毕生事业投人其... 详细信息

我常常感慨自己与电影的缘分,惊奇于命运的种种转折。我本身不是电影科班出身,所学也与电影毫不相干,诸多的机缘巧合让我一步步与电影结缘。最初作为记者接触影像,之后拍摄纪录片,接着在电影学院进修,最终立志把电影作为毕生事业投人其中,一步一步,冥冥中的机缘推动、牵引着我,到现在拍电影对于我来说不仅仅是一个职业,更是倾注进所有心力的梦想。

关键词：民族之魂有心力机缘巧合纪录片