检索结果-南通市图书馆

The 2024 Nobel Prize in Physics was awarded to John Hopfield and Geoffrey Hinton for their pioneering contributions to artificial neural networks and machine learning. Hopfield was originally trained as a condensed matter physicist, while Hinton has a background in cognitive psychology and artificial intelligence. Both of them recognized the deep connection between neural computation and statistical physics. Their pioneering work demonstrates how principles from statistical physics shaped the theoretical foundations of artificial neural networks and deep learning. This review mainly introduces their breakthrough achievements in neural networks and machine learning, with particular emphasis on the underlying physical *** Hopfield model is one of the most significant contributions of John Hopfield, introducing a groundbreaking theoretical framework for understanding associative memory in machines. This model operates through an iterative dynamic rule, updating neuron states to minimize an energy function, which takes inspiration from spin glass systems in physics. The energy landscape concept in the Hopfield model provides crucial insights into information storage and retrieval. By demonstrating robust distributed representations, the model has inspired extensive research on attractor dynamics in both artificial neural networks and biological systems, serving as a foundational pillar for modern neural architectures and brain-inspired computing. Beyond this model, Hopfield explored time encoding in neural systems,highlighting the role of synchronized oscillations and providing new perspectives on temporal dynamics in enhancing computational capacity. He also pioneered the critical brain hypothesis, linking neural network dynamics to self-organized *** Boltzmann machine, developed by Geoffrey Hinton and his collaborators, serves as a key architecture bridging statistical physics and machine learning. In this model, the energy function determines t

关键词：

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

“知识分子”一词源流新考

引用

开放时代 2025年第1期 176-191+10页

作者：李放春重庆大学人文社会科学高等研究院

“知识分子”是中国现代史的一个重要关键词。十月革命后，俄罗斯研究成为热潮，布尔什维主义迅速传播。汉语“知识分子”一词在这个“俄潮东渐”的过程中应运而生。1920年年底至1921年年初，这个新名词先后在《新青年》《共产党》及《... 详细信息

“知识分子”是中国现代史的一个重要关键词。十月革命后，俄罗斯研究成为热潮，布尔什维主义迅速传播。汉语“知识分子”一词在这个“俄潮东渐”的过程中应运而生。1920年年底至1921年年初，这个新名词先后在《新青年》《共产党》及《民国日报》副刊《觉悟》等左翼报刊上出现。1927年前，“知识分子”主要是中国共产党人使用的术语。直到大革命后，“知识分子”一词才得到广泛流传，并在诸种政治力量角逐的过程中呈现出语义的分野。这一新的认同范畴潜在承续着古典意义的儒家“匹夫”情怀，从而构成一种强大的文化合力。本文在新的史料基础上对“知识分子”一词的词源及其语义流变做了细密考证和梳理，以期为中国知识分子问题的进一步研究与探讨奠定扎实可靠的语词史基础。

关键词：知识分子现代中国十月革命马克思列宁主义历史语文学

来源：

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

税收优惠政策组合对企业研发投入的影响研究

引用

科研管理 2025年

作者：王春元张子楠浙江财经大学财政税务学院浙江省哲学社会科学重点研究基地地方财政研究院

创新是我国现代化建设全局的核心，而高投入、高风险、长周期的创新活动不仅需要政策精准发力，还需注重政策间的协同效应。然而，关于政策协同效应的研究仍较为稀缺。本文通过构建包含加计扣除和加速折旧政策的动态企业价值方程，理论... 详细信息

创新是我国现代化建设全局的核心，而高投入、高风险、长周期的创新活动不仅需要政策精准发力，还需注重政策间的协同效应。然而，关于政策协同效应的研究仍较为稀缺。本文通过构建包含加计扣除和加速折旧政策的动态企业价值方程，理论推导了企业固定资产投资对加计扣除政策优惠力度的强化机制，首次刻画了该政策组合对企业创新活动的协同红利效应，并基于2009～2018年中国A股上市公司的数据进行了实证检验。结果表明，加速折旧政策与加计扣除政策不仅单独显著促进了企业研发投入，二者组合还能额外提升研发投入，即存在显著的协同红利。此外，政策组合对企业费用化支出和资本化支出的影响存在异质性，其中对费用化支出的促进作用更为显著。机制分析进一步揭示，协同红利主要通过现金流放大效应、研发设备叠加效应和研发人员互补效应三个渠道实现。异质性分析发现，协同红利在高所得税税负企业、高所得税率行业、成长期企业，以及行业竞争程度较高或地区市场化程度较高的企业中更为显著。同时，政策组合还显著提升了企业研发产出水平，且未以牺牲其他要素投入为代价。本文的研究为决策部门优化政策设计、促进政策协同发力提供了理论依据，有助于减少政策效果的不确定性，避免政策合成谬误，从而更好地实现创新驱动发展的战略目标。

关键词：税收优惠政策组合协同红利研发投入加计扣除加速折旧

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：