检索结果-南通市图书馆

数字化转型背景下Z城供电局业财融合优化研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

数字化转型背景下Z城供电局业财融合优化研究

作者：章衡吉林大学

学位级别：硕士

固定资产投资三大领域对建筑业发展的影响研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

固定资产投资三大领域对建筑业发展的影响研究

作者：章啸北方工业大学

学位级别：硕士

固定资产投资依赖建筑企业的施工和安装活动完成,其中的房地产开发投资曾带动过建筑业飞速发展,但近年房地产市场萧条却影响了建筑业发展。与此同时制造业和基础设施领域的固定资产投资仍稳步增长,因此两者能否成为建筑业未来发展的新... 详细信息

固定资产投资依赖建筑企业的施工和安装活动完成,其中的房地产开发投资曾带动过建筑业飞速发展,但近年房地产市场萧条却影响了建筑业发展。与此同时制造业和基础设施领域的固定资产投资仍稳步增长,因此两者能否成为建筑业未来发展的新增长点值得思考。基于此,本文探究房地产、制造业和基础设施三大领域投资及占比变动对建筑业发展的影响,为建筑业寻找发展方向提供了理论支持。在阅读相关文献后,本文从投资总量和投资占比两层面梳理出三大领域投资及投资占比变动对建筑业发展的影响路径,并基于此提出了研究假设。为验证研究假设,本文采用双向固定效应模型,基于31省市固定资产投资三大领域及建筑业发展的省级面板数据,从投资总量和投资占比两层面分别与建筑业增加值和劳动生产率回归。采用了三种方式检验上述回归结果的稳健性,以确保结论更准确。在此基础上,再进一步通过中介及遮掩效应模型解释了各领域投资占比变动是如何影响建筑业发展;通过异质性检验发现了三大领域投资总量和占比变动的影响作用在不同区域、建筑业技术水平和时间上存在差异,丰富了研究内容。最后,基于典型城市北京的时间序列数据,建立VAR模型进行动态分析,通过脉冲响应和方差分解探究了在具体城市中三大领域投资对建筑业发展的影响。本文主要得到以下结论:第一,基础设施和制造业特别是其中的高技术制造业领域固定资产投资及占比增长均能促进建筑业的发展。且两大领域投资的带动作用均优于房地产开发投资。基础设施和制造业领域建设项目能够成为建筑业未来发展的新方向。第二,房地产开发投资占比过高阻碍了建筑业技术进步,从而抑制了建筑业劳动生产率的提升;而基础设施投资占比提高会通过促进技术进步,进而提升建筑业劳动生产率。第三,东部建筑业发展主要由制造业和基础设施领域投资带动,房地产开发投资的影响作用并不显著。第四,建筑业企业技术水平较高区域,建筑业发展主要受制造业和基础设施领域投资带动;而技术水平较低区域,建筑业发展则主要由房地产领域投资带动。第五,自《关于促进房地产市场平稳健康发展的通知》发布以来,各项调控政策接连出台,房地产开发投资增速开始逐渐放缓。在2012年之前,房地产开发投资及其占比提升均能带动建筑业发展,而在2012年之后,建筑业发展则主要是由制造业和基础设施领域投资带动。第六,基于典型城市北京的拓展性分析发现,房地产开发投资及其占比提升阻碍建筑业发展,而制造业和基础设施领域投资均为正向影响。且对于建筑业增加值的变动,制造业投资的贡献度最高;对于劳动生产率的变动,制造业投资占比和基础设施投资占比的贡献度均要高于房地产开发投资占比。最后,基于上述结论,本文提出以下建议:国家应继续抑制投机的房地产投资,以避免房地产开发投资占比过高存在挤出效应,阻碍建筑业技术进步。政府部门应当制定相关政策,合理引导和支持建筑业企业转型,鼓励建筑业企业重视技术研究。建筑业企业要认识到现阶段状况,因地制宜地及时调整经营方向。东部地区的建筑业企业应尽快转型,承包制造业和基础设施领域建设项目以保障企业发展。建筑业企业应积极加大研发投入、提升技术水平和自身竞争能力,以满足承包更有技术含量的制造业和基础设施领域建设项目要求。

关键词：房地产开发投资制造业固定资产投资基础设施投资建筑业发展双向固定效应模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

山区高路堤沉降预测及数值模拟分析研究

山区高路堤沉降预测及数值模拟分析研究

作者：黄开章广西大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于状态模型与先验知识指导的自动作曲研究

基于状态模型与先验知识指导的自动作曲研究

作者：章美玉吉林大学

学位级别：硕士

利用深度学习技术实现自动作曲,使模型能够创作具有艺术性的音乐一直以来都是深度学习领域的焦点研究.在大语言模型领域,状态序列模型(SSM)将信号的概念引入到文本的映射学习中,并提出并行训练串行生成的方式使得其得到了广泛的研究和使... 详细信息

利用深度学习技术实现自动作曲,使模型能够创作具有艺术性的音乐一直以来都是深度学习领域的焦点研究.在大语言模型领域,状态序列模型(SSM)将信号的概念引入到文本的映射学习中,并提出并行训练串行生成的方式使得其得到了广泛的研究和使用,该方法在长文本生成方面展现出比注意力机制更为显著的优势.本文的主要研究内容为基于SSM构建模型并添加人类先验知识指导实现巴赫风格的四声部音乐生成.本文针对巴赫特定风格音乐生成时出现的和谐性问题,基于DeepBach现有研究结果,从生成方式和模型结构上进行改进,提出了基于人类先验知识指导的生成算法与基于SSM状态序列模型的GlobalSSMBach模型.实现了更优的巴赫复合音乐生成质量.本文的主要工作包括:1.提出了一个新的采样算法,选择音符、节奏、和弦以及音程特征,利用特征概率分布进行约束迭代采样.改进的算法利用人类先验知识指导伪吉布斯迭代采样,从而有效提升音乐的和谐性.2.针对DeepBach中左右两部分网络独立进行学习,无法信息交互的问题,修改模型学习方式,构建学习全局信息的注意力模型GlobalBach.同时调整模型细节使得模型相比于左右信息输入的DeepBach在重配和声精度上提升了 5%.3.提出基于SSM的自动作曲模型GlobalSSMBach.针对音乐的非完全时序特点,通过下采样与上采样设计多尺度结构将SSM模块纳入.模型在平均重配和声精度上相比DeepBach提高了 11.12%.

关键词：深度学习状态序列模型生成式模型自动作曲