检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

垄断地位的维持:美国政府控微软案

山东大学学报（哲学社会科学版） 2008年第3期 15-27页

作者：丹尼尔.L.鲁宾费尔德美国司法部

微软案的核心是美国政府声称微软采取了一系列反竞争行为,其目的是保持其在操作系统(OS)市场上的垄断。美国政府并没有质疑微软历史上成功的根源,但是声称,微软的行为使消费者受到了损害,部分原因是因为消费者需要为操作系统支付更高的... 详细信息

微软案的核心是美国政府声称微软采取了一系列反竞争行为,其目的是保持其在操作系统(OS)市场上的垄断。美国政府并没有质疑微软历史上成功的根源,但是声称,微软的行为使消费者受到了损害,部分原因是因为消费者需要为操作系统支付更高的价钱,部分原因是因为微软的行为减少了软件行业的创新。而作为回应,微软则辩解道,在一个高速发展的产业中,它面临的是十分严峻的竞争威胁,因此并不存在垄断。它进一步辩解道,微软的成功应被视为是促进竞争的,因为从它的高质量创新型软件分销中,消费者得到了利益。如果法院强行实施反托拉斯纠正,微软相信,竞争的激励将会减少,并会导致更少的而不是更多的创新。

关键词：反垄断美国司法部微软

在线全文

学校读者我要写书评

暂无评论

旅游导视 2 1

2015年

作者：（英）费尔德曼（英）曼宁编

本书收录了近100个来自世界各地的旅游导视项目，每个项目都来自世界上最优秀的平面／导视设计公司。这本书的主要内容包括：博物馆、艺术馆、公园、动物园、风景区、度假村、交通出行等方面，函盖内容非常的丰富。

ISBN: (数字)9787538191936

ISBN: (纸本)9787538191936

关键词：旅游

来源：畅想之星图书光盘版（南... 评论

在线全文

畅想之星图书光盘版（南通市图书馆镜像）

学校读者我要写书评

暂无评论

十月革命是无产阶级革命吗

社会科学战线 2017年第7期 80-87页

作者： М.А.费尔德曼张广翔张丁育国民经济和国家行政科学院乌拉尔分院吉林大学东北亚研究院吉林财经大学国际交流学院

1917年二月革命后,俄国进入了一个被称为"两个政权并存"的特殊时期——资产阶级临时政府与工人士兵代表苏维埃同时存在,并各自掌握部分政权。这种情况最终被该年11月(俄历10月)爆发的十月革命所打破。十月革命事件从发生至今已有一个世... 详细信息

1917年二月革命后,俄国进入了一个被称为"两个政权并存"的特殊时期——资产阶级临时政府与工人士兵代表苏维埃同时存在,并各自掌握部分政权。这种情况最终被该年11月(俄历10月)爆发的十月革命所打破。十月革命事件从发生至今已有一个世纪之久,但史学界对其性质和原因研究的争议还远未达成共识。对"十月革命"的定义从"具有世界性影响的全方位伟大革命"到"一场文明的浩劫",显现出了两极化评价特点。何以一场早已过去的革命事件会有如此反差巨大的评价呢?十月革命是一次无产阶级革命吗?鉴于此,笔者重新解读相关史料,解析工人罢工运动、赤卫队兵力、普通士兵与赤卫队的角色对比、苏维埃在1917年十月系列事件中的作用等方向性课题,在"政变"和"革命"两个概念之间提出一种新的模式,或可为厘清十月革命事件发展脉络,从而更好地回答上述问题创造必要条件。

关键词：社会革命工人运动赤卫队普通士兵上层政变

在线全文

学校读者我要写书评

暂无评论

永不言弃

作者： (美)J.·坎费尔德

来源：南通市图书馆图书评论

学校读者我要写书评

暂无评论

单身一族

机器学习模型在亚急性期脑卒中患者康复后功能结局预测中的价值研究

作者： (美)J.·坎费尔德

来源：南通市图书馆图书评论

学校读者我要写书评

暂无评论

中医康复 2025年第1期2卷 12-17页

作者：曾形信赖奕杉殷敏中国人民解放军联勤保障部队第九四五医院四川雅安625000

目的:探讨机器学习模型与逐步线性回归(Stepwise linear regression,SLR)模型在亚急性期脑卒中患者康复后功能结局预测中的价值。方法:选取中国人民解放军联勤保障部队第九四五医院2013年1月~2023年12月收治的亚急性期脑卒中患者1046例... 详细信息

目的:探讨机器学习模型与逐步线性回归(Stepwise linear regression,SLR)模型在亚急性期脑卒中患者康复后功能结局预测中的价值。方法:选取中国人民解放军联勤保障部队第九四五医院2013年1月~2023年12月收治的亚急性期脑卒中患者1046例为研究对象,取患者一般资料以及入院时功能独立性量表(Functional Independence Measure,FIM)评分构建SLR、回归树(Regression ***)、集成学习(Ensemble learning,EL)、人工神经网络(Artificial neural network,ANN)、支持向量回归(Support vector regression,SVR)以及高斯过程回归(Gaussian process regression,GPR)预测模型,并采用10折交叉验证,比较各模型实际与预测出院FIM评分以及FIM增益的决定系数(R^(2))、均方根误差(Root Mean Squared Error,RMSE)。结果:机器学习模型(R^(2):RT=0.75,EL=0.78,ANN=0.81,SVR=0.80,GPR=0.81)在预测FIM运动评分方面优于SLR(0.70)。机器学习模型对FIM增益总分的预测准确性(R^(2):RT=0.48,EL=0.51,ANN=0.50,SVR=0.51,GPR=0.54)也优于SLR(0.22)。结论:机器学习模型在预测FIM预后方面优于SLR:仅包含患者一般信息和入院FIM评分的机器学习模型的预测准确性优于既往研究,同时GPR对FIM预后的预测准确性最高。

关键词：脑卒中亚急性期机器学习预测功能独立性量表逐步线性回归人工神经网络