检索结果-南通市图书馆

维普期刊数据库

国际经验对我国创业投资引导基金设立与运营的启示

在线全文

学校读者我要写书评

暂无评论

财会月刊（下） 2018年第4期 132-136页

作者：姜宏青魏小茹中国海洋大学管理学院教授青岛266100

2015年11月12日《政府投资基金暂行管理办法》的实施,标志着我国政府对企业创业创新项目的资金支持进入常态化管理的新时代。从国际发展来看,许多国家和地区早就建立了创业投资引导基金并取得了较好的经济效果,分析这些国际经验及教训... 详细信息

2015年11月12日《政府投资基金暂行管理办法》的实施,标志着我国政府对企业创业创新项目的资金支持进入常态化管理的新时代。从国际发展来看,许多国家和地区早就建立了创业投资引导基金并取得了较好的经济效果,分析这些国际经验及教训旨在指导刚刚起步的我国创业投资引导基金的运行。结合我国的现实条件以及发展目标,我国创业投资引导基金的运营应该首先明确政府定位和基金定位,减少政府干预;然后完善基金管理制度和人才管理制度,建立统一的信息平台,强化监管;最后应该完善责任评价机制,以保障创业投资引导基金可持续运营。

关键词：政府投资基金引导基金基金运营国际比较

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

STEAM视域下的初中语文说明文教学研究

STEAM视域下的初中语文说明文教学研究

作者：魏小荧贵州师范大学

学位级别：硕士

社会资本对公民开放政府数据采纳影响机制研究 ——基于感知价值和自我效能视角

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

社会资本对公民开放政府数据采纳影响机制研究 ——基于感知价值...

作者：魏小媛齐鲁工业大学

学位级别：硕士

近年来,开放政府数据(Open Government Data,OGD)越来越受到世界各国政府和学术研究人员的关注,各国学者对OGD采纳的主体进行了不同层次的研究。OGD被认为是推进公共数据增值的重要媒介,逐渐得到社会公众的了解和认可,但公民对OGD的认... 详细信息

近年来,开放政府数据(Open Government Data,OGD)越来越受到世界各国政府和学术研究人员的关注,各国学者对OGD采纳的主体进行了不同层次的研究。OGD被认为是推进公共数据增值的重要媒介,逐渐得到社会公众的了解和认可,但公民对OGD的认知还有待深化,并且如今公民OGD采纳机制的实证研究仍有待丰富化。本文基于刺激-个体认知或感受-反映(Stimulation-Organism-Reaction,S-O-R)理论框架,将社会资本作为外部环境刺激,结合感知价值理论和自我效能理论探索公民OGD采纳的影响机制,有助于了解公民需求,提升公民OGD采纳积极性,对政府进一步开展OGD相关举措具有指导意义。本文从公民OGD采纳能给公民带来的价值感知以及对自身能力的认知进行展开,从而探讨了公民采纳OGD的影响机制。首先,将感知价值作为公民评判政府数据公开工作好坏的感知引入模型,作为S-O-R框架中的公民感受,研究社会资本对公民OGD采纳的影响。以社会资本(社会承诺资本、社会认同资本、政府信任资本以及联系强度资本)为自变量,以公民OGD采纳作为因变量,感知价值(感知数据价值、感知社会价值以及感知情绪价值)作为中介变量,采用结构方程模型(Structural Equation Model,SEM)方法对上述研究模型进行了实证分析。研究发现,社会承诺资本、社会认同资本、政府信任资本以及社交强度资本对公民OGD采纳行为有显著正向影响,感知数据价值和感知情绪价值中介效应不显著,感知社会价值在社会认同资本对公民OGD采纳行为中起到完全中介作用,在其他的路径中均起到部分中介作用。此外,本文还发现,除社会承诺资本和感知数据价值外,所有因素都对公民OGD采纳行为有显著正向影响,社交强度资本的直接影响效果最大,社会认同资本的直接影响因素最小。本文将自我效能,即公民对个人能力的信心引入模型,作为S-O-R框架下公民认知的一部分,以探究社会资本对公民OGD采纳的影响。本文以社会资本为自变量,以公民OGD采纳作为因变量,公民自我效能作为中介变量,采用SEM方法,借助AMOS和SPSS软件对上述研究模型进行了实证分析。研究发现,社会承诺资本、社会认同资本、政府信任资本以及社交强度资本对公民OGD采纳行为有显著正向影响,自我效能在各路径中均起到部分中介作用。此外,本文还发现,社交强度资本的直接影响效果最大,社会认同资本的直接影响因素最小。综上所述,本文立足于S-O-R理论框架,选取社会资本作为自变量,并将公民对个人能力的认知程度视为内在影响因素,同时考虑公民对政府公开工作质量的感知作为外部影响因素,进而搭建起整篇文章的理论模型,进行影响公民OGD采纳的因素的研究。本文丰富了公民OGD采纳的研究机理,扩充了有关社会资本、感知价值以及自我效能对公民OGD采纳影响的理论研究,具有一定的理论和实践意义。

关键词：开放政府数据(OGD) OGD采纳社会资本自我效能感知价值

基于轻量化自注意力机制的自监督单目深度估计

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

基于轻量化自注意力机制的自监督单目深度估计

作者：魏小坤北方工业大学

学位级别：硕士

单目深度估计,即从单张图像当中逐像素点去获取对应的深度信息,是计算机视觉领域的一个重要分支。近年来,随着深度学习不断取得新的突破,基于卷积神经网络的单目深度估计方法取得了令人瞩目的进展。卷积神经网络从单张图像中提取特征的... 详细信息

单目深度估计,即从单张图像当中逐像素点去获取对应的深度信息,是计算机视觉领域的一个重要分支。近年来,随着深度学习不断取得新的突破,基于卷积神经网络的单目深度估计方法取得了令人瞩目的进展。卷积神经网络从单张图像中提取特征的能力在深度估计、目标检测、语义分割等领域中得到了充分的验证。但是,卷积神经网络存在明显的缺陷。第一,由于存在大量下采样操作,网络在编码器端会丢失大量特征,而这些特征在解码器端无法恢复,这会极大降低单目深度估计的预测精确度。第二,卷积神经网络因其空间归纳偏置特性而能够通过学习较少的参数在多种视觉任务中获取表征,然而,它在空间上表现出局部性。因其提取特征能力只能限定在固定的卷积核大小范围之内,故很难捕捉图像全局上下文信息。基于多头自注意力机制的ViT(Vision Transformer)很好地弥补了卷积神经网络存在的上述缺陷。与卷积神经网络不同,该架构擅长捕获全局特征信息。然而,由于其不具备卷积神经网络的归纳偏置特性,导致ViT需要巨大的参数量和计算量以及大量的数据增强。性能的提高是以模型大小和延迟为代价的,因此将该架构部署到移动端极其困难。针对上述卷积神经网络和ViT存在的问题,本文提出了空洞自注意力模块(Dilated Self-Attention Block,DSAB)和局部全局特征提取模块(Local and Global Feature Extraction,LGFE)。前者解决了传统ViT参数量庞大问题,本文通过限制令牌间自注意力计算的次数来达到该目的。后者结合了卷积神经网络和ViT的优势,首先在低维空间中通过标准卷积去提取局部表征信息,继而将输入张量映射到高维空间中,通过轻量化DSAB模块去提取全局信息,达到同时提取全局特征和局部特征的目的。在KITTI数据集上的实验表明,本文所提出的基于Mobile Depth模型的自监督单目深度估计方法相比较Mono Former-Hybrid而言,在保持性能的情况下参数降低了88.6%。

关键词：单目深度估计自注意力机制卷积神经网络轻量化

基于元学习和密集残差注意力的遥感图像任意尺度超分辨率重建

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

遥感学报 2024年第7期28卷 1735-1745页

作者：魏小源孟钢张浩鹏姜志国北京航空航天大学宇航学院北京102206 北京市遥感信息研究所北京100192

超分辨率重建技术在卫星遥感图像信息智能处理领域中有重要的应用。现有面向遥感图像超分辨率重建的深度学习方法大多只能处理一种比例因子的超分辨率重建任务,在多尺度层面上缺少泛化性,难以满足真实遥感图像多倍率连续放大的超分辨率... 详细信息

超分辨率重建技术在卫星遥感图像信息智能处理领域中有重要的应用。现有面向遥感图像超分辨率重建的深度学习方法大多只能处理一种比例因子的超分辨率重建任务,在多尺度层面上缺少泛化性,难以满足真实遥感图像多倍率连续放大的超分辨率重建任务需求。为解决遥感图像超分辨率重建过程中的多尺度放大问题,本文采用元学习的方法,在构建单一自适应模型的基础上实现对遥感图像的任意尺度超分辨率重建,提升遥感图像的空间分辨率,利用密集残差网络和通道注意力机制重建遥感图像中地物纹理、目标边缘等丰富细节信息。在真实遥感图像上的定量实验表明,本文所提方法重建结果的峰值信噪比能达到40 dB以上,同时在多种数据上的定量和定性实验结果证明了本文方法的有效性。

关键词：超分辨率重建遥感图像任意尺度元学习密集残差网络通道注意力机制

维普期刊数据库

基于Langrange分解的反应性资源受限项目调度建模与优化

在线全文

学校读者我要写书评

暂无评论

系统管理学报 2024年

作者：魏亚锋张梦茹苏志雄魏汉英南昌工程学院工商管理学院

针对不确定环境下的资源受限项目调度问题，研究工序工期不确定的反应性调度方法，即在项目基线计划中断情况下，快速提出新的最优计划。由于新计划必然会偏离基线计划，并对项目造成一定影响和损失，故以最小化影响和损失为该调度目标... 详细信息

针对不确定环境下的资源受限项目调度问题，研究工序工期不确定的反应性调度方法，即在项目基线计划中断情况下，快速提出新的最优计划。由于新计划必然会偏离基线计划，并对项目造成一定影响和损失，故以最小化影响和损失为该调度目标。首先，通过引入资源流表示资源约束，构建该问题的0-1混合线性整数规划模型；其次，鉴于该问题的NP-hard属性，基于Langrange松弛、对偶和分解法以及Benders分解法，并结合次梯度法，对该模型进行优化，降低求解难度，设计出能够以较高的效率和精确度求解该问题的迭代算法；最后，通过数值实验，测试该算法的有效性，验证其可用于求解中型甚至较大型规模问题案例的更精确的解。

关键词：反应性资源受限项目调度 0-1混合线性规划 Langrange分解 Benders分解次梯度