基于SFA-Malmquist模型的区域软件与信息技术服务业全要素生产率测算与分析

软件与信息技术服务业是推动制造业迈向高质量发展的重要支撑.如何构建计量模型并测算软件与信息技术服务业的生产率,是准确把握其发展规律并识别其影响机制的基本前提.以我国28个省份的软件与信息技术服务业的面板数据,基于Translog生产函数,构建随机生产前沿方法(SFA)与Malmquist指数相结合的全要素生产率测量模型,比较分析了我国软件与信息技术服务业全要素生产率及其分解效率,并建立Tobit回归模型实证检验信息技术对软件与信息技术服务业生产率的影响及城市化的调节效应.研究表明,资本投入显著正向影响软件与信息技术服务业的产出,人力资本投入对软件与信息技术服务业的产出具有负向影响;软件与信息技术服务业技术效率呈下降趋势,全要素生产率在统计期内平均增长了5.1%且区域增长差异明显;信息技术促进了全要素生产率,城市化负向调节信息技术与全要素生产率之间的关系.因此,应提高软件与信息技术服务业的人力资本质量,提高运作过程中的技术效率,重视城市化对全要素生产率的影响.     

基于深度学习的无波前探测自适应光学系统研究进展

近年来自适应光学（AO）系统向着小型化和低成本化趋势发展,无波前探测自适应光学（WFSless AO）系统由于结构简单、应用范围广,成为目前相关领域的研究热点。硬件环境确定后,系统控制算法决定了WFSless AO系统的校正效果和系统收敛速度。新兴的深度学习及人工神经网络为WFSless AO系统控制算法注入了新的活力,进一步推动了WFSless AO系统的理论发展与应用发展。在回顾前期WFSless AO系统控制算法的基础上,全面介绍了近年来卷积神经网络（CNN）、长短期记忆神经网络（LSTM）、深度强化学习在WFSless AO系统控制中的应用,并对WFSless AO系统中各种深度学习模型的特点进行了总结。概述了WFSless AO技术在天文观测、显微成像、眼底成像、激光通信等领域的应用。     

基于RUN优化算法的波前校正系统

将龙格-库塔优化器用于无波前探测自适应光学系统，提出基于RUN的自适应光学控制方法。以61单元变形镜为波前校正器件，不同湍流强度下的畸变波前为校正对象，建立基于RUN优化算法的自适应光学系统模型。对比分析基于RUN、PSO、DEA和GA等算法的波前校正效果、校正速度和局部极值。结果表明，相比基于粒子群优化算法、差分进化算法和遗传算法的自适应光学系统，在取得相同校正效果时，基于RUN优化算法的波前校正系统在不同湍流条件下的校正速度均提高三倍以上，且RUN算法不易陷入局部极值。研究结果可为基于RUN优化算法的波前校正系统的实际应用提供理论基础。