科学解释在知识创新中的作用

科学解释是科学家用科学规律来消解自然之谜的知识创新活动，它在知识创新中的作用表现在：第一，科学解释具有预测未知现象的存在中未来事态发展趋势的功能；第二，它在建构新颖理论体系的过程中起着特别重要的作用。     

趣味性融入数学课堂教学方法初探

中小学数学课程要求:“必须使学生形成勇于探索,勇于创新的科学精神”。现结合自己的教学实践,谈谈把创新与数学的趣味性和实践性引入课堂的看法。     

技术创新与增长期权定价

本采用了净现值(NPV)和实物期权定价方法对一个实际的MMDS的发射放大器项目进行了定价，并对两种方法定价的结果进行了分析和对比。由于实物期权方法定价的结果包含项目中的增长期权和放弃期权的价值，因而实物期权方法定价的结果比NPV方法定价的结果更合理和更高。     

素质功能研究与素质教育

本文试图从新的视角界定素质的内涵和外延 ;并从综合素质诸素质之间的兼容性入手 ,对素质功能及功能作用发挥的条件进行分析 ,强调素质功能在社会个体与群体中的有效运行必然可以实现个人与社会发展的良性互动。素质功能研究的核心在于实现素质的正功能 ,克服素质功能逆向发挥的不利因素。同时廓清了素质发展的“全面”与“自由”的关系。指出因材施教作为一种制度安排 ,对实现个体自由发展所具有的意义。     

技术不确定环境下新产品策略的设计应用

技术的动态发展和企业间的竞争对企业新产品策略有很大影响,直接决定新产品的引进周期。本文在产业技术动态变化的随机环境下构建随机动态规划模型,关注产业技术进步、投资成本和产品市场竞争等影响因素,探讨企业进行新产品引进的周期选择,对新产品引进的周期和质量决策进行方法设计和应用举例。利用随机动态规划模型得出新产品引进的最优时间周期,用算例分析技术进步和产品研发成本对企业引进周期策略的影响,采取策略迭代的方法进行求解,发现技术进步较快时企业的新产品引进步伐也较快,研发成本的提高使企业的新产品引入步伐降低。     

论大学教师应具备的基本素质

大学教师肩负着为国家培养有理想、有道德、有文化、有纪律，能适应市场经济和社会发展需求的不同层次的高级专门人才的历史重任。要完成这一历史重任，其必须具备敬业、博学、严谨和创新的基本素质。敬业为本，博学为魂，重在严谨，贵在创新。     

技术创新的激励机制研究

本通过引入激励经济学的思想来探讨解决目前我国技术创新中的激励不足问题。本从分析具体的激励模型（包括简单激励模型、多代理任务模型和自我选择模型）入手，并进行模型的推广应用，通过选择性的讨论，针对技术创新的具体问题提出激励机制设计思想和政策建议。     

理论创新的哲学探析

理论创新是体制创新、科技创新等众多创新的基础，是马克思主义哲学的基本要求和题中应有之意，要做到理论创新，既要求人们解放思想、实事求是、与时俱进，还要求人们勇于实践、善于实践，不断提高理论修养，不断锤炼思维素质。     

解读高校自主招生

高等学校招生改革应分"普招"和"特招"两个层面来展开。自主招生属于"特招"范畴。自主招生特别是面向那些具有创新精神的学生,而不是为成绩最好的学生而设的。它是"普招"的一种必要的补偿,在当前尤其应该是高校招生改革的重点,但不能期望把自主招生搞成高校招生的主流形式。     

<Emphasis Type="Italic">L</Emphasis><Subscript>1</Subscript> linear interpolator for missing values in time series

We propose a minimum mean absolute error linear interpolator (MMAELI), based on theL ₁ approach. A linear functional of the observed time series due to non-normal innovations is derived. The solution equation for the coefficients of this linear functional is established in terms of the innovation series. It is found that information implied in the innovation series is useful for the interpolation of missing values. The MMAELIs of the AR(1) model with innovations following mixed normal andt distributions are studied in detail. The MMAELI also approximates the minimum mean squared error linear interpolator (MMSELI) well in mean squared error but outperforms the MMSELI in mean absolute error. An application to a real series is presented. Extensions to the general ARMA model and other time series models are discussed. This research was supported by a CityU Research Grant and Natural Science Foundation of China.