Madaline网络用于分光光度法同时测定铜钴镍的研究

采用4－（2－吡啶偶氮）－间苯二酚（PAR）－Cu,Co,Ni显色体系，应用Madline神经网络原理，对于吸收光谱严重重叠的三组分金属配合物体系同时进行含量测定，Cu^2 ,Co^2 ,Ni^2 的平均回收率分别为94％，101％，102％，实验表明，该法具有训练速度快，预测结果准确度良好等特点，有望成为多组分分析的有效方法之一。     

基于Internet的化学学习模式与化学网络资源的利用

Internet技术的迅速发展 ,给化学教育带来了前所未有的冲击 ,为化学教育改革注入了活力。化学作为一门以实验为基础的学科 ,可以很好地与Internet技术结合 ,Internet巨大的信息资源的开发与利用已经发展成为一种能适应网络时代化学教育需求的全新的学习模式。分析并提出了基于Internet的网络教育的化学学习模式 ,以及如何在化学教育中深化网络信息资源的开发和利用。     

随机环境中带移民分枝过程的Cramér大偏差展式北大核心CSCD

本文考虑独立同分布的随机环境中带移民的分枝过程(Z_(n)).基于(Z_(n))的结构,利用测度变换技巧,并借助随机游动的相关结果,我们得到关于logZ_(n)的Cramer型大偏差展式.     

The Discrete Approximation of Continuous-state Nonlinear Branching Processes in Lévy Random Environments北大核心CSCD

In this paper, we establish the discrete approximation of continuous-state nonlinear branching processes in Lévy random environments by using tightness and convergence sequence in infinite dimensional product space via stochastic differential equations. Taking α-stable branching as an example, the conditions which are given to discretize continuous-state nonlinear branching processes in Lévy random environments are verified. © 2022 Chinese Academy of Sciences. All rights reserved.     

基于逆概率加权和插补的Mallows模型平均方法

数据缺失是实际数据分析中一个常见的问题.文章将逆概率加权方法与插补方法结合,提出了一种Mallows模型平均方法以处理数据缺失问题,并证明了该方法得到的估计量在实现最小平方误差的意义下能渐近地达到最优.相比于传统的逆概率加权方法,文章的方法不仅可以充分利用观测信息,并且能够应用于非随机缺失的情形.相比于完全基于插补的方法,文章的方法继承了插补方法的一些优势,同时能够避免因错误地插补较大的数据块而产生的偏差.通过数值模拟,首先验证了三种简单的插补方法满足渐近最优性成立的条件,之后将文章提出的Mallows模型平均方法与已有的应用于缺失数据的模型平均方法进行比较,结果表明,所提出的新方法在大多数情况下优于已有的其它模型平均方法.最后,将新方法应用于平均寿命数据,实证结果进一步表明新方法较已有模型平均方法更为稳健.     

基于GA-BP神经网络的信息技术业上市公司的成长性预测

文章针对民营企业中的信息技术业,建立包含盈利能力、营运能力、偿债能力、扩张能力、创新能力与公司规模6个方面的指标体系,采用整合改进遗传算法和神经网络的GA-BP算法,对企业的成长性建立模型进行预测与分析.进一步,为验证模型性能,从WIND金融数据库获取数据并进行预处理后,测试集上可决系数R2为0.9990,性能优于其他五种机器学习算法.通过公司市值增长率进行相关系数分析,对建立的模型进行有效性检验,结果表明所选特征的有效性与合理性.最后通过随机森林进行封装特征重要性排序,对指标模型进行简化,选出的8个特征在测试集上改进GA-BP算法的R2为0.8927,再次证明了最初指标选择的合理性.     

突发事件下抗疫物资供应链的激励机制随机演化博弈模型

突发公共卫生事件具有成因复杂、传播广泛、危害严重等特点,给抗疫物资的生产与供应带来了极大的不确定性.当生产企业在考虑生产环境、市场收益、职工安全等内外风险下而采取消极生产策略,会影响到供应链内其他企业的收益,甚至影响到物资供应的保障.文章针对抗疫物资生产企业运营决策与政府激励问题,构建基于抗疫物资生产企业在疫情下生产策略的随机演化模型,分别计算随机因素主导和期望收益主导两种情形下,企业生产供应策略的均衡结果,讨论了政府静态问责机制与动态奖惩结合机制下对不同程度消极生产企业的规制效果.研究表明:在静态问责机制对消极生产行为的规制效果与企业“驱利”转投获利程度相关,可有效刺激高获利程度企业转为“积极生产”;而动态奖惩结合机制效果与上述程度无关,可有效规避静态问责机制对低获利消极生产行为企业激励无效的现象.     

非自治刚性随机微分方程正则EM分裂方法的收敛性和稳定性

本文研究了数值求解非自治随机微分方程的正则Euler-Maruyama分裂（CEMS）方法,该方程的漂移项系数带有刚性且允许超线性增长,扩散项系数满足全局Lipschitz条件.首先,证明了CEMS方法的强收敛性及收敛速度.其次,证明了在适当条件下CEMS方法是均方稳定的.进一步,利用离散半鞅收敛定理,研究了CEMS方法的几乎必然指数稳定性.结果表明,CEMS方法在漂移系数的刚性部分满足单边Lipschitz条件下可保持几乎必然指数稳定性.最后通过数值实验,检验了CEMS方法的有效性并证实了我们的理论结果.     

一类带扰动的随机脉冲泛函微分方程解的渐近性北大核心CSCD

该文讨论了一类带扰动的随机脉冲泛函微分方程解的渐近性.通过比较扰动方程的解和原方程的解,得到了两者逼近的充分条件.首先,两者在有限的时间区间上相互逼近;其次,当扰动趋于零时,区间长度趋于无穷大,在这个区间上两个解仍然是相互逼近的.最后,举例说明了结果的有效性.     

基于时空图注意力网络的跳高轨迹预测

跳高运动由助跑、单脚起跳、越过横杆落地等一系列动作组成,跳高运动轨迹是一个复杂的因果系统.在每一个时间节点,运动员的身体姿态符合一定的规律约束.研究建立了跳高运动过程中关键身体关节节点坐标依时间变化的离散过程模型,每个时刻的各关节点位置向量由给定的之前若干个时刻的运动员关节点位置决定.跳高运动员肢体的摆动、关节点位置的变化都对运动员位移有重要作用.运动员重要关节点之间的相互作用,使得跳高运动轨迹难以刻画和预测.随着深度学习的发展,图神经网络在时空特征刻画和预测上具有优势.基于时空图注意力网络结合长短时记忆网络、门控循环单元(STGAT-LSTM、STGAT-GRU)建立了具有空间位置约束的跳高运动员关节点位置随时间变化的模型,用于推算跳高运动员重心和关节点位置轨迹.实验结果表明该模型能够很好地刻画跳高运动的过程,对于关节点位置的预测能够达到较好的效果.研究所提出模型的预测效果比基线模型准确性提高了0.02-0.03米.研究给出了基于神经网络模型进行跳高运动轨迹预测的可行解决方案,可作为跳高运动仿真和技术优化研究的重要参考.