指向深度学习的古诗教学“四意识”——以部编版小学语文四年级上册第三单元《古诗三首》为例

深度学习是落实学科核心素养的重要途径,古诗教学是语文阅读中的重要组成部分。指向深度学习的古诗教学开展尤为迫切,要打破以往传统的教学方法,应具备四个意识即关联意识,转化意识,横纵意识和聚焦意识。     

深度学习方法在作物遥感分类中的应用和挑战

[目的]准确估算作物的面积和分布对粮食安全至关重要。与传统的机器学习方法相比,深度学习具有多种优势,如端到端训练、可迁移性。为有效利用高时空数据进行作物识别提供了新的机遇。已有多种模型被应用于作物分类任务中,针对不同的分类任务,如何有效地选择模型,并对其进行训练和使用已成为关键问题。[方法]文章回顾了利用深度学习模型对作物分类的主要研究。N维卷积神经网络(N-D CNN)(N=1、2、3)和递归神经网络(RNN)已被有效用于作物分类任务。长短期记忆RNN(LSTM RNN)和门控循环单元RNN(GRU RNN)是RNN的变体,解决了随着时间序列增加RNN出现的梯度消失或爆炸问题。此外,还有研究使用CNN和RNN(我们称为RCNN)的混合模型对作物进行分类。该文首先阐述了使用深度学习方法进行作物制图的背景和意义,并介绍了CNN和RNN模型结构。然后回顾了一些典型的研究,包括模型的结构、遥感数据源、数据处理方法和分类精度。最后,总结了使用深度学习方法进行作物分类的挑战以及现有解决方案的局限性。[结果](1)1-D CNN可用于提取时间特征,或时间+光谱特征,分类效果良好;2-D CNN已被广泛应用于单时相数据的空间特征提取,分类精度依赖于数据源;3-D CNN应用较少,但具有很大的潜力,尤其是时间+空间维度的特征提取;(2)相同条件下(架构、数据源、研究区域、类别),LSTM RNN和GRU RNN分类效果通常高于普通RNN,而前两者的效果差距不大,但GRU RNN训练时间较短;(3)CNN+RNN混合模型(RCNN)用RNN比3-D CNN更适合提取时间特征。这主要是由于RNN建立了对序列数据的长期依赖,而3-D CNN卷积核是局部计算的。[结论]通过分析,认为深度学习技术是作物遥感分类的有效工具。此外,与其他模型相比,RCNN,3-D CNN和GUR RNN具有更大的潜力。     

技术并购能够带来技术创新效应吗 ——收购公司成长潜力视角

选择2009—2017年我国A股高科技产业上市公司并购事件作为研究对象，考察技术并购能否给收购公司带来技术创新效应，以及收购公司成长潜力水平对技术并购与技术创新效应的调节作用，并进一步从两维度区分不同类型技术并购以检验其技术创新效应差异。结果发现：技术并购能够显著带来技术创新产出效应和技术创新促进效应；收购公司成长潜力越大，技术并购带来的技术创新效应越显著。此外，相对技术进入型并购，技术巩固型并购更能给收购公司带来显著技术创新效应，而国内技术并购与跨境技术并购带来的技术创新效应不存在显著差异。     

环境规制、代理成本与公司绩效——来自化工行业上市公司的经验证据

本文选取2014-2018年A股化工行业上市公司为研究对象,采用中介效应模型研究环境规制、代理成本和公司绩效的关系.研究结果显示,环境规制具有降低代理成本的作用,在此基础上能够对公司绩效产生积极影响.进一步地,将总样本按照地区进行划分,发现环境规制对代理成本的降低程度在东、中、西部地区无明显差异,但对公司绩效的提升作用存在地区性差异.具体来说,命令控制型环境规制会降低公司绩效,代理成本能削弱该降低作用;市场激励型和公众参与型环境规制会提升公司绩效,代理成本能强化该提升作用,以上结论在分地区样本中仍然成立,并且市场激励型环境规制对东部地区公司绩效的提升作用明显高于中、西部地区.     

航班计划优化研究概述

从航班计划优化的不同时间阶段分析,可以将航班计划优化分为航班计划静态编排优化、基于航班延误预测的航班计划动态反馈优化和基于机场协同决策(A-CDM)的航班计划动态调整角度三类;进而从航班时刻、机型指派、航班频率等编制环节分析了航班计划静态编排优化;随后利用延误波及预测与数据挖掘预测的优化方法分析了基于航班延误预测的航班计划动态反馈优化的相关研究。最后,根据航班计划优化复杂性分析,给出了航班计划优化的发展趋势和未来研究方向。