基于社会网络视角的科研合作网络结构及特性分析——以战略性新兴产业领域为例

战略性新兴产业是近几年新出现的研究热点,对其科研合作网络的研究,有助于探究该领域的科研合作现状与发展趋势。基于社会网络分析方法,以中国知网(CNKI)作为数据来源,构建了战略性新兴产业领域作者合作网络、关键词共现网络、作者-关键词耦合网络及机构合作网络,对合作网络的结构及特性等进行了分析。结果表明:战略性新兴产业领域论文合著率基本呈上升趋势,但该领域整体合作仍较为松散,存在较多的小团体;合作网络具有小世界和无标度特性,具有较大影响力的节点作为合作网络的中心,影响着网络内的学术交流和科研工作的开展。     

基于人工神经网络的互联网公司估值方法研究

资本市场认为互联网公司市值的驱动因素应包括盈利因子、运营因子、流量因子和协同因子。将协同效应指标考虑到公司估值体系中,意图构造互联网公司优化估值模型。使用美股上市的互联网企业数据建立了评价指标体系,通过因子分析实现了二级指标降维,通过实证分析确认了四个因子与公司市值的相关关系,最后构建了基于人工神经网络BP算法的互联网公司估值模型,通过预测数据的检验发现模型的准确度较高。随着2018年互联网公司美股上市潮的持续,该模型能有效为资本市场估值提供参考。     

一种基于量子加密的软件定义网络南向安全防护策略

提出一种以量子加密技术为核心的软件定义网络（Software-defined Network，SDN）的南向安全防护策略，建立了基于量子密钥分发的SDN网络模型并分析了该模型下的身份认证、量子密钥分发和自适应免疫窃听流程。推导出了本策略下窃听攻击强度、用于检测窃听的量子态数目的比例α、系统发现窃听者的概率、密钥分发效率之间的定量关系。通过动态仿真分析确立了不同攻击强度下系统参数α的最优选值区间。SDN控制器可根据该仿真结果，动态地决策系统中α的取值进行自适应免疫密钥分发，实施更为精准的窃听免疫方案。     

基于深度学习的跳频信号识别

针对跳频信号分选存在人工提取参数特征具有复杂性的问题，提出了一种基于深度学习的识别方法。首先对跳频信号进行短时傅里叶变换，得到二维的时频矩阵；接着提取信号的轮廓特征，构造三维矩阵作等高线图，并对等高线图进行预处理；最后把预处理后的等高线图输入到卷积神经网络中进行训练、测试，进而实现分类识别。仿真结果表明，在不需要复杂的人工提取参数特征的基础上，在分选率为100〖WT《Times New Roman》〗%〖WTBZ〗时，所提方法经裁剪处理下的信噪比为-15 dB，比支持向量机和传统K-Means聚类算法都低10 dB。实测数据的算法验证表明，所提方法能够将大疆精灵4Pro、hm无人机、司马航模X8HW以及大疆悟2这四类无人机正确分类。     

一种基于孪生神经网络的深度异构网络嵌入算法

针对现有异构网络嵌入方法导致的捕获关系冗余和模糊的问题，提出了一种基于孪生神经网络的深度异构网络嵌入模型。首先，基于面向关系的深度嵌入(Relation-Oriented Deep Embedding，RODE)框架构建了异构网络嵌入模型，以区分同型节点和异型节点之间的关系；其次，将同型节点与异类节点之间的相似性近似到低维空间，通过构建多任务的孪生神经网络来实现节点之间结构和语义关系的深度嵌入；最后，选取四个数据集执行典型网络挖掘任务，并与其他六种算法进行实验对比分析。实验结果表明，保持相同类型节点之间的相似性有助于提高节点分类效率，且损失函数在提高异构网络嵌入质量方面具有良好的优越性；RODE模型能够有效提高稀疏网络的嵌入质量，且具有良好的稳定性和鲁棒性。     

基于BP人工神经网络中国光伏产业贸易摩擦预警研究

建立有效的贸易摩擦预警系统有利于中国新兴产业的健康发展,有利于中国实施制造强国战略。将警兆信号法与人工神经网络相结合,从宏观经济形势、产业供给能力、双边贸易状况、市场需求水平等四个维度切入,构建了中国光伏产品出口贸易摩擦预警系统模型。预警分析表明,模型的预警效果与现实拟合较好,具有可行性。从模型的预警结果来看,2019年~2020年中国输美光伏产品贸易摩擦警情均低于轻警级别,仍面临一定的贸易摩擦风险。     

中国自贸区战略实施的现状、效果、趋势及未来策略

随着全球经贸规则的加速重构,我国自贸协定的谈判和签署步伐明显加快,且签署协定的开放水平不断提升,协定实施对双边贸易也产生了显著的促进效果。未来,中国的自贸协定谈判将呈现出覆盖范围更广、开放层次更高、协定对象向重点国家和地区突破的态势。为了实现"形成覆盖全球的高标准自贸区网络"的目标,我国应通过积极参与构建超大型自贸区、将自贸区网络建设与"一带一路"倡议相结合、深化自身改革提供制度支撑、综合考量宏观收益开展自贸谈判、设计兼具稳定性和灵活性的自贸协定"范式"等策略来推进自贸区建设。     

一种利用优先经验回放深度Q-Learning的频谱接入算法

针对认知无线传感器网络中频谱接入算法的频谱利用率不高、重要经验利用率不足、收敛速度慢等问题，提出了一种采用优先经验回放双深度Q-Learning的动态频谱接入算法。该算法的次用户对经验库进行抽样时，采用基于优先级抽样的方式，以打破样本相关性并充分利用重要的经验样本，并采用一种非排序批量删除方式删除经验库的无用经验样本，以降低能量开销。仿真结果表明，该算法与采用双深度Q-Learning的频谱接入算法相比提高了收敛速度；与传统随机频谱接入算法相比，其阻塞概率降低了6%~10%，吞吐量提高了18%~20%，提高了系统的性能。     

一种基于微波雷达回波信号的车型分类方法

车辆类型识别方法是智能交通系统的关键技术之一。利用深度学习的高维特征泛化学习能力，将改进的LeNet-5卷积神经网络用于基于交通微波雷达的大小车型分类识别。首先，以雷达触发前的N帧信号为基础，对雷达的回波信号进行分析并构建数据集；然后，分析LeNet-5卷积神经网络的特点；最后提出一种改进的LeNet-5卷积神经网络。实验结果表明，与传统的支持向量机方法相比，所提方法能够智能学习大小车的雷达时频信号特征，大小车型识别准确率达到97%以上，可为交通场景下的车型识别研究提供新的技术途径。     

蜂窝网络自组织研究及展望

自组织网络技术是提高蜂窝网络运行效率、降低运营成本的重要工具，已作为基本功能在4G标准化初始版本获得引入并得到不断发展。在复杂度更高的5G网络中实现网络自动化管理的需求将进一步增强。回顾了蜂窝网络自组织技术的基本概念、分类和主要用例，分析了主要研究方法；总结了学术界、标准化组织及研究机构的研究进展，重点介绍了基于机器学习的最新研究成果；调查了工程应用现状，分析了自组织网络面临的主要挑战，同时指出了新的研究方向。