Systemic financial risk early warning of financial market in China using Attention-LSTM model

We propose an Attention-LSTM neural network model to study the systemic risk early warning of China. Based on text mining, the network public opinion index is constructed and used as a training set to be incorporated into the early warning model to test the early warning effect. The results show that: (i) the network public opinion is the non-linear Granger causality of systemic risk. (ii) The Attention-LSTM neural network has strong generalization ability. Early warning effects have been significantly improved. (iii) Compared with the BP neural network model, the SVR model and the ARIMA model, the LSTM neural network early warning model has a higher accuracy rate, and its average prediction accuracy for systemic risk indicators has been improved over short, medium and long terms. When the attention mechanism is included in the LSTM, the Attention-LSTM neural network model is even more accurate in all the cases.     

黄浦江两岸地区公共空间可达性研究 ——基于社会网络分析的公共交通评价与 优化策略

黄浦江两岸地区正在打造世界级的滨江公共空间， 如何便捷、多样地抵达滨江公共空间是其规划设计和建设实施 的重要评价指标。将该评价指标定义为滨江公共空间可达性， 指居民利用滨江公共交通系统(常规公交)抵达滨江公共空间的 便捷性和多样性程度。利用社会网络分析方法，以虹口区和徐 汇区的滨江公共空间为例，构建了滨江公共空间可达性模型， 借助地理信息系统(ArcGIS)与计算机编程语言(Python)对现 状可达性进行量化分析评价，并提出优化滨江公共空间可达性 的算法和策略，以期更好地提升滨江公共空间可达性。     

Metafrontier efficiency analysis for hospital pharmacy services using dynamic network DEA framework

Medication management is a complex but critical process within the healthcare delivery system. The pharmacy department in healthcare facilities is responsible for acquisition, distribution and dispensing of medication to patients that involves a series of network process. This process can be categorized into two main subprocesses: i) pharmacy store and ii) patient services (i.e., ambulatory and inpatient pharmacy). The objective of this study was to investigate the relative efficiency level of the two subprocesses of pharmacy services in Malaysia's public hospitals. We used a nonconvex metafrontier technology to estimate technical efficiency of hospital pharmacies between specialist and nonspecialist hospital categories under the dynamic network data envelopment analysis (DNDEA) framework. For overall efficiency, both specialist and nonspecialist categories had similar mean efficiency scores. However, when measuring the efficiency level according to pharmacy store and patient services separately, the nonspecialist category had a higher mean efficiency score in pharmacy store, whereas for patient service efficiency, both categories had similar results. The patient service efficiency level was lower consistently over time, suggesting that the overall inefficiency of hospital pharmacy is greatly influenced by the inefficiency of the patient service. This suggests that systematic improvements in patient service efficiency should be a higher priority than pharmacy store efficiency to further increase the overall efficiency level. We believe that our findings will provide valuable information to policymakers towards achieving an efficient public healthcare service.     

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。