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。     

一种利用机器学习优化MIMO窃听信道天线选择的方法

为保障多输入多输出窃听信道系统中信息传输的保密性，提出了一种基于机器学习的天线选择方案。首先利用机器学习解决分类问题准确率高、处理大数据高效这一优势，设计了基于奇异值分解的特征值提取、基于信干噪比的标签赋值方案，建立了k最近邻分类器和逻辑回归分类器选择最优天线最大化保密性能（可达保密速率和保密中断概率）。与传统天线选择方案相比，所提方案获得了几乎一致的保密性能，并且大幅降低了系统的选择复杂度和误比特率。     

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。     

地方政府债务对工业资本配置效率的非线性影响效应——基于动态面板平滑转换回归PSTR模型的检验

经济新常态下,提高工业资本等要素配置效率是实现经济向高质量增长转变的必然要求。本文在政府主导、投资驱动的工业发展模式下,结合地方债务压力和金融发展差异门限变量,在非线性框架下运用动态面板平滑转换回归模型实证检验地方债务规模与工业资本配置效率的渐进演变关系。研究发现,适度的地方债务规模有助于提高资本配置效率,但随着债务压力增加,举债对资本配置的正效应逐步减弱并产生负效应。究其原因,适度举债能补齐工业基础设施短板,压低土地成本,对工业发展产生杠杆效应,从而提高资本配置效率;但过度举债推升财政风险,占用信贷资源并强化企业融资约束,造成资本配置低效率。此外,研究发现,地方信贷规模提升,能缓解举债的融资约束,促进工业行业间的资本流动;而工业金融深化程度提高,能增强市场竞争机制在要素配置中的作用,缓解举债造成投资错配,从而增强资本配置效率。以上分析结果表明,地方政府举债应更理性、适度、规范。     

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。     

贫困山区农户茶叶生产技术效率及影响因素研究

基于湖北省382份茶叶种植户调研数据,采用随机前沿生产函数模型“一步估计”法分析贫困山区农户茶叶生产技术效率和影响因素。研究结果表明:样本户茶叶种植存在较大改进空间;样本户资本和劳动力投入剩余;茶园的海拔、树龄、茶农是否加入合作社、种植面积、户主是否受过种茶培训等因素对农户茶叶生产技术效率有重要影响。因此,提出紧抓乡村振兴战略机遇,推动贫困山区茶产业高质量发展;建立茶产业“三项补贴”,改善茶园基础设施条件;优化茶叶种植布局,提高合作社服务水平;成立茶产业发展基金,加快培育职业茶农,以提高贫困山区农户茶叶生产技术效率。     

Are high–frequency traders informed?

Are high–frequency traders (HFTs) informed? To address this question, we examine HFTs' activity in the call auction environment, where speed-related trading is limited and signal processing capacity becomes more relevant. To model the call market, we consider the Kyle (1989) rational expectations framework for strategic trading. The test we propose for detecting informed HFTs in this market assesses potential deviations of the informativeness of HFTs' aggregate (net) demand, from the informativeness of the aggregate demand submitted by the rest of the traders. Data from the Euronext Paris preopening phase indicate that informed HFTs are present in the market just before the opening. Our results provide useful guidance for the assessment of the influence of HFTs’ quotes on price quality, an important issue for market regulators and policy makers.     

市场竞争不完全与企业内部工资差距*——基于产品与劳动力市场融合视角的分析

理解工资差距的形成机制是在新时期破解发展不平衡不充分问题，进而实现共享发展的关键。本文从产品与劳动力市场竞争不完全相融合的视角，扩展了中国企业内部技能员工与非技能员工工资差距形成机制的研究，兼论消除竞争不完全的效率提高。基于中国企业数据并在统一的框架下构建市场竞争不完全的测算指标，本文发现：中国的市场化改革并不必然带来收入差距的扩大，不完全的市场化改革形成的产品与劳动力市场竞争不完全才是引发企业内部收入差距的重要原因。当存在市场竞争不完全时，企业会将产品市场势力扩展到劳动力市场，形成劳动力市场竞争不完全对工资差距的更大影响。这意味着单一的市场化改革不能有效缓解收入差距，只有产品与劳动力市场的同步改革才能达到最优的政策效果。中国的市场化改革可以在初次分配中通过发挥市场机制兼顾效率与公平。     

新制度经济学委托代理理论视野的拓展*

新制度经济学中的委托代理理论基于“经济人理性”假定，设计出了精密、精巧、精致的委托代理制度，有效化解了现代企业中委托人与代理人之间利益冲突并提升了企业运营效率。然而，现代企业实践已经证明，即使委托代理制度十分精密、精巧、精致，仍然没有彻底解决委托人与代理人之间的利益冲突和企业运营效率进一步提升问题。因此，必须拓展既有理论视野，从“经济人理性”假定拓展到“经济人+社会人+家庭人复合理性”假定，这样就能够实现委托代理理论视野的拓展。运用新制度经济学研究方法和双边对称信任数理模型表明：基于委托代理制度，进一步强化委托人与代理人之间双边对称信任度，可以进一步化解他们之间的利益冲突并且改善企业运营效率。基于这一结论，强化委托人与代理人之间双边对称信任度的具体路径是优化社会信任环境系统。