全文获取类型
收费全文 | 3602篇 |
免费 | 117篇 |
国内免费 | 47篇 |
专业分类
财政金融 | 348篇 |
工业经济 | 252篇 |
计划管理 | 981篇 |
经济学 | 480篇 |
综合类 | 617篇 |
运输经济 | 30篇 |
旅游经济 | 136篇 |
贸易经济 | 591篇 |
农业经济 | 54篇 |
经济概况 | 277篇 |
出版年
2024年 | 10篇 |
2023年 | 110篇 |
2022年 | 81篇 |
2021年 | 124篇 |
2020年 | 158篇 |
2019年 | 140篇 |
2018年 | 97篇 |
2017年 | 110篇 |
2016年 | 101篇 |
2015年 | 87篇 |
2014年 | 253篇 |
2013年 | 487篇 |
2012年 | 270篇 |
2011年 | 355篇 |
2010年 | 274篇 |
2009年 | 172篇 |
2008年 | 206篇 |
2007年 | 121篇 |
2006年 | 136篇 |
2005年 | 102篇 |
2004年 | 73篇 |
2003年 | 81篇 |
2002年 | 49篇 |
2001年 | 36篇 |
2000年 | 40篇 |
1999年 | 31篇 |
1998年 | 13篇 |
1997年 | 19篇 |
1996年 | 15篇 |
1995年 | 1篇 |
1994年 | 3篇 |
1993年 | 2篇 |
1992年 | 5篇 |
1991年 | 1篇 |
1990年 | 1篇 |
1985年 | 1篇 |
1984年 | 1篇 |
排序方式: 共有3766条查询结果,搜索用时 31 毫秒
51.
Mario V. Wüthrich 《Scandinavian actuarial journal》2018,2018(6):465-480
Machine learning techniques make it feasible to calculate claims reserves on individual claims data. This paper illustrates how these techniques can be used by providing an explicit example in individual claims reserving. 相似文献
52.
Option hedging is a critical risk management problem in finance. In the Black–Scholes model, it has been recognized that computing a hedging position from the sensitivity of the calibrated model option value function is inadequate in minimizing variance of the option hedge risk, as it fails to capture the model parameter dependence on the underlying price (see e.g. Coleman et al., J. Risk, 2001, 5(6), 63–89; Hull and White, J. Bank. Finance, 2017, 82, 180–190). In this paper, we demonstrate that this issue can exist generally when determining hedging position from the sensitivity of the option function, either calibrated from a parametric model from current option prices or estimated nonparametricaly from historical option prices. Consequently, the sensitivity of the estimated model option function typically does not minimize variance of the hedge risk, even instantaneously. We propose a data-driven approach to directly learn a hedging function from the market data by minimizing variance of the local hedge risk. Using the S&P 500 index daily option data for more than a decade ending in August 2015, we show that the proposed method outperforms the parametric minimum variance hedging method proposed in Hull and White [J. Bank. Finance, 2017, 82, 180–190], as well as minimum variance hedging corrective techniques based on stochastic volatility or local volatility models. Furthermore, we show that the proposed approach achieves significant gain over the implied BS delta hedging for weekly and monthly hedging. 相似文献
53.
《International Journal of Forecasting》2019,35(2):443-457
This paper examines the out-of-sample forecasting properties of six different economic uncertainty variables for the growth of the real M2 and real M4 Divisia money series for the U.S. using monthly data. The core contention is that information on economic uncertainty improves the forecasting accuracy. We estimate vector autoregressive models using the iterated rolling-window forecasting scheme, in combination with modern regularisation techniques from the field of machine learning. Applying the Hansen-Lunde-Nason model confidence set approach under two different loss functions reveals strong evidence that uncertainty variables that are related to financial markets, the state of the macroeconomy or economic policy provide additional informational content when forecasting monetary dynamics. The use of regularisation techniques improves the forecast accuracy substantially. 相似文献
54.
目的 卫星遥感技术具有覆盖范围广、探测周期短、调查成本低等优势而广泛应用于大区域农作物分类。然而在种植结构复杂区(如城乡结合部),因其地块破碎、同期生长的作物种类多且分布分散,利用传统的统计分类或机器学习方法进行农作物分类时仍存在精度不高的问题。为提高种植结构复杂区农作物分类精度。方法 文章选取河北省廊坊市广阳区为研究区,以GF-1 PMS全色多光谱融合影像为数据源,采用U-Net、PSPNet及DeepLabv3+,3种深度学习模型进行农作物分类研究。分析模型参数对农作物分类精度的影响,评价3种深度学习模型的农作物分类精度,优选农作物精细分类方法。结果 (1)学习率与3种深度学习模型的分类精度呈正相关关系,较大的学习率(0.01,0.001)下,3种模型收敛速度快,分类精度高。批样本量与模型分类稳定性相关,批样本量设为100时,3种模型的分类稳定性最好。(2)相比PSPNet、DeepLabv3+模型,U-Net模型分类效果最好,总体分类精度为89.32%。(3)GF-1 PMS影像结合U-Net模型可有效提升种植结构复杂区农作物分类精度,大宗作物春玉米、夏玉米的分类精度在80%以上,花生、红薯、蔬菜小宗作物分类精度在60%以上。结论 该研究可为准确获取种植结构复杂区的农作物类型、面积及空间分布信息提供参考依据。 相似文献
55.
企业要实现可持续发展,如何激发广大员工主动学习、团队合作以及管理创新的意识,使员工积极自觉参与公司发展,是企业必须解决的一大课题。基于上述考虑,上海市电力公司市区供电公司以"思维前线·智力风暴"人力资源开发解决方案青年设计大赛为基础,提出了供电公司团队学习新模式。文中首先对新模式内容进行了介绍,包括本次大赛的形式、内容等;接着结合相关理论,就新模式对企业团队学习、创新与可持续发展、创建和谐企业等方面产生的积极影响进行了论述。 相似文献
56.
组织学习对企业的自主创新乃至整体进化具有重大影响,而组织学习在很大程度上是嵌入一定文化环境的珠三角本土企业的组织学习不可避免地受到岭南文化嵌入性的影响,而这种影响有很大一部分是"阻碍性"的岭南文化的偏向闭锁凝滞、拙于自我创造、缺乏价值理性、排斥正统正规、忽略正式组织等局限性在珠三角本土企业组织学习的取向上留下了明显烙印,并具体反映在知识来源、知识传播、学习主体、学习幅度和学习效果等方面 相似文献
57.
Adriano S. Koshiyama Nikan Firoozye Philip Treleaven 《International Journal of Intelligent Systems in Accounting, Finance & Management》2019,26(2):83-103
Derivative traders are usually required to scan through hundreds, even thousands of possible trades on a daily basis. Up to now, not a single solution is available to aid in their job. Hence, this work is aimed to develop a trading recommendation system, and to apply this system to the so‐called Mid‐Curve Calendar Spread (MCCS) trade. To suggest that such approach is feasible, we used a list of 35 different types of MCCSs; a total of 11 predictive and 4 benchmark models. Our results suggest that linear regression with l1‐regularisation (Lasso) compared favourably to other approaches from a predictive and interpretability point of views. 相似文献
58.
Alun Preece 《International Journal of Intelligent Systems in Accounting, Finance & Management》2018,25(2):63-72
Recent rapid progress in machine learning (ML), particularly so‐called ‘deep learning’, has led to a resurgence in interest in explainability of artificial intelligence (AI) systems, reviving an area of research dating back to the 1970s. The aim of this article is to view current issues concerning ML‐based AI systems from the perspective of classical AI, showing that the fundamental problems are far from new, and arguing that elements of that earlier work offer routes to making progress towards explainable AI today. 相似文献
59.
深度学习方法在作物遥感分类中的应用和挑战 总被引:1,自引:0,他引:1
[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。 相似文献
60.
日语教学中的母语语法问题 总被引:1,自引:0,他引:1
在学习和掌握母国语言的过程中,到底要不要学习语法?语法在外语教学与学习中起什么作用?母语的语法对外语学习有什么帮助?我们在《日语精读》课教学中发现,现在的许多大学生对汉语语法知识非常贫乏,对句子的语法成分不清楚。这种汉语语法知识的贫乏,直接导致学生对外语语法体系理解的困难,从而使外语教学的质量低、效率不高、效果不大。因此,笔者觉得有必要制定新的教育方针,加强母语语法的教学与研究,使得语法在教师的外语教学与学生的外语学习过程中发挥更大的作用。 相似文献