【摘 要】
:
近年来,经济全球化趋势日益明显,人工智能等互联网相关信息技术更新迭代越来越快,企业集团更加注重对自身资源配置的优化与整合。财政部于2013年颁布的《企业会计信息化工作规范》指出,对于符合要求的企业,应积极运用先进的信息技术来集中处理会计工作,鼓励通过构建财务共享服务中心来扭转财务管理模式分散化的局面。铁路运输企业正符合这一发展趋势,对其财务共享服务中心构建的探讨,为财务战略转型提供一点借鉴意义。
论文部分内容阅读
近年来,经济全球化趋势日益明显,人工智能等互联网相关信息技术更新迭代越来越快,企业集团更加注重对自身资源配置的优化与整合。财政部于2013年颁布的《企业会计信息化工作规范》指出,对于符合要求的企业,应积极运用先进的信息技术来集中处理会计工作,鼓励通过构建财务共享服务中心来扭转财务管理模式分散化的局面。铁路运输企业正符合这一发展趋势,对其财务共享服务中心构建的探讨,为财务战略转型提供一点借鉴意义。
其他文献
植物叶片病害识别是农业和图像处理领域共同关注的重要课题。目前大多数病害识别的研究都基于神经网络,而成功的神经网络包含较多的参数,使用有监督的神经网络模型进行叶片病害识别需要充足的样本进行训练。而在现实生活中,由于标记样本的代价较高或病害发病率较低等因素,往往得不到充足的训练数据,这是目前植物病害识别研究的一个普遍挑战。因此,需要寻找一种能够生成病害图像的数据增强方法,解决训练样本不充足问题,以满足
行人再识别技术作为计算机视觉领域的重要研究课题,它可以形象地理解为在不同的监控摄像头下检索相同的行人。随着互联网的高速发展,监控网络渐渐覆盖到生活的方方面面,大量的图片数据需要处理,由此行人再识别技术被人们广泛关注。尽管目前行人再识别性能有所提高,但现有的方法通常依赖于这样一个假设,即要查询的人和图库图像都拥有相同的服装。虽然这个假设确实适用于许多现有的Re-ID数据集,但如果数据经过很长时间的聚
肺癌是当今世界死亡率最高的癌症,如果能够在肺癌发生的早期发现并及时治疗,可以明显降低肺癌死亡率。利用图像分割技术对患者肺部CT图像中发生病变的区域进行精准分割,可以提高肺癌早期诊断率。传统图像分割方法分割精度低且需要大量人工操作。近年来分割精度更高且特征表征能力更强的深度神经网络在图像分割领域得到了广泛应用。因此,本文以U-Net和3D U-Net网络这两种深度学习方法为基础展开研究。主要贡献如下
注意缺陷多动障碍(Attention-Deficit Hyperactivity Disorder,ADHD)是最常见的神经发育障碍之一。尽管症状通常开始于儿童时期,但有大部分的患者在成年期也会受到影响,表现出持续存在的社会功能问题、较低的学术成就和较高的精神问题风险。ADHD作为一种神经发育性疾病很难对其症状进行界定,但通常伴随着脑网络的改变,通过研究ADHD脑网络可以探索其发病机制。结构脑网络
利用磁共振影像数据对脑网络进行表征是目前研究脑精神疾病分析的一种先进技术。以往的脑网络研究主要集中在图上,研究者们将脑网络与人工智能领域中应用较广泛的传统的机器学习与深度学习等计算机技术结合起来,对脑网络进行特征提取与选择、分类等工作。然而近几年的研究表明,大脑认知机制涉及多个大脑区域间的相互作用,而不是成对间的相互作用,为有效表征大脑之间信息的高阶传递关系,超图被提出用来描述脑网络。在以脑区为节
针对目前既是小曲线半径又是大坡度的桥梁转体施工研究不多现状,依托新建广州至湛江高速铁路工程广珠京广联络线特大桥(52+52)m转体梁施工项目,结合该桥为目前国内最小曲率半径(仅310 m)、坡度最大(纵坡达20‰)的T构转体桥,梁体上跨环镇东路、京广三线联4线、机走线等多条城市道路和铁路线路,转体过程中梁底与接触网立柱柱顶隔离开关距离仅有30 cm等不利条件,阐述了该转体桥的称重、配重、转体结构施
精神分裂症(schizophrenia,SZ)和双相情感障碍(bipolar disorder,BD)都是一种很常见的精神疾病,不仅影响患者的生活,也影响了别人的生活。但是两者的患病机制都不十分明确,并且在临床诊断上也没有严格的分界线。因此不断探索SZ和BD患者的患病机制以及两者之间的不同,为疾病的诊断和干预提供新的手段至关重要。越来越多的研究表明,神经疾病是大脑的连接障碍造成的,大脑区域之间复杂
新药物的开发是一个耗时耗力的过程,且新开发的药物实际利用率较低,造成了资源的浪费,因此,研究者们提出了药物重定位的思路,探索已上市的药物对于其他疾病的治疗效果,从而实现“旧药新用”。药物-疾病关联预测是药物重定位中的一项重要研究,该研究将药物和疾病的高通量数据作为输入,结合计算方法预测药物-疾病的潜在关联,能够为药物的高效研发和疾病的低成本治疗提供辅助性建议。现有的药物-疾病关联预测方法大多将药物
深度神经网络已经广泛应用于包括医学图像分析在内的各种计算机视觉任务中。通常,大多数神经网络对来自相同分布的图像进行训练和评估,且假设数据集(训练集和测试集)共享相同的数据分布,但现有医学数据受固有的小数据集的影响,限制了大型深度学习模型的广泛临床采用。随着深度学习的深入,现实世界中研究的课题往往考虑收集具有不同场景分布的目标数据,但数据间的异质性严重受到领域转移的挑战。领域转移,即训练和测试数据特
近年来,互联网和移动通信技术的发展日新月异,在线社交网络(OSN)的引入改变了人们相互联系和互动以及共享信息的方式,导致了以网络为中心的数据大爆炸,这些数据可以被收集以更好地利用,如个人或群体的社会学和行为学方面。因此,在线社交网络服务运营商被迫公布社交网络数据,以供诸如研究人员和广告商之类的第三方消费者使用。由于社交网络数据发布易受各种重识别和泄露攻击,开发隐私保护机制是一个活跃的研究领域,不仅