新基建背景下推进黑龙江省新兴产业发展路径研究

来源 :商业经济 | 被引量 : 0次 | 上传用户:ntudqliweiwei
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
黑龙江省新兴产业发展需要像新基建这样新发展思路的支持.积极响应推进新基建的建设发展,使黑龙江省产业发展紧跟科技进步的步伐,抓住新基建时代的机遇,创造出一批新兴产业.基于此,首先分析黑龙江省产业结构的创新转型升级的态势与趋势,再结合新基建对黑龙江省新兴产业发展的影响,最终提出开发基建新领域助力新兴产业开发,集聚基建新地区强化地区优势互补,探寻基建新方式保障制度体系完善以及关注基建新主体,支持产业资金投入等对策建议.
其他文献
随着智慧图书馆的兴起,可以对图书馆数字资源大数据进行深入挖掘利用,区域高校图书馆数字资源一站式检索必然是进一步增强馆际合作、数据挖掘、资源互享的有效平台.基于朴素贝叶斯的区域高校图书馆数字资源一站式决策算法设计了一种决策树与朴素贝叶斯模型相结合的两层模型方法,通过提取整合区域内各高校图书馆数字资源大数据的特征属性,并利用朴素贝叶斯模型进一步筛选特征属性,从而构建决策树架构,支撑区域高校图书馆数字资源一站式检索.利用基于朴素贝叶斯的区域高校图书馆数字资源一站式决策算法可以实现检索资源过程更加便捷高效,检索结
论文基于2020年对全国200户家庭的调研数据,利用ivprobit模型进行实证处理,重点研究养子防老与家庭购买商业养老保险意愿之间的关系.研究发现:(1)养子防老与家庭购买商业养老保险意愿之间存在替代关系;(2)性别和职业类型对家庭购买商业养老保险具有负向作用;(3)收入水平和长期居住地点正向影响商业养老保险购买意愿.在结论基础上提出了有利于促进我国商业养老保险发展和丰富养老事业理论的政策建议,以期为后续研究和相关政策设计提供一定的参考和依据.
在我国,恶性肿瘤死亡率最高的就是肺癌.为了提高肺癌存活性预测的准确性,本研究以随机森林(Random Forest)、LightGBM(Light Gradient Boosting Machine)和CatBoost(Categorical Boosting)三种算法为基模型,通过线性回归集成融合构建RF-LGC肺癌存活性预测模型,运用分层十折交叉验证方法进行仿真实验.实验结果显示,RF-LGC组合模型的预测精度达到了98.0242%,比单一的基模型提高了0.2%;敏感性达到了89.3957%,比单一的
论文基于湘东、湘南等四地调查数据,从风险偏好、保费可承担约束视角对家庭农场收入保险投保决策问题展开研究.结果表明:第一,农业收入保险兼具减产与价格下跌双重风险保障,符合家庭农场风险规避需求.其中,“保费可承担性”客观制约超出“风险偏好”主观感知,很大程度上取决于家庭农场种养殖农事生产与盈利目标关联和规模化发展水平.第二,家庭农场是以家庭为单位的群体性生产活动,但投保决策多为农场主个体行为,家庭成员风险偏好对决策优选排序较少产生影响,应当与家庭成员利益目标一致有关.第三,全农场收入保险具备“一揽子保险”合约
完善村镇银行治理结构、提高村镇银行治理能力是村镇银行服务“三农”、实现金融普惠的基础.论文从收益水平、经营风险视角出发,考察村镇银行董事会、监事会结构的影响,以2014~2019年全国范围内123家村镇银行构成的非均衡面板数据为样本,通过实证分析发现:第一,董事会规模与村镇银行收益水平呈倒U型曲线关系,与村镇银行经营风险呈正U型曲线关系;第二,非执行董事占比正向影响收益水平,但与经营风险无显著相关关系;第三,监事会规模与村镇银行收益水平、经营风险分别呈倒U型、正U型曲线关系;第四,职工监事占比与村镇银行经
针对网络入侵检测模型特征提取算法复杂、训练参数过多、检测结果不理想等问题,提出一种改进卷积神经网络与长短期记忆网络结合的网络入侵检测方法(GCNN-LSTM).首先,使用卷积神经网络对流量数据做特征选择,并选择全局池化层代替其中的全连接层;其次,结合长短期记忆网络强大的时间序列学习能力对改进卷积神经网络选择后的特征进行学习分类,以期在网络异常数据检测方面获得更好的效率和准确率.实验结果表明,提出的模型在UNSW-NB15数据集上有着较好的检测效果.在同等条件下,使用传统卷积神经网络的模型准确率为84.97
为解决在农田无人巡检过程中农作物目标智能识别的问题,将Cycle-GAN网络与Faster RCNN网络相结合构成了一种新的能支持少样本学习的网络模型,其中Cycle-GAN网络被用于提供数据增强.文中主要阐述了该网络的结构,并且对玉米、花生与豆子三种作物的种植地在不同的天气条件下进行了测试,对不同农作物的最优和最差识别率分别是96.53%和96.25%.实验证明,通过两者的结合能够提供更好更快的农作物识别和检测,新的少样本农作物目标识别模型具有较好的鲁棒性.
针对水质评估因子的模糊性和非线性特征,且水质样本小类(如高污染水质类)因样本量少而容易导致误分的问题,深入研究了支持向量机(SVM)这一善于解决非线性问题的智能模型,设计了一种多宽度复合高斯核的支持向量机模型.该模型通过多个复合高斯核扩大和控制核函数宽度,以此扩大样本间欧氏距离与差异,以解决小类的误分问题.运用MATLAB平台对2017年全国98个重点断面水质周报数据进行算法对比实验,结果证实多宽度核评估模型较好地提升了SVM的分类精度,对水质分类问题是可行有效的,对其他小样本分类问题也有一定的借鉴作用.
在自然语言处理的文本相似度匹配方面,针对长短期记忆网络拥有多个控制门层,导致其在训练过程中需要一定的硬件计算能力和计算时间成本,提出一种基于Bi-GRU的改进ESIM文本相似度匹配模型.该模型在双向LSTM(BiLSTM)的ESIM模型的基础上,通过Bi-GRU神经网络进行数据训练,提高模型的训练性能.实验表明,在公开数据集QA_corpus和LCQMC上分别进行测试,改进后的ESIM模型较之原先模型,在结果数据对比图中,绝大部分组的损失函数数值均小于原先模型,准确率数值均大于原先模型.
针对输电线路附近可能出现的大型违章车辆施工造成外力破坏的情况,为保证输电线路运行的安全和稳定,提出了改进的YOLOv5目标检测算法.在原有YOLOv5算法的基础上,将其使用的Bounding box损失函数GIOU_Loss改为CIOU_Loss,使其具有更快更好的收敛效果;同时将其使用的经典NMS改为DIOU_NMS,使其对一些遮挡重叠的目标有更好的识别效果.实验结果显示,改进后的YOLOv5算法模型可以有效地监控输电线路附近的外力破坏情况.