一、网络经济100数（论文文献综述）
四川省人民政府办公厅[1]（2021）在《四川省人民政府办公厅关于印发《四川省省级生态县管理规程》和《四川省省级生态县建设指标》的通知》文中提出川办发[2021]62号各市（州）、县（市、区）人民政府,省政府各部门、各直属机构,有关单位:《四川省省级生态县管理规程》和《四川省省级生态县建设指标》已经省政府同意,现印发给你们,请结合实际认真贯彻执行。2021年11月14日四川省省级生态县管理规程第一章总则第一条为进一步规范省级生态县创建工作,促进示范创建申报、核查、命名及监督管理等工作科学化、规范化、制度化,
郝文思,魏敏,刘江红,宋鹏辉,王静,王玉平[2]（2021）在《抑郁障碍患者认知损害及评估新进展》文中研究指明抑郁障碍是一种常见的精神障碍性疾病,主要特征是情绪症状,如情绪低落、思维迟缓和意志活动减退。越来越多的证据表明,抑郁障碍患者认知损害主要与额顶叶认知控制网络的损害有关。其中,执行功能、记忆力和注意力是最常受影响的领域,可通过特定的神经心理学检查来评估。执行功能可通过连线测试Part B、斯特鲁普色词测验等进行评估;记忆力可通过韦克斯勒记忆量表和Rey听觉言语学习测验来评估,注意力可通过连续性能测试、Delis-Kaplan执行功能系统测试、CogitExⅡ进行评估。目前,关于抑郁障碍患者的认知功能已有新型综合评估手段,如THINC-it、严重认知障碍概况、双相情感障碍等级评价认知部分等。对抑郁障碍患者认知损害的特定领域进行更精细的评估有利于提高筛查和诊断的准确率,对其分子学研究及未来的靶向治疗也具有极大意义。
韩皓,徐圣安,赵蒙[3]（2021）在《考虑线网结构的LightGBM轨道交通短时客流预测模型》文中提出考虑空间维度特征对利用监督学习预测轨道交通短时客流量的影响,提出结合复杂网络与机器学习理论挖掘车站层面的客流分布规律。通过对原始数据分析,实现对线网结构特征、时间维度特征及数据集的构建,建立基于LightGBM算法的轨道交通短时客流预测模型,并对模型参数进行标定,采用模型评估和特征重要性分析等方法,对模型结果进行分析,对比LightGBM预测模型与XGBoost、随机森林、CatBoost和MLP模型的预测效果。结果表明:考虑线网结构下的LightGBM模型在评估指标MAE,MAPE上表现最优,MAPE最小为13.65%,训练速度较其他模型最多提升至25倍,表现出较强的预测性能。
廖理心[4]（2021）在《深度卷积神经网络的增强研究》文中指出深度卷积神经网络增强是一类通过优化改进网络框架、网络学习和网络输入等方面来提升网络性能的理论与方法。近年来,深度卷积神经网络已经发展成为上层计算机视觉任务的一项基础技术。因此,深度卷积神经网络的增强研究,能够进一步赋能上层计算机视觉任务,具有重要的研究意义和广泛的应用价值。面向深度卷积神经网络,增强的关键在于三点:网络框架、训练方法、数据的数量和质量。网络框架决定了网络模型的学习容量,训练方法保障了网络模型的学习收敛,数据的数量和质量推动着网络模型拟合数据的内在模式。因此,本文以深度卷积神经网络为中心,从网络框架、训练方法、数据的数量和质量三个方面展开网络的增强研究,取得的四项主要创新性研究成果如下:（1）提出了面向卷积神经网络的参数分布优化方法。深度卷积神经网络的参数直接影响网络性能,然而网络参数分布与其性能之间的关系仍然是一个未知的问题,如何测量与利用两者关联来增强网络性能是一个值得研究的问题。针对该问题,本文提出了一种参数分布优化方法,利用能量函数表征深度卷积神经网络的参数分布,并在严格尺寸约束（网络参数数量恒定）下探索网络参数分布与其性能之间的关系。统计实验表明,卷积神经网络参数分布的能量与其性能间呈现一种正比例关系,即卷积神经网络的参数分布的能量越高时,其对应的网络性能越好。据此,本文进一步提出了一种简单而有效的网络设计指南,使用均衡的参数分布来设计卷积神经网络。实验表明,参数分布均衡优化后的深度卷积神经网络在图像分类数据集上获得了更高的性能。（2）提出了基于课程学习的卷积神经网络训练方法。深度卷积神经网络的训练依赖于小批次随机梯度下降算法,这与人类循序渐进的学习方式是截然不同的。如何利用课程学习指导卷积神经网络的训练仍然是一个开放问题。本文首先从人工设计课程入手,构建面向神经网络的样本复杂度累积测量方法和渐进式学习方案,通过实验验证了该人工课程对卷积神经网络训练的指导作用。然而,针对人工设计课程中超参数调节需要大量人力干预的问题,本文进一步提出了基于强化学习的自主课程设计方法。该方法基于当前批次数据和网络自身状态,利用强化学习构建了课程策略,实现了网络训练过程中样本的自主选择。实验表明,基于强化学习的课程策略能够自主选择合适的样本,有效指导神经网络的训练。（3）提出了面向图网络噪声数据识别的鲁棒训练方法。海量数据促进了深度卷积神经网络的发展,然而其蕴含的各种各样的噪声限制了网络性能的提升,如何识别并降低噪声数据的影响,实现网络在噪声数据集的鲁棒训练是一个亟待解决的问题。针对该问题,本文提出了一种面向图网络噪声数据识别的鲁棒训练方法。首先利用基于元学习的加权方法在噪声数据集上训练一个具有基本判别能力的主干网络,然后在主干网络和已有标签的基础上,构建包含噪声数据和干净验证集数据的图网络。本文发现在图网络学习的数据间邻接关系中,具有正确标签的数据的邻接关系分布均衡,而具有噪声标签的数据的邻接关系分布较不平衡。基于该发现,本文利用图网络学习的邻接关系识别噪声数据。同时,本文提出了一种额外权重方法改善基于元学习的加权方法对噪声数据权重的估计,在噪声识别结果上重新训练主干网络。实验表明,本文提出的方法能够有效识别噪声数据,降低噪声数据对网络的影响,实现网络在噪声数据集上的鲁棒训练。（4）提出了面向压缩图像复原的增强训练方法。图像压缩是视觉信息处理的必备步骤,然而学术界忽视了图像压缩损失对于深度卷积神经网络的负面影响,如何缓解这个负面影响并增强网络性能是有待研究的问题。针对该问题,本文提出了一种面向压缩图像复原的增强训练方法,致力于在任务指导下实现对压缩图像的复原增强,进而提升卷积神经网络的性能。该方法具体是一个包含复原模块和任务模块的联合增强框架。复原模块是一个像素级的匹配网络,学习恢复压缩过程中的信息损失。任务模块是面向不同任务需求的网络模型,指导复原模块对压缩图像进行复原增强。实验表明,该方法能有效复原压缩图像,提升图像质量,进而增强卷积神经网络在相应数据集上的性能表现。此外,由于该联合增强框架内部两个模块的低耦合特性,该方法能有效应对利用压缩图像训练的不同应用场景,具有普遍适用性。
杨宇翔[5]（2021）在《基于深度强化学习的目标跟踪算法研究》文中研究指明视觉目标跟踪是计算机领域中的基础研究问题之一,目的是在连续视频序列中对感兴趣目标进行跟踪和标注,并输出感兴趣目标的位置和尺度信息。随着深度学习的快速发展,目标跟踪被广泛应用于智慧交通、无人驾驶、人机交互等领域。因此,目标跟踪具有很好的科学研究和实际应用价值。目前,目标跟踪领域仍然面临巨大的挑战,种类多样的目标以及复杂的跟踪环境,都大大降低了目标跟踪的性能。因此,如何设计出鲁棒的目标跟踪方法能够在复杂环境下进行精准的目标跟踪是当前亟待解决的问题。为了提高复杂环境下目标跟踪算法的鲁棒性,本文基于深度强化学习方法针对目标跟踪中的运动模块、表观模块和更新模块进行了设计与优化,并提出了三种目标跟踪算法。这三种算法分别从扩展目标跟踪动作选择空间、提升跟踪算法对目标判别能力以及跟踪算法更新效率等三个方面进行了研究,提出的跟踪算法能够有效提升复杂环境下的跟踪鲁棒性。本文的主要研究内容和创新如下。（1）针对目标跟踪算法的运动模块,提出了一种基于优化方差下降自适应探索的深度强化学习跟踪算法AEVRNet（Adaptive Exploration Network with Variance Reduced Network）。基于运动模块优化,通过非凸优化和自适应动作探索策略加快算法收敛和扩展动作搜索空间。首先,受到组合置信度上限的启发,设计了一种自适应的探索策略,利用时间和空间知识来进行有效的动作探索并跳出局部最优。其次,将跟踪问题定义为一个非凸问题,将非凸优化引入随机方差下降梯度作为反向传播方法,使得跟踪算法更快收敛,并降低损失值。最后,设计了一个基于回归的动作奖励损失函数,它对目标状态的各个方面更加敏感,能够保留更多目标特征信息。实验结果表明该算法可以有效提升运动模块搜索效率。（2）针对目标跟踪算法的表观模块,提出了一种基于参数空间噪声的实时深度强化学习跟踪算法Noisy OTNet（Noisy Object Tracking Network）。基于表观模块优化,将跟踪问题定义为带有参数空间噪声的深度强化学习问题。首先,设计了一种基于参数噪声的深度确定性策略梯度的噪声网络,可以更好地匹配目标跟踪任务并直接预测跟踪结果。其次,为了进一步提高复杂条件下的跟踪精度,例如目标快速运动和形变情况下,提出了一种自适应更新策略,通过基于上置信度边界算法获取目标时空信息,提高模型更新效率。此外,对于丢失目标的恢复,本文设计了一种基于增量学习的重定位算法。最终,提升跟踪算法的探索能力,并且能够有效应对复杂环境的干扰。实验结果表明该算法可以有效提升表观模块对于目标与背景的判别能力。（3）针对目标跟踪算法的更新模块,提出了一种基于多任务多模型的深度强化学习跟踪算法STKTMM（Student-Teacher Knowledge Transfer Based Multi-Task Multi-Model Tracker）。基于更新模块优化,利用特定任务的领域知识提高基于不同任务的模型跟踪性能。设计不同教师模型分别基于对应任务进行离线训练,特定任务的教师模型在相应的任务上指导在线跟踪的学生模型,提高学生模型对当跟踪目标的判别能力。此外,设计了一个多缓冲区策略,防止学生跟踪器在学习新知识时遗忘旧知识。最后,提出了一种基于知识迁移的自适应在线跟踪模型更新方法,使用教师模型和在线学生模型的网络参数共同更新在线学生模型,提升学生模型更新效率。实验结果表明该算法可以有效提升更新模块更新效率。
石娇[6]（2021）在《基于黑盒攻击技术的图像识别对抗攻击系统设计与实现》文中研究指明
丁之亮[7]（2021）在《暴风集团多元化扩张战略下财务风险研究》文中研究表明
金颖颖[8]（2021）在《PC县税务局预算绩效评价研究》文中研究说明
杨仁琴[9]（2021）在《彝语义诺话声调及变调研究》文中提出
李贝儿[10]（2021）在《全身反应法在毛里求斯基础汉语教学中的应用研究 ——以La Confiance小学为例》文中认为
二、网络经济100数（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、网络经济100数（论文提纲范文）
（1）四川省人民政府办公厅关于印发《四川省省级生态县管理规程》和《四川省省级生态县建设指标》的通知（论文提纲范文）
| 四川省省级生态县管理规程 |
| 第一章总则 |
| 第二章规划编制与实施 |
| 第三章申报与预审 |
| 第四章核查与命名 |
| 第五章监督管理 |
| 第六章附则 |
| 指标解释 |
| 1. 生态县（市、区）建设规划 |
| 2. 党委政府部署生态文明建设重大目标任务情况 |
| 3. 生态文明建设工作占党政实绩考核的比例 |
| 4. 河（湖）长制、林长制等 |
| 5. 主要污染物总量减排 |
| 6. 环境空气质量 |
| 7. 地表水环境质量 |
| 8. 地下水环境质量 |
| 9. 生态环境状况指数 |
| 1 0. 声功能区划调整 |
| 1 1. 森林覆盖率 |
| 1 2. 草原综合植被盖度 |
| 1 3. 生物多样性保护 |
| 1 4. 规划环境影响评价执行情况 |
| 1 5. 危险废物利用处置率 |
| 16.列入名录的污染地块风险管控和修复工作 |
| 17.突发生态环境事件应急管理机制 |
| 18.自然生态空间 |
| 20.单位地区生产总值能耗 |
| 21.单位地区生产总值用水量 |
| 22.单位国内生产总值建设用地使用面积下降率 |
| 23.绿色、有机农产品产值占农业总产值比重同比增长率 |
| 24.农业废弃物综合利用率 |
| 25.一般工业固体废物综合利用率 |
| 26.集中式饮用水水源地水质优良比例 |
| 27.村镇饮用水卫生合格率 |
| 28.城镇污水处理率 |
| 29.城镇生活垃圾无害化处理率 |
| 30.农村无害化卫生厕所普及率 |
| 31.城镇新建绿色建筑比例 |
| 32.农村生活垃圾收转运处置体系 |
| 33.党政领导干部参加生态文明培训的人数比例 |
| 34.公众对生态文明建设的满意度 |
| 35.公众对生态文明建设的参与度 |
（2）抑郁障碍患者认知损害及评估新进展（论文提纲范文）
| 1 抑郁障碍患者伴有的执行功能损害 |
| 1.1 机制 |
| 1.2 执行功能的评估方法 |
| 1.2.1 对灵活性的评估 |
| 1.2.2 对语义流畅性的评估 |
| 1.2.3 对反应抑制的评估 |
| 1.2.4 对工作记忆的评估 |
| 1.2.5 对警惕性的评估 |
| 2 抑郁障碍患者伴有的记忆力损害 |
| 2.1 机制 |
| 2.2 记忆力的评估方法 |
| 3 抑郁障碍患者伴有的注意力损害 |
| 3.1 机制 |
| 3.2 注意力的评估方法 |
| 4 抑郁障碍患者伴有的精神运动技能的损伤 |
| 5 抑郁障碍患者伴有的智力损伤 |
| 6 抑郁障碍伴有的认知损害的新型评估方式 |
| 7 小结 |
（3）考虑线网结构的LightGBM轨道交通短时客流预测模型（论文提纲范文）
| 0 引言 |
| 1 原始数据处理 |
| 1.1 线网结构特征构建 |
| 1.1.1 节点统计指标 |
| 1.1.2 线网模块划分 |
| 1.2 时间维度特征构建 |
| 2 基于LightGBM算法的轨道交通短时客流预测模型 |
| 2.1 LightGBM算法 |
| 2.2 模型构建与参数标定 |
| 3 模型结果分析 |
| 3.1 模型评估 |
| 3.2 特征重要性分析 |
| 4 结束语 |
（4）深度卷积神经网络的增强研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 主要符号对照表 |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 发展现状与趋势 |
| 1.2.1 深度卷积神经网络的网络框架设计 |
| 1.2.2 深度卷积神经网络的训练方法 |
| 1.2.3 深度卷积神经网络的数据处理方法 |
| 1.3 研究内容和主要贡献 |
| 1.4 论文组织结构 |
| 2 面向卷积神经网络的参数分布优化 |
| 2.1 问题定义 |
| 2.2 方法介绍 |
| 2.2.1 常规卷积核操作 |
| 2.2.2 能量函数的定义 |
| 2.2.3 优化卷积神经网络参数分布 |
| 2.3 实验分析 |
| 2.3.1 数据集与实验设置 |
| 2.3.2 能量函数的测评 |
| 2.3.3 能量函数的优化效果的测评 |
| 2.3.4 Image Net数据集上的对比实验 |
| 2.3.5 网络计算消耗的实验分析 |
| 2.4 小结 |
| 3 基于课程学习的卷积神经网络训练 |
| 3.1 问题定义 |
| 3.2 基于人工设计的课程指导网络训练 |
| 3.2.1 背景介绍 |
| 3.2.2 方法介绍 |
| 3.2.3 实验分析 |
| 3.3 基于强化学习的自主课程指导网络训练 |
| 3.3.1 背景介绍 |
| 3.3.2 方法介绍 |
| 3.3.3 实验分析 |
| 3.4 小结 |
| 4 面向图网络噪声数据识别的鲁棒训练方法 |
| 4.1 问题定义 |
| 4.2 方法介绍 |
| 4.2.1 基于元学习的加权方法 |
| 4.2.2 构建图网络 |
| 4.2.3 噪声数据识别 |
| 4.3 实验分析 |
| 4.3.1 数据集与实验设置 |
| 4.3.2 消融实验 |
| 4.3.3 Clothing1M数据集上的对比实验 |
| 4.4 小结 |
| 5 面向压缩图像复原的增强训练方法 |
| 5.1 问题定义 |
| 5.2 方法介绍 |
| 5.2.1 复原模块 |
| 5.2.2 任务模块 |
| 5.2.3 损失函数的设计 |
| 5.3 实验分析 |
| 5.3.1 数据集与实验设置 |
| 5.3.2 消融实验 |
| 5.3.3 STL-10数据集上的对比实验 |
| 5.4 小结 |
| 6 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）基于深度强化学习的目标跟踪算法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 论文背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于相关滤波器的目标跟踪算法 |
| 1.2.2 基于深度学习的目标跟踪算法 |
| 1.2.3 基于深度强化学习的目标跟踪算法 |
| 1.3 目标跟踪面临的挑战 |
| 1.4 论文的主要工作 |
| 1.5 论文的结构安排 |
| 2 目标跟踪理论基础 |
| 2.1 单目标跟踪流程 |
| 2.2 深度强化学习 |
| 2.3 目标跟踪训练与测试数据集 |
| 2.4 目标跟踪性能评价 |
| 2.4.1 跟踪速度评价 |
| 2.4.2 跟踪精确性评价 |
| 2.4.3 跟踪成功率评价 |
| 2.4.4 跟踪鲁棒性评价 |
| 2.5 本章小结 |
| 3 基于优化方差下降的自适应探索深度强化学习跟踪方法 |
| 3.1 引言 |
| 3.2 优化方差下降自适应探索深度强化学习算法 |
| 3.2.1 基于优化方差下降的网络梯度更新策略 |
| 3.2.2 基于CUCB的自适应动作探索策略 |
| 3.2.3 基于回归的动作奖励损失函数 |
| 3.2.4 跟踪算法流程设计 |
| 3.3 实验与结果分析 |
| 3.3.1 实验设置 |
| 3.3.2 定量分析实验 |
| 3.3.3 定性分析实验 |
| 3.3.4 消融实验 |
| 3.3.5 其他数据集实验结果 |
| 3.4 本章小结 |
| 4 基于参数空间噪声的深度强化学习目标跟踪方法 |
| 4.1 引言 |
| 4.2 参数空间噪声深度强化学习目标跟踪算法 |
| 4.2.1 基于参数空间噪声深度强化学习网络模型 |
| 4.2.2 基于UCB时空特征的自适应模型更新策略 |
| 4.2.3 基于增强学习的目标重定位方法 |
| 4.2.4 跟踪算法流程设计 |
| 4.3 实验与结果分析 |
| 4.3.1 实验设置 |
| 4.3.2 定量分析实验 |
| 4.3.3 定性分析实验 |
| 4.3.4 消融实验 |
| 4.3.5 其他数据集实验结果 |
| 4.4 本章小结 |
| 5 基于多任务多模型迁移学习的深度强化学习跟踪方法 |
| 5.1 引言 |
| 5.2 多任务多模型迁移学习的深度强化学习跟踪算法 |
| 5.2.1 多任务多模型网络框架 |
| 5.2.2 多缓冲区存储策略 |
| 5.2.3 基于学生-教师知识迁移跟踪 |
| 5.2.4 跟踪算法流程设计 |
| 5.3 实验与结果分析 |
| 5.3.1 实验设置 |
| 5.3.2 定量分析实验 |
| 5.3.3 定性分析实验 |
| 5.3.4 消融实验 |
| 5.3.5 其他数据集实验结果 |
| 5.4 本章小结 |
| 6 总结和展望 |
| 6.1 论文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
四、网络经济100数（论文参考文献）
- [1]四川省人民政府办公厅关于印发《四川省省级生态县管理规程》和《四川省省级生态县建设指标》的通知[J]. 四川省人民政府办公厅. 四川省人民政府公报, 2021(23)
- [2]抑郁障碍患者认知损害及评估新进展[J]. 郝文思,魏敏,刘江红,宋鹏辉,王静,王玉平. 中国医药导报, 2021(33)
- [3]考虑线网结构的LightGBM轨道交通短时客流预测模型[J]. 韩皓,徐圣安,赵蒙. 铁道运输与经济, 2021(10)
- [4]深度卷积神经网络的增强研究[D]. 廖理心. 北京交通大学, 2021
- [5]基于深度强化学习的目标跟踪算法研究[D]. 杨宇翔. 北京交通大学, 2021
- [6]基于黑盒攻击技术的图像识别对抗攻击系统设计与实现[D]. 石娇. 哈尔滨工业大学, 2021
- [7]暴风集团多元化扩张战略下财务风险研究[D]. 丁之亮. 东华理工大学, 2021
- [8]PC县税务局预算绩效评价研究[D]. 金颖颖. 西安工业大学, 2021
- [9]彝语义诺话声调及变调研究[D]. 杨仁琴. 西南民族大学, 2021
- [10]全身反应法在毛里求斯基础汉语教学中的应用研究 ——以La Confiance小学为例[D]. 李贝儿. 西北师范大学, 2021