摘要：收入分配制度改革是我国改革开放的核心主题之一。我国按照按劳分配与按要素分配并存的收入改革思路,结合不同发展阶段特点,逐步将土地、资本、技术、管理、知识和数据纳入按要素分配序列之中。从推动我国从数据大国迈向数据强国的时代背景出发,分析了当前数据要素市场化配置改革应当坚持国情视角、问题导向、综合改革和创新驱动等四个原则,并系统论述了推动数据要素市场化配置改革中的产权制度、供给制度、流通制度、分配制度和跨境制度等五个方面的基础制度设计。

摘要：针对目前短波信号规格识别中特征选取单一、相同调制类型信号区分能力弱的问题,提出了基于特征融合网络的信号规格识别算法,设计了一种以信号矢量图和数据流作为网络输入的识别模型。首先,通过信号预处理,得到矢量图和标准化的信号数据矩阵作为特征源,并由此设计了基于特征融合网络的信号规格识别模型;其次,利用模型的密集连接卷积算法,在避免网络退化的同时,对矢量图和数据矩阵进行深度特征提取、融合与学习,实现对目标信号的规格识别;此外,在构造短波信号数据集时设计了随机频偏策略,进一步提高网络模型的泛化能力。仿真实验表明,所提算法对含有相同调制方式的信号集识别效果较好,且模型空间小、运算速度快,当信噪比为0 dB时识别准确率可达98%。

摘要：同案同判是司法公正与司法统一的必然要求,也是司法制度追求的终极目标。大数据与人工智能为司法审判改革提供了重要契机,也为同案同判的实现提供了可能性。各地区法院对同案同判智能化实现的探索百花齐放,然而在实际应用过程中存在着诸多问题,根本原因是大数据和人工智能等技术话语与法律话语尚未实现深度融合。要件事实审判思维是当前唯一能与同案同判智能化形成对接的最有效的方案。以民事司法为例,同案同判的智能化实现应以要件事实审判思维为基本遵循,促进裁判的规范化与标准化、实现判决书的格式化和形式化表达、设计同案的识别要素,在此基础上检索与发现同案、预测与监督裁判。

摘要：临床循证决策过程中需要基于最佳证据,综合考虑干预措施利弊大小、证据确信度、成本与可行性等因素。通过制定患者健康结局指标效应量决策阈值(decision threshold of effect size,DTES),能够帮助利益相关者理解干预措施利弊大小、评估证据确信度和解读研究结果。MERGE工作组充分借鉴国际经验,通过小组讨论、半结构化访谈、专家共识和试点应用,开发了一套包括8个步骤的健康结局指标DTES制定方法指南,包括:必要性评估、组建工作组、遴选患者重要结局、基于最佳证据制作情景示例、设计专家函询问卷、分析专家涵询结果、面对面专家共识以及推广应用与后效评价。DTES指南的开发,以期为利益相关者制定不同领域健康结局指标的DTES提供方法指导。

摘要：神经网络模型对大样本时间序列的拟合效果优于传统时间序列模型,但对于年度、月度、日度等低频时间序列的预测则难以发挥其优势。鉴于此,本文应用传统时间序列模型和神经网络模型,建立Holtwinters-BP组合模型,利用Holtwinters模型分别拟合各解释变量序列,利用BP模型拟合解释变量和自变量的非线性关系,基于某社交新闻类APP的日广告收入数据进行互联网企业广告收入预测研究。通过与循环神经网络(RNN)模型、长短期记忆神经网络(LSTM)模型等预测结果的对比发现:Holtwinters-BP组合模型的预测精度和稳定性更高;证明多维变量对于广告收入的显著影响,多变量模型的预测准确性高于单变量模型;构建的Holtwinters-BP组合模型对于低频数据预测有较好的有效性和适用性。

摘要：[目的/意义]构建科学数据中心用户注册协议合规评估指标体系并呈现合规程度,旨在促进科学数据中心依规建设和完善。[研究设计/方法]运用扎根理论,以用户注册协议为样本建立合规评估点,并对照合规依据逐一分析得出评估结果。[结论/发现]构建包括5项一级指标、13项二级指标、83项三级指标在内的评估指标体系,评估后可知:科学数据中心用户注册协议的总体合规程度不高;合规点方面,平台自我免责方面的合规性相对较高,付费模式和数据归属方面的合规性较低;平台方面,国家林业和草原科学数据中心、国家气象科学数据中心合规程度相对较高,国家海洋科学数据中心合规程度相对较低。为提升科学数据中心用户注册协议合规性,需要完善风险预警机制,充分保护用户信息,建立数据产权机制,优化服务付费模式,以及重新平衡用户与平台间的权利与义务。[创新/价值]以科学数据中心的用户注册协议为研究对象,构建评估用户注册协议合规性的指标体系,并提出具体评估的操作方法,可为其他领域用户注册协议合规性评估提供框架基础。

摘要：剖析我国数据产权政策整体概况和具体内容,有利于决策者优化政策和市场主体掌握政策。文章以我国数据产权政策文本为样本,运用扎根理论方法、词频计量方法和情感分析的思想展开分析。研究发现:数据产权政策属于“分散模式”,2021年开始进入大幅增长期,但当前总体上处于“审慎”的稳中有增状态;政策类型主要有通知、意见、建议、纲要和条例。数据产权政策总体上比较务实,旨在解决保护、交易、制度、标准规范、确权、利用、研究、纠纷解决和相关关系协调九大问题,主要是为了实现服务数据要素市场等20项政策目标,将来宜从优先解决关键基础问题、出台专门政策、从“重引导”转向“重落实”等方面进行政策调整。

摘要：社交网络中的链接关系根据其潜在的含义可分为正关系和负关系.若对网络中的链接关系进行正负标注,则可形成一个符号网络.符号网络在社会学、信息学、生物学等多个领域存在广泛应用.针对符号网络中链接关系的正负预测,已经成为当前研究的热点之一.在大数据背景下,随着符号网络规模的日益扩大,符号预测算法的可伸缩性问题日益突出.一些研究者提出了分布式环境下的符号预测方法,使得算法的可伸缩性问题部分得到缓解.但是由于大多数算法采用了服务器-客户端方式的分布式框架,导致问题并没有得到根本上的解决.提出了一种端到端分布式框架(client to client distributed framework,简称C2CDF),相比传统服务器-客户端架构的集中通信模式,C2CDF的各个节点间地位平等,不存在集中通信,集群的带宽瓶颈和压力得以减轻.通过在社交网络正负符号预测、广告点击率预测及森林类型预测这3个不同真实数据集上的实验结果表明:C2CDF能够在拥有更高准确性的同时,获得2.3倍~3.3倍的加速比,而且拥有良好的泛化性,不仅应用在了社交网络正负符号预测方面,也能作用于广告点击预测等其他领域.

摘要：利用深度残差网络中逐通道不同阈值的残差收缩模块(DRSN-CW)的降噪能力和特征提取能力,结合长短时记忆网络(LSTM)和注意力机制,设计了一个端到端的基于振动信号的轴承故障诊断模型DRSNCW-LSTM。其中,LSTM模块很好地利用了信号的时序特点,充分提取振动信号的内部时域特征。同时,注意力机制的引入可以使得模型自动提取出重要的时域特征用于后续的故障类型识别。在凯斯西储大学(CWRU)数据集上对提出的模型进行了测试,实验表明提出的方法在无降噪处理的情况下,相比于最新的MCNN-LSTM模型能更准确地诊断轴承故障。在训练数据不足的情况下,提出的方法依旧能较好地实现轴承故障诊断,平均准确率能达到98.16%,比MCNN-LSTM平均提升了2.62%。

摘要：华为昇腾是一款新型神经网络加速器.与GPU相比,昇腾加速器专门面向神经网络计算,设计了专用计算单元,核心算力集中在低精度,基于昇腾的软件栈与GPU有所差异.现有研究大多专注于GPU上的深度学习负载性能分析和优化,由于昇腾平台推出不久且具有新的体系结构特征,其实际表现仍有待探索.为深入挖掘昇腾的性能和优化方法,本文对其进行了系统性的评测和分析,包括:(1)基于标准数据集在四个端到端神经网络(ResNet、Transformer、DeepFM和LSTM)上对昇腾和GPU的性能和功耗进行了对比;(2)研究了昇腾上深度学习框架、算子和混合精度训练优化策略;(3)测试三个计算密集型算子(全连接、卷积和RNN)的浮点计算能力、硬件利用率和访存性能.评测结果表明:华为昇腾加速器适合进行稠密型神经网络工作负载,且功耗低于GPU;使用昇腾进行模型训练,需要将神经网络模型从32位精度量化到16位精度.针对昇腾的体系结构和编译软件栈特点,本文提出如下优化策略:深度学习框架开发时应进行整图编译构建,进行算子融合;算子开发时应合理设置分块大小,尽量使用低精度实现算子;模型训练时要合理设置混合精度参数.