-
题名俄罗斯的世界一流大学建设:“5-100计划”述评
被引量：5
- 1
-
-
作者
闫欢欢
王莉
-
机构
江苏师范大学江苏圣理工学院-中俄学院
-
出处
《高教探索》
CSSCI
北大核心
2020年第10期73-80,共8页
-
文摘
为应对激烈的国际竞争及社会发展需要,2013年俄罗斯政府启动了建设世界一流大学的"5-100计划"。计划对创建世界一流大学的目标任务、遴选标准、遴选程序以及经费分配等做了明确的规定,并出台了系列支持政策。经过7年发展,2020年"5-100计划"迎来收官之年,该计划提升了参与高校的国际排名、科研以及国际化水平,并在一定程度上推动了俄罗斯科教系统的现代化进程。然而受苏联高等教育体制教学与科研相分离传统的影响以及"5-100计划"实施过程中存在"目标不切实际、贪污腐败、急功近利、经费不足"等问题,"5-100计划"并未完成预定目标。在此基础上,俄罗斯政府决定自2021年,着手启动"5-100计划"的升级版,持续推动俄罗斯的一流大学建设。俄罗斯的世界一流大学研究可为我国的双一流建设提供借鉴意义。
-
关键词
“5-100计划”
俄罗斯高等教育
一流大学建构
-
分类号
G649.512
[文化科学—高等教育学]
-
-
题名金融科技背景下普惠金融基本矛盾图谱与解决路径研究
被引量：36
- 2
-
-
作者
陆岷峰
马经纬
汪祖刚
-
机构
南京财经大学江苏创新发展研究院
江苏师范大学江苏圣理工学院-中俄学院
-
出处
《金融理论与实践》
北大核心
2019年第8期1-7,共7页
-
基金
江苏省互联网金融协会省级项目“关于金融服务实体经济战略研究”(项目编号:2019SHJ016)
-
文摘
普惠金融概念一提出就天然地形成了商业性与政策性这一对基本矛盾,并且构成普惠金融发展过程中其他各种矛盾的根源。基于对普惠金融基本矛盾图谱的解读,偏重政策性普惠金融发展难以持续,偏重商业性普惠金融发展则会陷入"普"而不"惠"或"惠"而不"普"的死胡同,解决这一基本矛盾成为发展普惠金融的关键。近年来,金融科技的创新发展重新定义了普惠金融发展的逻辑,提升了普惠金融的覆盖面和获得感,为普惠金融基本矛盾的化解提供了技术支持。充分发挥金融科技的技术优势,通过构建"政策+普惠"模式、金融供给侧结构性改革、金融科技产业发展、重视复合型金融科技人才等促进金融科技与普惠金融的耦合发展,使商业性与政策性在对立中寻求统一,以实现普惠金融在推动新时期高质量发展过程中发挥更大作用。
-
关键词
供给侧改革
金融科技
数字普惠金融
金融机构
-
分类号
F832.46
[经济管理—金融学]
-
-
题名中国对外贸易的疫情冲击效应
被引量：7
- 3
-
-
作者
李子联
陈强
-
机构
江苏师范大学商学院
江苏师范大学自贸区研究院
江苏师范大学江苏圣理工学院-中俄学院
-
出处
《现代经济探讨》
CSSCI
北大核心
2021年第4期75-82,共8页
-
基金
国家社会科学基金后期资助项目“中国高质量发展理论框架与经验问题研究”(编号20FJLB020)
江苏省社会科学基金自筹经费项目“疫情背景下世界贸易格局变化与江苏对外贸易应对策略研究”(编号20EYD002)。
-
文摘
采用Beveridge-Nelson数据分解技术对中国进出口贸易的确定性趋势项、周期项和随机冲击项进行分解,并着重考察新冠疫情爆发以来中国进出口贸易所受的冲击。研究发现:疫情自爆发以来对中国进出口贸易带来了较大的负面冲击,其中出口贸易总额和进口贸易总额所遭受的月度冲击均值分别为197.185亿元和91.604亿元,但中国进出口贸易在疫情冲击中表现出了较强的增长韧性,其所遭受的冲击在经历2020年2月的峰值之后开始逐渐减弱,并于9月出现了逆转回暖的势头。疫情在需求层面带来了消费环境的恶化、投资规模的减少和国外需求的下降,因而对进出口贸易所带来的负面影响具有即期性特征;疫情在供给层面抑制了短期劳动投入和物质资本的增加,因而直接或间接地抑制了进口需求和出口生产规模的扩大。
-
关键词
对外贸易
疫情冲击
B-N数据分解
传导机制
-
分类号
F752.6
[经济管理—国际贸易]
-
-
题名卷积增强自适应分类模型的构造与研究
- 4
-
-
作者
陈一卓
邹伟
王洪大
-
机构
江苏师范大学江苏圣理工学院-中俄学院
-
出处
《计算机科学》
2025年第S2期455-459,共5页
-
文摘
经典卷积神经网络(Convolutional Neural Networks,CNN)已被成功应用于图像领域,但是在图像旋转与缩放等几何变换条件下提取图像特征存在鲁棒性不足的局限。文中提出一种卷积增强自适应分类模型(Convolutionally Enhanced Adaptive Classification Model,CEACM),通过集成特征提取与分类器优化,来提升模型在复杂图像变换场景下的性能。在特征提取部分,引入了特征不变层作为对传统CNN的增强机制。该层通过集成旋转变换策略,有效增强CNN在提取图像特征时的旋转不变性,确保模型能够从多样化的输入数据中捕获到稳定且具有高度代表性的特征表示,提高模型对图像几何变换的鲁棒性。在分类器设计部分,提出了一种基于粒子群优化(Particle Swarm Optimization,PSO)的自适应增强模型。该模型利用PSO算法的全局搜索能力,对分类器的权重进行精细调整,能有效避免传统优化方法易陷入局部最优解的问题,提升模型的泛化能力和分类精度。为验证CEACM模型的有效性,采用了一系列国际标准图像数据集进行测试。实验结果表明,相较于传统机器学习模型及现有改进CNN模型,CEACM在分类任务上展现出了更为优越的性能,不仅提高了分类的准确率,还显著增强了模型在处理图像几何变换时的稳定性与鲁棒性。
-
关键词
数据增强
卷积神经网络
自适应增强算法
粒子群优化算法
-
Keywords
Data augmentation
Convolutional neural network
Adaptive boosting
Particle swarm optimization
-
分类号
TP311
[自动化与计算机技术]
-
