肯尼亚经济增长的评估和预测取决于制造业对经济贡献的增加。然而,尽管政府在《2030 愿景》等发展蓝图中对此给予了高度重视,但这一目标并未实现。事实上,肯尼亚制造企业的表现和对经济的贡献一直令人担忧,尤其是在人们意识到房地产和电信等其他经济部门对 GDP 的贡献已经超过制造业之后。在肯尼亚,制造业在肯尼亚经济总产出中的份额停滞在 10%,对总工资就业的贡献也在下降。正是这一事实使得我们有必要研究微观因素对肯尼亚制造企业财务绩效的影响。具体目标是确定运营实践和企业财务绩效的影响,并确定企业规模对微观因素对企业财务绩效的调节作用。宏观经济因素包括运营实践、生产能力、管理实践。代理理论被用作基础理论,并由财富最大化理论和资源基础理论作为补充。研究设计为描述性研究设计。数据是使用自填问卷收集的,调查对象为肯尼亚 180 家制造企业。回复率为 95%。使用描述性统计、相关性和回归技术来分析数据。研究结果表明,微观因素与企业财务绩效之间存在统计上的正相关和显著的直接关系。结果表明,微观因素与企业财务绩效之间的关系
AI正在改变许多行业,并引起了应用程序的爆炸。受到ML和深度学习影响的领域包括自动驾驶汽车,语音和图像识别,有效的网络搜索,欺诈检测,人类基因组分析以及许多其他进步。对AI,ML和深度学习的知识已成为任何工程师或科学家的必备知识。本课程旨在让您接触基础理论和语言。这是对非专家的介绍,它将使您能够进入各个部门提供的其他AI,ML和深度学习课程。
类脑计算是借鉴脑科学基本原理,打破 “ 冯诺依曼 ” 架构束缚的新型计算技术。本研究组将从理论和器件两个方向对类脑计算展开协同 研究。 理论方面:研究类脑计算架构、模型和算法,探索基于类脑计算的类脑智能的基础理论;借鉴神经元模型、神经环路传导、神经编码 及认知、学习、记忆、决策等神经机制,逐步建立和完善类脑处理信息处理的数学 / 计算原理和模型;构建类脑计算和智能的统一理论 框架。为类脑计算器件及系统的发展提供理论基础。 器件方面:基于新材料和新技术,研究新型高性能类脑神经器件,解决一致性差、可靠性差、规模化难等痛点;研究基于类脑神经器 件的网络架构,构建大规模阵列,开展外围电路的研发与设计;研究基于新型类脑器件的感知和计算架构,发展感存、存算、感存算 一体系统。
专题课程介绍了物理原型制作和为期一年的项目中最常用的材料。本课程包括基础理论和实际动手实验和项目,让学生获得原型制作材料的基本知识,包括金属、聚合物、玻璃、木材等。还将介绍一些用于未来项目的高级材料,例如金属薄膜、液态金属、石墨烯等。材料的特性也将在实验期间进行测试和测量。学生将通过讲座和实际动手实验获得知识。
ICCAS 2024汇集了来自21个国家 /地区的400多个研究论文,促进了推进控制,自动化,机器人技术和系统工程领域的讨论和合作。在许多高质量提交的内容中,有43篇论文经历了加急但严格的审查过程,最终选择了32篇特刊。这些作品重点介绍了基础理论和开创性应用程序,涵盖了机器人技术,自主系统和工业自动化的高级控制策略,选择性技术以及机器学习应用程序。他们解决了姿势估计,预测控制,网络系统和容忍故障设计的关键挑战,驱动创新,桥接理论发展和实际实施。
本课程旨在深入概述认知和社会发展、动机和学习、个人和群体差异、教学方法以及学习评估方面的研究和理论。它将涵盖教育心理学中当前和新兴的关键问题,重点关注认知过程和大脑的研究调查、动机对学习的影响、评估在学习中的作用、教学心理学、教学干预的有效性以及认知、学习和教学对不同学习者的关系。教育心理学的基础理论和当代问题将在人类发展的整个生命周期和包括学校、家庭和社区在内的不同背景下进行研究。
光子是光的基本量子,被广泛认为是能量的载体和电磁相互作用的介质。本文提出,光子还编码了全息平面内量子相互作用的“地址”,为跨时空协调量子现象提供了一种机制。基于《从许多不真实的世界解释中诞生的宇宙》中提出的框架,这一假设表明光子充当空间和信息坐标的信使,为波函数坍缩、量子纠缠和延迟选择实验提供了新的解释。这种方法将全息原理与量子力学相结合,有可能连接现代物理学的两个基础理论。
2010年国家自然科学基金面上项目。黑河计划的科学目标是揭示不同尺度(如叶片、单株植物、群落、景观和流域尺度)内陆河流域生态水文系统的过程和机制,提高水文、生态和经济系统演变的研究能力和可预测性,研究生态水文过程对气候变化和人类活动的响应,为内陆河流域水安全、生态安全和可持续发展提供基础理论和技术支持。黑河计划的实施最终将建立一个集物理和社会经济过程观测、数据管理和模型模拟于一体的研究平台,促进21世纪中国流域科学的发展。
量子理论已显示出在增强机器学习方面的优势。然而,利用量子理论来增强图学习还处于起步阶段。本综述从基础理论、方法和前景三个角度研究了量子图学习 (QGL) 的最新进展。我们首先研究 QGL,分别讨论量子理论和图学习的互利关系、图结构数据的特殊性以及图学习的瓶颈。提出了一种新的 QGL 分类法,即图上的量子计算、量子图表示和图神经网络的量子电路。然后强调并解释其中的陷阱。本综述旨在对这一新兴领域进行简短而有见地的介绍,并详细讨论尚待研究的前沿和前景。