科学网 › 标签 › 适用范围

标签: 适用范围

相关帖子	版块	作者	回复/查看	最后发表

没有相关内容

相关日志

“同行评议”的适用范围: 热度 10 qsqhopeiggcas 2015-1-26 14:16; 杨正瓴老师就“同行评议”问题写了篇好文，感兴趣的童鞋们可看看： “ 同行评议 ” 正在阻碍科技进步？ http://blog.sciencenet.cn/blog-107667-862706.html 看完了有兴趣也可看看俺写的一篇类似小文：写啥容易发表国际 SCI 论文？ http://blog.sciencenet.cn/blog-575926-850682.html 俺觉得，同行评议适用于：（ 1 ）跟踪、模仿与改进性等工作；（ 2 ）非颠覆性的、“添砖加瓦”式的科学发现。不适用于：（ 1 ）颠覆过去已有认识的理论；（ 2 ）前所未有的重大科学发现。由此可见，对重大的科研突破，因“同行评议”不识货或利益冲突，初期往往被灭。因此，可以说“同行评议”往往是用落后限制先进，是重大科技发展的绊脚石。; 个人分类: 热点关注|4045 次阅读|22 个评论

“坦白从宽”是否有适用范围？: jefei 2013-3-21 23:48; 今天吃饭时听广播里说加拿大留学生林俊分尸案嫌疑人庭审时崩溃，有论者说这或许是故意为之。揣摩一下，此说的原因可能是：一、显示悔罪态度，争取宽大处理；二、表明有精神问题，以精神病之由争取轻罚。当然，也可能是人家真的是崩溃了，咱们小人了。继而不禁想到个问题，“坦白从宽”这个原则是否有适用范围？对于法律，虽然中学时为考政治背过许多法律原则和条文，到现在也看过或听过许多普法节目，我还是觉得自己是个法盲。不过任何事情都有其适用范围，我想这个也应该有其适用范围才对。就像我们常知道的两点之间直线距离最近这个原理，也只是在三维空间适用，若是到更高维度，通过空间折叠，两点甚至可以重合在一起，更别说量子力学里面那众多近似的适用范围了。百度了一下，发现“坦白从宽”写入法律居然是在2011年颁布实施的《中华人民共和国刑法修正案（八）》，此次修正后，《刑法》第六十七条中增加一款作为第三款：“犯罪嫌疑人虽不具有前两款规定的自首情节，但是如实供述自己罪行的，可以从轻处罚；因其如实供述自己罪行，避免特别严重后果发生的，可以减轻处罚。”而且也的确有法律工作者认为它是有适用范围的，广州检察院的王树茂就在《“坦白从宽”的理解与适用》写到： “ 根据责任主义原则，犯罪行为的社会危害性(客观危害十主观恶性)或曰罪责(违法性十有责性)是裁量刑罚的基础，人身危险性、社会治安形势、预防犯罪等只是裁量刑罚时考虑的次要因素。... “可以从宽”，首先，意味着“从宽”是一般情形，“不予从宽”是个别特例，这是刑法规定的倾向性要求，更是发挥刑事政策感召力的现实需要。对于罪行并非极其严重的犯罪，具备坦白情节的，原则上应该从轻(减轻)处罚。其次，“可以”并非“应当”从宽，不能一概而论，要求具体个案具体分析。即根据犯罪人罪责的大小，也就是犯罪的事实、性质、情节和对社会的危害程度，兼顾考虑犯罪人的人身危险、社会治安形势、预防犯罪等刑事政策因素，决定是否从宽处罚。对于罪行极其严重的犯罪，尤其是严重危害国家安全的犯罪、造成重大人身伤亡或者财产损失的恐怖犯罪或暴力犯罪，作案手段特别残忍、情节特别恶劣、后果特别严重的犯罪，即使具备坦白情节，根据罪责刑相适应原则，也可以不予从宽处罚。” 虽然刑法并未详细规定哪些可以从轻哪些不可以，但起码有法律工作者意识到此事并会去做了。扩展一下，近几年可没少听新闻里报道说因罪犯有精神病而对其从轻处罚的事情，那么保护缺乏自我控制力的精神病人的这条判罚考虑，是否也有适用范围？保护弱势群体我举双手赞成，但当所谓的“弱势群体”威胁到我时，我可是也坚决支持对其严惩。我始终认为，在一起刑事案件中，从始至终，最重要的都是要保护受害人，伸张正义，无论其是否已遇害，挽救罪犯只是次要考虑。因而，当罪犯是缺乏自我控制力者时，如果所造成的伤害比较小，通过认罪、道歉、赔偿等可以在较大程度上弥补伤害，我支持对罪犯轻判，浪子回头金不换，谁都有犯错的时候不是？得给人机会；但若是造成的伤害比较大，社会影响恶劣，像致人死亡、手段残忍等，我认为就该按其罪行判罚，同时追究其监护人的责任，不能因其缺乏行为能力或缺乏自制力就轻判，这样只会造成普通人的恐慌，更加隔离这些人，这对这些弱势群体的保护反而是很不利的。王树茂：“坦白从宽”的理解与适用 http://newspaper.jcrb.com/html/2011-08/31/content_80827.htm 李天程：浅议“坦白从宽，抗拒从严”刑事政策写入《刑法》的意义 http://www.gy.yn.gov.cn/Article/Print.asp?ArticleID=25211; 个人分类: 我的看法|3731 次阅读|0 个评论

遗传神经网络: ruanjunhu 2009-3-9 16:14; (河北工程大学管理科学与工程阮俊虎） 1. 神经网络神经网络在神经生理学、神经解剖学的范畴里，指的是生物神经网络 (Biological Neural Networks) ；在信息、计算机科学等领域内，指的则是向生命学习而构造的人工神经网络 (Artificial Neural Networks) 。如同生物学上的基本神经元，人工的神经网络也有基本的神经元。每个神经元有特定数量的输入，也会为每个神经元设定权重（ weight ）。权重是对所输入的资料的重要性的一个指标。然后，神经元会计算出权重合计值（ net value ），而权重合计值就是将所有输入乘以它们的权重的合计。每个神经元都有它们各自的临界值（ threshold ），而当权重合计值大于临界值时，神经元会输出 1 。相反，则输出 0 。最后，输出会被传送给与该神经元连接的其它神经元继续剩余的计算。图 1 给出了单个神经元的基本结构。图 1 神经元结构本文仅以 BP 神经网络为例。 BP 神经网络是一种多层前馈网络，它是利用误差逆传播算法进行误差校正的神经网络，所谓误差逆传播算法 (Error Back-Propagation Training) 是利用实际输出与期望输出之差对网络的各层连接权由后向前逐层进行校正的一种计算方法。图 2 是一个三层 BP 网络模型。这是一个三层 BP 网络，一般来讲， BP 网是一种具有三层或三层以上的多层神经元网络，它的左、右各层之间各个神经元实现全连接，即左层的每一个神经元与右层的每个神经元都有连接，而上下层各神经元之间无连接。在 BP 网络中，当一对学习模式提供给网络后，其神经元的激活值将从输入层经各中间层向输出层传播，在输出层的各神经元输出对应于输入模式的网络响应。然后，按减少希望输出与实际输出误差的原则，从输出层经各中间层，最后回到输入层逐层修正各连接权。随着这种误差逆传播训练的不断进行，网络对输入模式响应的正确率也不断的提高。由于 BP 网络有处于中间位置的隐含层，并有相应的学习规则可循，可训练这种网络，使其具有对非线性模式的识别能力，特别是它的数学意义明确、步骤分明的学习算法，更使其具有广泛的应用前景。 2. 遗传算法遗传算法（ Genetic Algorithm ）是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。它是由美国的 J.Holland 教授 1975 年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代有关智能计算中的关键技术之一。遗传算法（ Genetic Algorithm ，简称 GA) 是根据达尔文的自然界生物进化思想，将其灵活运用到优化运算领域而产生的一种寻优算法。遗传算法是从代表问题可能存在解集的一个种群 (population) 开始的，而一个种群则由经过基因 (gene) 编码的一定数目的个体 (individual) 组成的。遗传算法常用来解决最优化问题，首先应对可行域中的点进行编码 ( 一般采用二进制编码 ) ，然后在可行域中随机挑选一些编码组成作为进化起点的第一代编码组，并计算每个解的目标函数值，也就是编码的适应度。接着利用选择机制从编码组中随机挑选编码作为繁殖过程前的编码样本。选择机制应保证适应度较高的解能够保留较多的样本；而适应度较低的解则保留较少的样本，甚至被淘汰。在繁殖过程中，使用交叉和变异两种算子对挑选后的样本进行交换，产生下一代编码组。简单遗传算法可以形式化定义为一个 8 元组： SGA=(C ， E ， Po ， M ，，，， T) ；式中： C 表示个体的编码方法； E 表示个体的适应度函数； Po 表示初始种群； M 表示群体大小；表示选择算子；表示交叉算子；表示变异算子； T 表示遗传运算终止条件。遗传算法的主要计算过程： (1) 对问题的可行解进行染色体编码； (2) 产生初始种群； (3) 对种群内的各个个体进行适应度评价； (4) 根据个体的适应度进行选择操作，然后交叉、变异产生新的群体； (5) 返回到 (3) ，对该组群体解码进行新的评价； (6) 若当前解满足要求或进化过程中达到一定的进化代数，计算结束，否则转 (3) 继续进行。 3. 遗传神经网络 BP 算法具有简单和可塑的优点，但是即算法是基于梯度下降的方法，这种方法的收敛速度慢，且常受局部极小点的困扰。遗传算法是一类借鉴生物界自然选择和自然遗传机制的随机化搜索算法，由于其主要特点是群体搜索策略和群体中个体之间的信息交换，搜索不依赖梯度信息。该算法从多点出发开始搜索，加上交叉作用，所以该算法不容易陷入局部最小误差。图 3 局部最大和全局最大目前有关遗传算法与神经网络相结合的应用研究工作主要包括三个方面： (l) 利用遗传算法进化神经网络的连接权； (2) 利用遗传算法进化神经网络的结构； (3) 利用遗传算法进化神经网络的学习规则。以利用遗传算法进化神经网络的连接权为例说明利用遗传算法优化神经网络。神经网络的权值训练过程实际是一种复杂函数优化问题，即通过反复调整来寻找最优的连接权值。神经网络权值的整体分布包含着神经系统的全部知识，传统的权值获取方法是采用某种确定的变化规则，在训练中逐步不调整，最终得到一个较好的权值分布。但是目前广泛使用的 BP 网络，是基于梯度下降方法，因而对网络的初始权值异常敏感，不同的初始权值会导致完全不同的结果，而且在训练过程中，有关参数 ( 如学习速率 ) 的选取也没有理论指导，完全凭借经验来确定，一旦取值不当，就会引起网络振荡而不能收敛，即使收敛也会因为收敛速度慢而导致训练时间长，同时又极易陷入局部极值而无法得到最好的权值分布，最终影响网络的泛化能力。用遗传算法进化神经网络的连接权可以有效克服这些问题，进化连接权过程如下： (l) 采用某种编码方案对一权值 ( 阀值 ) 进行编码，随机产生一组分布，它就对应着一组神经网络的连接权 ( 阀值 ) ； (2) 输入训练样本，计算它的误差函数值，以误差平方和倒数作为适应度 ; 若误差越小，适应度越大，反之适应度大。以此来评价连接权 ( 阀值 ) 的优劣； (3) 选择适应度大的个体，直接遗传给下一代； (4) 再利用交叉，变异等操作对当前群体进化，产生下一代群体； (5) 重复 (2)- (4) ，这样初始确定的一组权值 ( 阀值 ) 得到不断进化，直到训练目标满足条件为止。 4. 适用范围神经网络和遗传算法都是人们仿效生物处理模式的方法，并从中获得的用于处理复杂问题的方法。然而，随着神经网络和遗传算法研究的不断深入发现，在许多学科的应用研究中，神经网络技术己渗透到各个领域，在智能控制、模式识别、计算机视觉、非线性优化、连续语音识别、信号处理等方面取得了巨大的成功和进展，但是有关网络模型结构的确定，初始权值的确定以及 BP 算法收敛慢等问题，人工神经网络方法本身还没有很好的理论指导和解决办法，而遗传算法虽然对于寻优问题有很好的自适应优化搜索能力，但是它不具备自适应学习能力，难以单独有效地作为一种控制方法研究，又由于遗传算法能够收敛到全局最优解，且遗传算法的鲁棒性强，将遗传算法与神经网络结合起来是很有意义的。不仅能发挥神经网络的泛化映射能力，而且使神经网络具有很快的收敛性以及较强的学习能力。将它们结合起来，取长补短，寻求更有效的方法，用于解决复杂问题，越来越受到人们的重视。这样可以更好的发挥神经网络的泛化映射能力，并使神经网络具有很快的收敛能力以及较强的学习能力。 5. 推荐学习资源（ 1 ）书籍：神经网络理论与 matlab7 实现初学这入门还是挺不错的，看过了，就对 matlab 神经网络工具箱有教好的了解神经网络设计讲理论不是很多，看过之后就会对神经网络的原理有更好的了解神经网络结构设计的理论与方法对提高网络的泛化能力的一些方法做了讲述，并且书后有程序，对网络结构的设计应该是挺有帮助的。（ 2 ）论文：李晔基于一种改进遗传算法的神经网络太原理工大学硕士论文集（ 2007 ）杨婷基于遗传神经网络的汽车故障率预测上海交通大学硕士论文集（ 2008 ）赵振勇基于遗传 BP 神经网络的股市预测贵州大学硕士论文集（ 2007 ）吴涛用遗传算法优化神经网络权值张庆红基于遗传算法的神经网络性能优化刘勇基于 GA 的神经网络学习规则的发现邱俊基于遗传算法的循环神经网络在销售预测中的应用储诚山基于遗传算法和 BP 神经网络的用水量预测 Nachol Chaiyaratana Time-Optimal Path Planning and Control Using Neural Networks and A Genetic Algorithm S. H. Ling An Improved Genetic Algorithm Based Fuzzy-Tuned Neural Network Gary G. Yen Hierarchical Rank Density Genetic Algorithm for Radial-Basis Function Neural Network Design Gary Yen Hierarchical Genetic Algorithm For Near-Optimal Feedforward Neural Network Design 书籍能帮助你系统、快速地理解基本原理，论文能帮你理清思路，进行创新！（ 3 ）网站资源 http://www.jgchina.com/ednns/ednnsbk/ednns2.htm 数字神经网络系统介绍神经网络的生物原型、系统模型、数学推理等 http://www.ymlib.net/ MATLAB 资源网教程、源码、工具箱程序等 http://www.ilovematlab.cn/ MATLAB 中文论坛 http://bbs.bc-cn.net/forum-216-1.html MATLAB 编程论坛 http://www.matlab-download.cn/default.aspx Matlab 免费源码免费提供各领域的 Matlab 源码; 个人分类: 管理科学方法|6871 次阅读|0 个评论

更多...

帐号		自动登录	找回密码
密码			注册

关闭 安全验证

标签: 适用范围

相关帖子

相关日志

关闭安全验证