進(jìn)入后續(xù)改革時期,人民的生活在不斷改善的同時,發(fā)展成果非廣泛性的共享問題突顯,階層性的收入分配差距拉大,社會福利分配不平等程度逐漸擴大,發(fā)展不均衡現(xiàn)象嚴(yán)重。共享理念能夠有效縮短貧富差距,緩解區(qū)域、城鄉(xiāng)經(jīng)濟(jì)發(fā)展不均衡的局勢,減少分配不公現(xiàn)象的發(fā)生,促進(jìn)人和自然界和諧共處,進(jìn)而形成穩(wěn)定的社會環(huán)境。本文的主要研究工作如下:(1)共享發(fā)展成果的理論基礎(chǔ)。以習(xí)近平總書記在十八屆五中全會中所指出的“共享是中國特色社會主義的本質(zhì)要求�！睘榛A(chǔ),共享發(fā)展成果的概念界定為:社會發(fā)展所帶來的一切成果,包括經(jīng)濟(jì)、政治、文化、社會、生態(tài)、機會平等六個方面的發(fā)展成果,這些成果應(yīng)當(dāng)由全體人民或所有參與推動中國特色社會主義建設(shè)的勞動者們公平享有。(2)根據(jù)發(fā)展成果共享的內(nèi)涵與特征,從經(jīng)濟(jì)權(quán)益共享、政治權(quán)益共享、社會權(quán)益共享、文化權(quán)益共享、生態(tài)權(quán)益共享、平等機會共享六個方面出發(fā)共選取20個具體指標(biāo),構(gòu)建發(fā)展成果共享評價指標(biāo)體系。經(jīng)濟(jì)權(quán)益共享包含了社會財富和人民財富,社會財富包含經(jīng)濟(jì)增速、科技投入、經(jīng)濟(jì)增長穩(wěn)定性、收入分配不公共4個指標(biāo),人民財富包括人均收入、人均支出、恩格爾系數(shù)共3個指標(biāo);政治權(quán)益共享主要是指話語權(quán),...

【文章頁數(shù)】：57 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖4.1BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

16網(wǎng)絡(luò)各層之間的權(quán)值和閾值，進(jìn)而使網(wǎng)絡(luò)的誤差達(dá)到設(shè)定好的精度。圖4.1BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)BP神經(jīng)網(wǎng)絡(luò)是包含正向和逆向傳播的訓(xùn)練網(wǎng)絡(luò)。具體的學(xué)習(xí)分為四個階段：第一個階段是數(shù)據(jù)正向傳播階段，使工作信號從輸入層各個節(jié)點開始經(jīng)過隱含層向輸出層傳播，依次計算各層神經(jīng)元的實際輸入值和輸出值；....

圖4.2網(wǎng)絡(luò)拓?fù)鋱D

26（2）構(gòu)建神經(jīng)網(wǎng)絡(luò)模型。首先，需要確定網(wǎng)絡(luò)層數(shù)。經(jīng)典的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包含輸入層、隱含層、輸出層，三層的BP神經(jīng)網(wǎng)絡(luò)足以擬合任意函數(shù)，所以本文選擇一個輸入層、一個隱含層、一個輸出層所組成的三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)即可。其次，確定網(wǎng)絡(luò)輸入、輸出的節(jié)點數(shù)。輸入層的節(jié)點數(shù)是第三章構(gòu)建的發(fā)展....

圖4.3網(wǎng)絡(luò)輸出結(jié)果

27練，并采用無量綱化后的數(shù)據(jù)直接代入網(wǎng)絡(luò)訓(xùn)練中。編程語言如附錄所示。在進(jìn)行網(wǎng)絡(luò)訓(xùn)練之前，前饋型神經(jīng)網(wǎng)絡(luò)需要對權(quán)值和閾值進(jìn)行初始化處理，newff（）函數(shù)可以自動幫助網(wǎng)絡(luò)完成這一過程，弊端就是沒有辦法重新賦予初值，因此引入init（）函數(shù)，幫助網(wǎng)絡(luò)權(quán)值自動恢復(fù)到初始化狀態(tài)，因此在....

圖4.4神經(jīng)網(wǎng)絡(luò)擬合效果檢驗圖4.4分別表示訓(xùn)練樣本、驗證樣本、測試樣本和總體的預(yù)測結(jié)果，R值越接近1，說明網(wǎng)絡(luò)預(yù)測的精準(zhǔn)度越高

28圖4.4神經(jīng)網(wǎng)絡(luò)擬合效果檢驗圖4.4分別表示訓(xùn)練樣本、驗證樣本、測試樣本和總體的預(yù)測結(jié)果，R值越接近1，說明網(wǎng)絡(luò)預(yù)測的精準(zhǔn)度越高。根據(jù)圖4.4所示，訓(xùn)練樣本的R值為0.9544，效果很好，再看測試樣本的R值為0.95839，比訓(xùn)練樣本的R值稍稍好一些，說明這個模型擬合的很好。....

本文編號：4001687