Brain.js(九):LSTMTimeStep 实战教程 - 未来短期内的股市指数预测 - 实操要谨慎
系列的前一文RNNTimeStep 实战教程 - 股票价格预测 讲述了如何使用RNN时间序列预测实时的股价, 在这一节中,我们将深入学习如何利用 JavaScript 在浏览器环境下使用 LSTMTimeStep
进行股市指数的短期预测。通过本次实战教程,你将了解到如何用深度学习捕捉时间序列数据的模式,并掌握 LSTMTimeStep
的实际应用技巧。
此外,还将对比一下 LSTMTimeStep
与 RNNTimeStep
的异同,以帮助你更好地理解何时选择哪种模型。
简单补充下 LSTM是针对RNN缺乏记忆能力的补充结构,现在的大模型很多都是基于此发展起来的。推荐下上一篇关于openai最新发布周第一天的主要内容介绍文章 1500一个月的Pro套餐-无限的4o+满血o1会话权限
1. 什么是 LSTMTimeStep?
LSTMTimeStep
是 Brain.js 提供的一种递归神经网络(RNN)实现。它基于长短期记忆(LSTM)单元,专门用于处理时间序列数据,如股市价格变化、温度波动等。与传统的 RNN 不同,LSTM 的设计使其在记住长期信息的同时也能忽略无关的信息,避免了困扰 RNN 的梯度消失问题。
在股市指数的预测中,历史数据中蕴藏着短期模式和长期趋势,而 LSTM 则非常擅长捕捉这些复杂的时序关系。
2. 安装与设置
首先,我们需要引入 Brain.js。可以直接在 HTML 文件中通过 CDN 加载它:
<script src="https://cdn.jsdelivr.net/npm/brain.js"></script>
3. 数据准备
接下来,我们准备一些示例的股市指数数据。为了简化,我们使用如下每日收盘价的数据:
const stockData = [[1200, 1220, 1230, 1210, 1250, 1280, 1300],[1300, 1310, 1290, 1320, 1330, 1340, 1360],[1360, 1370, 1365, 1380, 1390, 1400, 1410],
];
每个数组代表一周的每日股市收盘价,这些数据将用于训练我们的模型。
4. 构建 LSTMTimeStep 模型
现在,我们将创建一个 LSTMTimeStep 模型来对股市数据进行训练和预测:
const net = new brain.recurrent.LSTMTimeStep({inputSize: 1,hiddenLayers: [10],outputSize: 1,
});
inputSize
: 每个输入的大小,这里为1
,因为我们每次输入一个价格。hiddenLayers
: 隐藏层大小,包含10
个节点。可以调整这个值来改变模型的复杂度。outputSize
: 输出大小,同样设为1
。
5. 训练模型
模型创建好后,我们可以开始训练它:
net.train(stockData, {learningRate: 0.01,errorThresh: 0.02,iterations: 1000,log: true,logPeriod: 100,
});
learningRate
: 学习率,通常在0.01
到0.1
之间选择一个合适的值。errorThresh
: 误差阈值,达到此误差时停止训练。iterations
: 最大迭代次数,以便在达到误差阈值前尽量减少训练次数。log
: 是否在训练过程中显示日志信息。logPeriod
: 每隔多少次迭代显示一次日志信息。
6. 使用模型进行预测
训练完成后,我们可以用模型来预测股市指数:
const nextValues = net.forecast([1410, 1420, 1430], 5);
console.log("未来五天的预测值:", nextValues);
这里,forecast()
方法接收最新的股市数据 [1410, 1420, 1430]
,并预测未来 5
天的指数。
7. 完整的代码示例
我们把所有部分结合起来,写出完整的代码:
<!DOCTYPE html>
<html lang="zh">
<head><meta charset="UTF-8"><title>股市指数预测 - Brain.js LSTMTimeStep 实战</title><script src="https://cdn.jsdelivr.net/npm/brain.js"></script>
</head>
<body><h1>股市指数预测</h1><p>查看控制台以了解预测结果。</p><script>// 示例股市数据const stockData = [[1200, 1220, 1230, 1210, 1250, 1280, 1300],[1300, 1310, 1290, 1320, 1330, 1340, 1360],[1360, 1370, 1365, 1380, 1390, 1400, 1410],];// 创建 LSTMTimeStep 模型const net = new brain.recurrent.LSTMTimeStep({inputSize: 1,hiddenLayers: [10],outputSize: 1,});// 训练模型net.train(stockData, {learningRate: 0.01,errorThresh: 0.02,iterations: 1000,log: true,logPeriod: 100,});// 使用模型进行预测const nextValues = net.forecast([1410, 1420, 1430], 5);console.log("未来五天的预测值:", nextValues);</script>
</body>
</html>
8. LSTMTimeStep 与 RNNTimeStep 的对比
在 Brain.js 中,除了 LSTMTimeStep
,还有另一种处理时间序列的模型叫做 RNNTimeStep
。它们之间的区别体现在性能、学习能力和适用场景上:
-
结构差异:
- RNNTimeStep 是经典的递归神经网络实现,适合处理简单的时间序列数据。它在计算上相对轻量,但由于梯度消失问题,它在较长的序列学习上表现不佳。
- LSTMTimeStep 则使用了 LSTM 单元,增加了“记忆”功能,使其能够捕捉长期依赖关系。LSTM 可以通过“门控机制”控制记住或忘记哪些信息,因此更适合复杂、长期的时序预测任务。
-
适用场景:
- 如果你要处理简单的时间序列数据(例如短期的季节性波动),并且对精度的要求不高,那么
RNNTimeStep
可以很好地完成任务。 - 但如果你的数据具有较长的依赖关系,或者需要捕捉数据中的复杂模式(如股市数据的短期与长期趋势),那么
LSTMTimeStep
会是更好的选择,因为它能够有效地处理长时间序列信息。
- 如果你要处理简单的时间序列数据(例如短期的季节性波动),并且对精度的要求不高,那么
-
梯度消失问题:
- RNNTimeStep 的一个显著问题是梯度消失,当序列变长时,它很难保持对数据中前期状态的记忆。
- LSTMTimeStep 使用了遗忘门、输入门和输出门,可以避免梯度消失问题,从而在长期依赖的学习中表现出色。
9. 实践建议
- 数据规模:真实股市数据的规模往往很大,因此需要准备足够多的历史数据来提高预测的准确性。
- 模型调优:可以通过调整隐藏层节点数、学习率和迭代次数等超参数来优化模型性能。
- 特征多样化:股市预测非常复杂,加入更多的特征(如交易量、宏观经济指标等)会使模型更加可靠。
- RNNTimeStep 与 LSTMTimeStep 的选择:如果你在处理简单、较短的时序数据,
RNNTimeStep
可以作为一个较轻量的选择。而在涉及长期趋势和复杂特征的情况下,LSTMTimeStep
则更合适。
10. 总结
在本教程中,我们使用 Brain.js 提供的 LSTMTimeStep
来预测未来股市的短期指数变化,并了解了它与 RNNTimeStep
的区别。对于复杂的时序数据,LSTM 因其处理长期依赖关系的能力而显得非常强大。
通过本教程,你可以利用 JavaScript 在浏览器中实现机器学习的基本功能。在真实应用中,股市的预测充满不确定性,虽然 LSTM 是一种强大的工具,但它并不能替代真实市场中的专业分析和投资策略。
请记住:股市有风险,投资需谨慎。本教程中的预测示例仅为学习之用,不能作为任何投资建议!
相关文章:

Brain.js(九):LSTMTimeStep 实战教程 - 未来短期内的股市指数预测 - 实操要谨慎
系列的前一文RNNTimeStep 实战教程 - 股票价格预测 讲述了如何使用RNN时间序列预测实时的股价, 在这一节中,我们将深入学习如何利用 JavaScript 在浏览器环境下使用 LSTMTimeStep 进行股市指数的短期预测。通过本次实战教程,你将了解到如何用…...

云计算考试题
1、与SaaS不同的,这种“云”计算形式把开发环境或者运行平台也作为一种服务给用户提供。(B) A、软件即服务 B、基于平台服务 C、基于WEB服务 D、基于管理服务 2、云计算是对(D)技术的发展与运用 A、并行计算 B、网格计算 C、分布式计算 D、三个选项都是 3、Amazon.com公司…...

【设计模式】装饰器模式 在java中的应用
文章目录 1. 引言装饰器模式的定义与设计目的装饰器模式与其他设计模式的比较 2. 装饰器模式的结构组件接口(Component)具体组件(ConcreteComponent)装饰角色(Decorator)具体装饰类(ConcreteDec…...

【kafka】生产者的同步发送和异步发送
Kafka 的生产者端提供了同步发送和异步发送两种方式,适合不同的使用场景和性能需求。 以下是两种发送模式的详细讲解: 同步发送 概念 同步发送是指生产者在发送一条消息后,会阻塞当前线程,等待 Kafka 返回发送结果(…...

8. Debian系统中显示屏免密码自动登录
本文介绍如何在Debian系统上,启动后,自动免密登录,不卡在登录界面。 1. 修改lightDM配置文件 嵌入式Debian系统采用lightDM显示管理器,所以,一般需要修改它的配置文件/etc/lightdm/lightdm.conf,找到[Seat…...

SpringBoot 开源停车场管理收费系统
一、下载项目文件 下载源码项目文件口令: 【前端小程序地址】(3.0):伏脂火器白泽知洞座/~6f8d356LNL~:/【后台管理地址】(3.0):伏脂火器仇恨篆洞座/~0f4a356Ks2~:/【岗亭端地址】(3.0):动作火器智汇堂多好/~dd69356K6r~:/复制口令…...

QT的ui界面显示不全问题(适应高分辨率屏幕)
//自动适应高分辨率 QCoreApplication::setAttribute(Qt::AA_EnableHighDpiScaling);一、问题 电脑分辨率高,默认情况下,打开QT的ui界面,显示不全按钮内容 二、解决方案 如果自己的电脑分辨率较高,可以尝试以下方案:自…...

双向链表的模拟实现 —— LinkedList
MyLinkedList类 public class MyLinkedList {// 定义节点类static class Node {int val;Node prev;Node next;public Node() {}public Node(int val) {this.val val;}}// 定义头节点private Node head;// 定义尾结点private Node tail;// 头插public void headInsert(int val…...

速盾:高防cdn预热指定url就只刷新这个吗?
高防CDN预热是指在网站上线或更新之前,将网站内容缓存到CDN节点服务器上,以提高用户访问网站的速度和稳定性。通常,预热可以通过指定URL来进行,而不是刷新整个网站。 预热指定URL的好处是可以选择性地进行缓存刷新,而…...

JDK21新特性
目录 虚拟线程(JEP 444): 顺序集合(JEP 431): 字符串模板(JEP 430): 模式匹配的增强(JEP 440、441以及443): 结构化并发和作用域值…...

json学习
JSON(JavaScript Object Notation)是一种轻量级的数据交换格式,易于人阅读和编写,也易于机器解析和生成。它通常用于在服务器和客户端之间交换数据,特别是在 Web 应用中。 JSON 格式基于 JavaScript 对象表示法&#…...

005-mysql常用的名称
语言分类 DDL :数据定义语言 1、线上DDL语句在对表操作,是要锁元数据表的,此时所有的修改类的命令无法正常运行。 2、对大表在高峰期进行DDL操作,可以使用工具:pt-online-schema-change gh-ost 工具(8.0以…...

PostgreSQL和MySQL区别
PostgreSQL 和 MySQL 有以下一些主要区别: 一、功能特性 1. 数据类型支持 - PostgreSQL:支持丰富的数据类型,包括数组、JSON、JSONB、hstore(键值对存储)、范围类型等。例如,可以直接在数据库中存储和查…...

Android笔记(三十四):onCreate执行Handler.post在onResume后才能执行?
背景 偶然发现一个点,就是在onCreate执行Handler.post在onResume后才执行,以下是测试代码 多次运行的结果一致,为什么execute runnable不是在onCreate和onResume之间执行的呢,带着疑问撸了一遍Activity启动流程 关键源码分析 …...

动手学深度学习d2l包M4芯片 gpu加速
conda创建环境 CONDA_SUBDIRosx-arm64 conda create -n ml python3.9 -c conda-forge conda env config vars set CONDA_SUBDIRosx-arm64 conda activate mlpip安装包 pip install --pre torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/n…...

游戏引擎学习第35天
开场介绍 今天的任务是继续改进一个虚拟的瓦片地图系统,使其适合处理更大的世界。我们希望这个系统能管理大范围的游戏世界,其中包含按需存储的小区域。昨天,我们介绍了“内存区域”的概念,用于管理持久性存储。我们计划今天继续…...

Python 3 和 MongoDB 的集成使用
Python 3 和 MongoDB 的集成使用 MongoDB 是一个流行的 NoSQL 数据库,以其灵活的数据模型和强大的查询功能而闻名。Python 3 作为一种广泛使用的编程语言,与 MongoDB 的集成变得日益重要。本文将介绍如何在 Python 3 环境中集成和使用 MongoDBÿ…...

MperReduce学习笔记下
自定义InputFormat合并小文件 案例需求 无论hdfs还是mapreduce,对于小文件都有损效率,实践中,又难免面临处理大量小文件的场景,此时,就需要有相应解决方案。 案例分析 小文件的优化无非以下几种方式: …...

react + antd desgin 使用form功能时upload,radio,checkbox不能回显的问题
最近使用react开发 遇到form回显的问题 ,处理upload回显的问题,提示 react-refresh:160 Warning: [antd: Upload] value is not a valid prop, do you mean fileList? 查看文档后,在form.item 组件下有一个特殊属性 valuePropName 子节点的值…...

【NLP修炼系列之Bert】Bert多分类多标签文本分类实战(附源码下载)
引言 今天我们就要用Bert做项目实战,实现文本多分类任务和我在实际公司业务中的多标签文本分类任务。通过本篇文章,可以让想实际入手Bert的NLP学习者迅速上手Bert实战项目。 1 项目介绍 本文是Bert文本多分类和多标签文本分类实战,其中多分…...

OpenSSL 自建CA 以及颁发证书(网站部署https双向认证)
前言 1、前面写过一篇 阿里云免费ssl证书申请与部署,大家可以去看下 2、建议大家看完本篇博客,可以再去了解 openssel 命令 openssl系列,写的很详细 一、openssl 安装说明 1、这部分就不再说了,我使用centos7.9,是自…...

YOLOv11改进,YOLOv11添加U-Netv2分割网络中SDI信息融合模块,助力小目标检测
摘要 理论介绍 SDI模块的架构: 平滑卷积(SmoothConv):用于平滑特征图,帮助减少噪声并使得特征更加稳定。Hadamard积:用于在特征图中进行逐元素相乘(点乘),以加强语义信息和细节信息的融合。通道注意力(ChannelAttention):利用通道注意力机制来自动关注重要的特征通…...

flex布局 flex-end为什么overflow无法滚动及解决方法
flex-end为什么overflow无法滚动及解决方法 在使用Flexbox布局时,我们经常使用justify-content和align-items属性来定位子元素。其中,align-items属性用于控制子元素在交叉轴上的位置,例如顶部对齐、底部对齐或居中对齐等。当我们将align-it…...

从ground_truth mask中获取图像的轮廓图
引言 在图像取证领域,主要分为检测和定位两个方面。检测就是判断一张图片是否为伪造图,定位与传统意义上的语义分割任务相近,就是定位伪造像素的区域。如果单纯使用语义分割网络训练,只能获得次优解,而像多任务学习那样…...

Java项目实战II基于微信小程序的旅游社交平台(开发文档+数据库+源码)
目录 一、前言 二、技术介绍 三、系统实现 四、核心代码 五、源码获取 全栈码农以及毕业设计实战开发,CSDN平台Java领域新星创作者,专注于大学生项目实战开发、讲解和毕业答疑辅导。 一、前言 随着移动互联网的迅猛发展,旅游已经成为人…...

开源即时通讯与闭源即时通讯该怎么选择,其优势是什么?
在选择即时通讯软件时,应根据企业的经营领域来选择适合自身需求的开源或闭源方案。不同领域对开源和闭源即时通讯的理念存在差异,因此总结两个点简要分析这两种选择,有助于做出更明智的决策。 一、开源与闭源的根本区别在于软件的源代码是否…...

【计算机网络】实验15:VLAN间通信的实现方法“单臂路由”
实验15 VLAN间通信的实现方法“单臂路由” 一、实验目的 加深对VLAN间通信的实现方法“单臂路由”的理解。 二、实验环境 Cisco Packet Tracer模拟器 三、实验过程 1.构建网络拓扑,并配置好主机的IP地址、子网掩码、默认网关,如图1,2所…...

数据库学习记录04
DDL【数据定义语言】 MySQL命名规则 数据库名不得超过30个字符,变量名限制为29个必须只能包含A-Z,a-z,0-9,_共63个字符不能在对象名的字符间留空格必须不能和用户定义的其他对象重名必须保证你的字段没有和保留字、数据库系统或常用方法冲突保持字段名和类型的一致…...

PDF文件打开之后不能打印,怎么解决?
正常的PDF文件是可以打印的,如果PDF文件打开之后发现文件不能打印,我们需要先查看一下自己的打印机是否能够正常运行,如果打印机是正常的,我们再查看一下,文件中的打印功能按钮是否是灰色的状态。 如果PDF中的大多数功…...

A* 算法 是什么?
A*(A-star)算法是一种启发式搜索算法,用于在图或网格中找到从起点到目标的最短路径。它被广泛用于路径规划问题,例如导航、游戏开发中的角色移动,以及机器人路径规划。 1. A 算法的基本概念* A* 算法结合了两种经典搜…...

ORM框架详解:为什么不直接写SQL?
想象一下,你正在开发一个小型的在线书店应用。你需要存储书籍信息、用户数据和订单记录。作为一个初学者,你可能会想:“我已经学会了SQL,为什么还要使用ORM框架呢?直接写SQL语句不是更简单、更直接吗?” 如…...

厘米级高精度RTK手持终端北斗卫星定位手持pda
RTK是一种测量技术叫“载波相位差分技术”,是实时处理两个测量站载波相位观测量的差分方法,将基准站采集的载波相位发给用户接收机,进行求差解算坐标,以此得到高精度坐标。随着技术的不断革新,GPS接收机也由原来只能用…...

Kafka-Connect源码分析
一、上下文 《Kafka-Connect自带示例》中我们尝试了零配置启动producer和consumer去生产和消费数据,那么它内部是如何实现的呢?下面我们从源码来揭开它神秘的面纱。 二、入口类有哪些? 从启动脚本(connect-standalone.sh&#…...

【STM32 Modbus编程】-作为主设备读取保持/输入寄存器
作为主设备读取保持/输入寄存器 文章目录 作为主设备读取保持/输入寄存器1、硬件准备与连接1.1 RS485模块介绍1.2 硬件配置与接线1.3 软件准备2、读保持寄存器2.1 主设备发送请求2.2 从设备响应请求2.3 主机接收数据3、读输入寄存器4、结果4.1 保持寄存器4.2 输入寄存器在前面的…...

Kubesphere上搭建redis集群
Kubesphere上搭建redis集群 版本:redis:6.2.3 1)挂载配置 redis.conf: cluster-enabled yes cluster-config-file nodes.conf cluster-node-timeout 5000 cluster-require-full-coverage no cluster-migration-barrier 1 appendonly yes …...

learn-(Uni-app)跨平台应用的框架
使用 Vue.js 开发所有前端应用的框架,开发者编写一份代码,可发布到iOS、Android、Web(包括微信小程序、百度小程序、支付宝小程序、字节跳动小程序、H5、App等)等多个平台。 跨平台:Uni-app 支持编译到iOS、Android、W…...

target_compile_definitions
这个接口给目标定义的宏,不能像C中定义的宏一样,尝试利用宏进行替换: cmake_minimum_required(VERSION 3.8) project(compile_definitions_pro)add_executable(main_exec src/main.cpp)set(SYSTEM_NAME "") if(CMAKE_SYSTEM_NAME S…...

浏览器同源策略、跨域、跨域请求,服务器处理没、跨域解决方案
目录 什么是同源策略什么是跨域发生跨域时,服务器有没有接到请求并处理响应:(两种情况) 如何解决跨域 什么是同源策略 概念: 同源策略是浏览器的一种安全机制,用于防止恶意网站对用户的敏感数据进行未经授…...

深入理解网络安全等级保护:保障信息安全的关键策略与实践
随着信息技术的飞速发展,网络安全问题日益凸显。为了应对这一挑战,网络安全等级保护制度应运而生,旨在确保不同等级的信息和信息系统的安全。本文将探讨网络安全等级保护的基本概念、重要性及其实践方法。 一、信息安全等级保护的基本概念 1…...

MySQL
InnoDB 引擎底层存储和缓存原理 到目前为止,MySQL 对于我们来说还是一个黑盒,我们只负责使用客户端发 送请求并等待服务器返回结果,表中的数据到底存到了哪里?以什么格式存放的? MySQL 是以什么方式来访问的这些数据&…...

新书速览|循序渐进Node.js企业级开发实践
《循序渐进Node.js企业级开发实践》 1 本书内容 《循序渐进Node.js企业级开发实践》结合作者多年一线开发实践,系统地介绍了Node.js技术栈及其在企业级开发中的应用。全书共分5部分,第1部分基础知识(第1~3章)…...

2024三掌柜赠书活动第三十五期:Redis 应用实例
目录 前言 Redis操作都会,却不知道怎么用? 关于《Redis 应用实例》 编辑推荐 内容简介 作者简介 图书目录 《Redis 应用实例》全书速览 拓展:Redis使用场景 实例1:缓存应用 场景描述 实现方法 具体代码示例 实例2&a…...

Android 第三方框架:RxJava:源码分析:观察者模式
文章目录 观察者模式RxJava中的观察者模式总结 观察者模式 RxJava中的观察者模式 以Observable、ObservableOnSubscribe、Observer为例 Observable是被观察者 负责发射事件或数据 Observer是观察器 负责对从被观察者中获取的数…...

开源模型应用落地-安全合规篇-用户输入价值观判断(四)
一、前言 在深度合规功能中,对用户输入内容的价值观判断具有重要意义。这一功能不仅仅是对信息合法性和合规性的简单审核,更是对信息背后隐含的伦理道德和社会责任的深刻洞察。通过对价值观的判断,系统能够识别可能引发不当影响或冲突的内容,从而为用户提供更安全、更和谐的…...

【js逆向专题】13.jsvmp补环境篇一
目录 一.了解jsvmp技术1. js虚拟机保护方案2.jsvmp实现原理3. 模拟jsvmp执行过程 二.环境检测1. 什么是环境检测2.案例讲解 三. 项目实战1. 案例11.逆向目标2. 项目分析1.补第一个referrer2. 调试技巧13. 调试技巧24. 补充sign5. 补 length6. 参数长短补充 3. 逆向结果 2. 案例…...

Java---每日小题
题目1-极大极小游戏 给你一个下标从 0 开始的整数数组 nums ,其长度是 2 的幂。 对 nums 执行下述算法: 设 n 等于 nums 的长度,如果 n 1 ,终止 算法过程。否则,创建 一个新的整数数组 newNums ,新数组长度…...

leetcode 23. 合并 K 个升序链表
给你一个链表数组,每个链表都已经按升序排列。 输入:lists [[1,4,5],[1,3,4],[2,6]] 输出:[1,1,2,3,4,4,5,6] 解释:链表数组如下: [1->4->5,1->3->4,2->6 ] 将它们合并到一个有序链表中得到。 1->…...

Windows 小记 6 -- 为什么我的全局消息钩子卸载不掉?
Hook dll 在其消息循环中被卸载。强制它们进入消息循环有助于卸载它们。在 UnhookWindowsHookEx 之后添加此代码以强制唤醒所有消息循环: DWORD dwResult; SendMessageTimeout(HWND_BROADCAST, WM_NULL, 0, 0, SMTO_ABORTIFHUNG|SMTO_NOTIMEOUTIFNOTHUNG, 1000, &a…...

Python+onlyoffice 实现在线word编辑
onlyoffice部署 version: "3" services:onlyoffice:image: onlyoffice/documentserver:7.5.1container_name: onlyofficerestart: alwaysenvironment:- JWT_ENABLEDfalse#- USE_UNAUTHORIZED_STORAGEtrue#- ONLYOFFICE_HTTPS_HSTS_ENABLEDfalseports:- "8080:8…...

LC低通滤波器Bode图分析(传递函数零极点)
LC低通滤波器 我们使得L4.7uH,C220uF;电感L的阻抗为Xl;电容C的阻抗为Xc; 传递函数 H ( s ) u o u i X C X C X L 1 s C 1 s C s L 1 1 s 2 L C (其中 s j ω ) H(s)\frac{u_{o} }{u_{i} } \frac{…...

副书记、副所长、工作人员上班时间赌博被当场查获!
2月3日,江西省上饶市纪委监委通报了春节期间查处的8个案例,涉及违规吃喝,“私车公养”,酒驾、醉驾,上班时间打牌、赌博等问题。其中,鄱阳县自然资源局双港自然资源所支部副书记张安华、副所长乔胜欢、工作人员王飞龙,双港镇政府工作人员王太勇、程剑等…...

张志坤:特朗普冲击波究竟将成为谁的危机?
特朗普重归正在将给世界带来强烈的冲击,遭受冲击的无非是具体的人与事。目前在“事”的方面讨论评价比较多,诸如什么提高关税、领土扩张、俄乌战争、中东战争以及退群等;相对而言,针对具体的“人”则谈论不多,大都予以回避。但是,任…...

大S去世,小S:因流感并发肺炎
据台湾“联合新闻网”和中时新闻网报道,2月3日,小S徐熙娣证实姐姐大S徐熙媛死讯。小S称,谢谢大家关心,“新年期间,我们全家来日本旅游,我最亲爱善良的姐姐熙媛,因得了流感并发肺炎,不幸地离开了我们。感恩这辈子能成为她的姊妹,彼此照顾、…...

张志坤:中国公知今后一个时期的取向与总体任务
特朗普当选,标志中美关系即将进入一个新的时期。在这个时期内,中美关系将发生剧烈的变化,这样一种剧烈的变化将把许多人卷入其中,使之不得不在承受巨大冲击的同时努力改变,以适应这种变化。当代中国的公知亲美势力就是这样,他们也将因为中美关系进入新时期而发生相应的变…...

“普京大脑”对特朗普意识形态的分析, 发生重大变化
【导读】近日俄罗斯著名政治家,被西方视为普京“大脑”的杜金就特朗普第二任期的地缘政治战略进行了深度分析,引发了全球关注。杜金曾担任俄罗斯国会和军方的顾问,其“新欧亚主义”提出俄罗斯应继承本土的欧亚主义传统,以应对美国主导…...

一字千军小论医疗之二
医疗卫生战线上也有激烈的路线斗争。养老和医疗卫生服务应是一个逆市场的反哺行为。免费医疗是对市场失灵的矫正。建议左派积极推动国家实行教育医疗住房免费。医疗改革是医药奇高的根本原因。医改既然不顺应该恢复全民免费医疗。毛主席是中国“免费医疗”的…...