【CGE】社会核算矩阵构建(一):SAM基本结构
【CGE】社会核算矩阵构建(一):SAM基本结构
- 社会核算矩阵构建(一):SAM基本结构
- 一、SAM的概念和基本特点
- 二、SAM的基本结构
- 1.开放经济体的SAM表结构
- 2.SAM表各账户的主要核算内容
- (1)社会“生产活动”账户
- (2)“商品”账户
- (3)“生产要素”账户
- (4)“机构”账户
- (5)“投资—储蓄”账户
- (6)“国外”账户
- 三、SAM中的数据调平处理
- 1.RAS方法
- 基本RAS法的特点
- 2.交叉熵
- 参考文献
社会核算矩阵构建(一):SAM基本结构
一、SAM的概念和基本特点
社会核算矩阵(SAM)表起源于国民核算账户体系,由于国民核算账户通常偏重于对国民经济总量及其增长的核算,缺乏国民收入的流向及其分配等方面的信息,而SAM表恰好是一个联结所有经济交易(包括生产、分配、流通、税收、消费、储蓄和投资等),对生产活动、生产要素和社会经济行为主体进行分解和分类的完整数据体系,它不仅能够清楚地反映一个经济体内部有关生产、要素收入及其分配、经济行为主体收入和消费的循环关系,而且可以直观地描述企业增加值是如何分配各生产要素,进而分配综各经济行为主体(居民、企业、政府和国外),企业和政府的收入如何通过转移支付等手段进行社会再分配,进口商品是如何进入国内消费市场、国内产品如何用于出口分配给国外,消费以外的其他收入如何变为储蓄,然后进一步转化为投资用于扩大再生产等。
总之,社会核算矩阵表可以看作是以数字方式再现社会经济循环过程。由于SAM表能准确地刻画模型中包含的各种收支均衡关系,因此被用作CGE模型的基础数据集,并被当作CGE模型的基准均衡解,并暗含着SAM表中的社会经济主体处于均衡状态。
二、SAM的基本结构
1.开放经济体的SAM表结构
社会核算矩阵表的结构可以看作一个方阵,它根据复式记账的原则将各账户的收支情况进行记录,其中,行方向表示账户的收入,列方向表示账户的支出,同一账户行和列的数值合计额相等。一个开放经济体的SAM表账户通常包括生产活动账户、商品账户、生产要素账户、机构账户、投资—储蓄账户和国外账户等,开放经济体的SAM表的基本结构如下表所示。
商品 | 劳动 | 资本 | 居民 | 企业 | 政府 | 投资 | 存货 | 世界其他 | |
---|---|---|---|---|---|---|---|---|---|
活动 | 国内生产 | 国内供给 | 出口 | ||||||
商品 | 中间投入 | 居民消费 | 政府消费 | 固定资本形成 | 存货增加 | ||||
劳动力 | 劳动报酬 | ||||||||
资本 | 资本收益 | ||||||||
居民 | 劳动报酬 | 资本收入 | 企业转移支付 | 政府转移支付 | 侨汇 | ||||
企业 | 资本收益 | 政府转移支付 | |||||||
政府 | 间接税 | 进口关税 | 个人所得税 | 企业直接税 | 国外投资收益 | ||||
投资-储蓄 | 居民储蓄 | 企业储蓄 | 政府储蓄 | 国外净储蓄 | |||||
存货 | 存货投资 | ||||||||
世界其他地区 | 进口 | 外资投资收益 | 对外援助 |
2.SAM表各账户的主要核算内容
(1)社会“生产活动”账户
核算生产者的生产活动状况。
“生产活动”对应的是投入产出核算中的生产部门,其账户的行方向表示生产活动的收入来自两方面:国内各种商品的供应以及出口到国外所获收入。行的总和构成生产活动的总产出。
账户的列方向表示生产活动的投入,即从“生产要素”中间投入和“要素”账户的要素投入。
此外,还须向“政府机构”支付生产税,列的总和构成生产活动的总成本。
(2)“商品”账户
核算各种商品的供应及来源。
账户的行方向反映国内各机构购买或使用各种商品的情况,包括对“生产活动”中间投入的需求、各经济主体的最终消费需求。行的总和构成对各种商品的总需求。
账户的列方向表示本国或国外各种商品的来源,国内生产活动的供给和包含进口关税的进口额就构成了国内复合商品市场的总供给。
(3)“生产要素”账户
核算各种要素收入及其支出或分配。
账户的行方向反映各要素从生产活动中获得的要素报酬(反映初次分配),以及从企业、政府以及国外获得的各种转移支付(反映再次分配)。
账户的列方向则反映要素收入在生产要素提供者及“机构”之间的分配过程。
(4)“机构”账户
核算各机构的收入来源及其支出。
账户的行方向反映“机构”的收入来源与要素收入或者税收收入。行的总和是各机构的总收入。
账户的列方向反映“机构”的收入支出情况,除了部分转移支出外,其余收入都在税收、储蓄和消费之间进行分配。列的总和反映机构总支出。
(5)“投资—储蓄”账户
核算社会的总资本来源和使用。
账户的行方向反映各机构的资本来源于各种储蓄,行的总和表示总储蓄。
列的总和反映社会的总投资(包括库存变化)。
(6)“国外”账户
核算与世界其他国家相关的交易,主要反映国际贸易和国际收支等的情况。
账户的行方向反映各种商品从国外进口的国外所得。
账户的列方向则反映国内商品的出口和从国外得到的各项净收入。
三、SAM中的数据调平处理
在构建SAM表的过程中,由于数据来自不同的年鉴或统计单位,经常需要对由于来源不同而造成彼此冲突的数据进行调整,因此必须采取一些处理方法来解决。在SAM表调整过程中,需要一些经验判断和数据确定方法的改进,而剩余误差则往往要依靠数值计算方法技术来消除。
1.RAS方法
通过分别从行和列按比例修正投入产出系数使其达到特定目标要求的一种方法,也叫双比例修正(Biproportional Method)。是由英国经济学家斯通(R.Stone,1942)提出的。RAS起初主要用来修正I-O表中直接消耗系数,后来逐渐被广泛应用于其他的矩阵平衡处理。
RAS方法的基本原理如下:在新矩阵的行与列已知并确定的情况下,通过行乘数和列乘数分别左乘和右乘初始矩阵,生成一个具有相同维度的新矩阵,然后根据新矩阵行合和列合与原始矩阵行合和列合的比值作为新的行乘数和列乘数,并将其再次分别左乘和右乘上次新矩阵,反复这一过程,直至新矩阵行合和列合的误差消除或足够小。
设上标0和N分别表示原始(或基期)和新(或当期)投入产出数据, A A A 表示投入产出系数矩阵, i i i 和 j j j 分别表示投入产出中间消耗矩阵的行和列, k k k 表示迭代次数,则
A N = R ^ ⋅ A 0 ⋅ S ^ A^N = \widehat{R} \cdot A^0 \cdot \widehat{S} AN=R ⋅A0⋅S
R ^ \widehat{R} R 为 ∏ k r j k \prod_k r_j^k ∏krjk 的对角矩阵,亦称为左乘矩阵、行修正矩阵或替代矩阵, r r r 为左乘修正因子; S ^ \widehat{S} S 为 ∏ k s i k \prod_k s_i^k ∏ksik 的对角矩阵,亦称为右乘矩阵、列修正矩阵或制造矩阵, s s s 为右乘修正因子。
RAS方法的优点是: 简单直观、无须复杂的求解软件工具,可基于Excel即可;其缺点在于:计算结果缺乏一定的经济学基础与解释,而且准确无误的矩阵元素值在迭代过程中只能被动随着变动,无法固定之。
RAS法等同于一种信息熵的约束优化解
Min ∑ i ∑ j a i j N ln a i j N a i j 0 \text{Min} \sum_i \sum_j a_{ij}^N \ln \frac{a_{ij}^N}{a_{ij}^0} Min∑i∑jaijNlnaij0aijN
s.t.
∑ i a i j N X j N = X R N , for all j \sum_i a_{ij}^N X_j^N = X_R^N, \quad \text{for all } j ∑iaijNXjN=XRN,for all j
∑ j a i j N X j N = X C N , for all i \sum_j a_{ij}^N X_j^N = X_C^N, \quad \text{for all } i ∑jaijNXjN=XCN,for all i
a i j N ≥ 0 , for all i , j a_{ij}^N \geq 0, \quad \text{for all } i, j aijN≥0,for all i,j
基本RAS法的特点
- 所调整的元素不能为负
- 零元素调整后仍旧为零
- 所调整的元素不可预设为不变
- 完全依据外生给定的行和与列和对各元素按行和列进行调整
- 所调整的元素可以是方阵也可以是矩阵的形式
2.交叉熵
等同于RAS法的信息熵的约束优化问题可看作是一种交叉信息熵的特殊形式
交叉熵(Cross Entropy,CE) 方法源于香农(Shannon,1948)的信息论,泰尔(Theil,1967)把香农熵应用于经济学,金曼•罗宾逊等(ShermanRobinson et al.)于1988年首次将CE方法应用于SAM的调平,自此之后很多SAM的编制者均开始利用CE技术来实现SAM的更新与调平。
CE方法的核心思想就是将新增信息嵌入SAM中,并使调平后的SAM与原初始SAM之间的整体差异最小。这种差异将通过Kullback-Leibler提出的所谓Cross-Entropy距离来衡量。
CE方法可用于确定型和随机型两种模式,所谓确定型是指利用新信息对早期SAM的更新,随机型指利用测量误差对不平衡的SAM进行调整。麦克道格尔(McDougal,1999)研究表明,将列系数交叉熵的加权和最大化同RAS方法本质上是等价的,其权重就是行(列)的合计值,因此RAS方法可以被看作是CE方法的一个特例,只不过对行系数和列系数做了对称处理而已。
参考文献
- Shoven, J.B. and J.L. Whalley (1984). Applied General Equilibrium Models of Taxation and International Trade: An Introduction and Survey, Journal of Economic Literature 22: 1007-1051.
- Mary E.Burfisher (2011). Introduction to Computable General Equilibrium Models, Cambridge University Press.
- 娄峰(2015),《中国经济-能源-环境-税收动态可计算一般均衡模型》,中国社会科学出版社
相关文章:
【CGE】社会核算矩阵构建(一):SAM基本结构
【CGE】社会核算矩阵构建(一):SAM基本结构 社会核算矩阵构建(一):SAM基本结构一、SAM的概念和基本特点二、SAM的基本结构1.开放经济体的SAM表结构2.SAM表各账户的主要核算内容(1)社会…...
蓝桥杯算法实战分享:算法进阶之路与实战技巧
引言 蓝桥杯作为国内极具影响力的程序设计竞赛,为众多编程爱好者和专业人才提供了展示自我的舞台。参与蓝桥杯不仅能检验自身编程水平,还能拓宽技术视野,为未来职业发展积累宝贵经验。本文将结合历年真题与参赛经验,全面分享蓝桥…...
自定义minshell
我们在前面已经了解了进程的概念,以及如何进行进程控制。接下来我们就使用这些知识,来自己实现一个shell即命令行解释器!!! 一.打印命令行提示符 我们在使用Linux操作系统时,一登陆就会启动bash进程——命…...
坦克大战(c++)
今天我给大家分享一个c游戏。 废话不多说,作品展示: #include <stdio.h> #include <windows.h> #include <time.h> //里规格:长39*278 (真坐标)(假坐标宽为39) 高39 //外规格:长…...
《可爱风格 2048 游戏项目:HTML 实现全解析》
一、引言 在如今的数字化时代,小游戏以其简单易上手、趣味性强的特点深受大家喜爱。2048 游戏作为一款经典的数字合并游戏,拥有庞大的玩家群体。本文将详细介绍一个用单文件 HTML 实现的可爱风格 2048 游戏项目,它不仅具备传统 2048 游戏的基…...
C++ 利用类模板实现一个数组类封装
案例描述: 实现一个通用的数组类,要求如下: 可以对内置数据类型以及自定义数据类型的数据进行存储 将数组中的数据存储到堆区 构造函数中可以传入数组的容量 提供对应的拷贝构造函数以及operator防止浅拷贝问题 提供尾插法和尾删法对数组…...
【AndroidRTC-11】如何理解webrtc的Source、TrackSink
Android-RTC系列软重启,改变以往细读源代码的方式 改为 带上实际问题分析代码。增加实用性,方便形成肌肉记忆。同时不分种类、不分难易程度,在线征集问题切入点。 问题1:如何理解VideoSource、VideoTrack&VideoSink三者的关系…...
数据类设计_图片类设计之9_图标类设计_C++实战_(前端架构)
前言 学的东西多了,要想办法用出来.C和C是偏向底层的语言,直接与数据打交道.尝试做一些和数据方面相关的内容 引入 前面写了矩阵图形类对象和像素图形类对象,本贴通过一个快捷方式图标类的设计,来继续数据类型设计的一些讨论. 快捷方式图标是这个样子: 属性分析 首先,快捷方式…...
fuse性能关键参数entry_timeout
entry_timeout 是 FUSE(Filesystem in Userspace)中的一个选项,用于控制目录项缓存的有效期。具体来说,它决定了文件系统在多长时间内缓存目录项(如文件名到 inode 的映射),从而影响文件系统的性…...
3. 轴指令(omron 机器自动化控制器)——>MC_ResetFollowingError
机器自动化控制器——第三章 轴指令 13 MC_ResetFollowingError变量▶输入变量▶输出变量▶输入输出变量 功能说明▶指令详情▶时序图▶重启动运动指令▶多重启运动指令▶异常 MC_ResetFollowingError 对指令当前位置和反馈当前位置的偏差进行复位。 指令名称FB/FUN图形表现S…...
Spring Boot项目快速创建-开发流程(笔记)
主要流程: 前端发送网络请求->controller->调用service->操纵mapper->操作数据库->对entity数据对象赋值->返回前端 前期准备: maven、mysql下载好 跟学视频,感谢老师: https://www.bilibili.com/video/BV1gm4…...
[操作系统] 进程间通信:进程池的实现
引言 在学习操作系统时,进程间通信(IPC)和多进程管理是核心内容之一。进程池是一种常见的模式,通过预先创建一组工作进程来处理任务,避免频繁创建和销毁进程带来的开销。本文将详细剖析一个用 C 实现的进程池代码&…...
信号相关的程序
1、不断打印*换行之后响应信号,然后循环 #include <stdio.h> #include <string.h> #include <signal.h> #include <stdlib.h> #include <unistd.h> static void alrm_handler(int signo) {write(1,"!",1); }int main( in…...
【计算机网络】-计算机网络期末复习题复习资料
一、计算机网络体系结构(800字) 1. OSI参考模型 七层结构:物理层→数据链路层→网络层→传输层→会话层→表示层→应用层 各层核心功能: 物理层:比特流传输(如RJ45、光纤接口) 数据链路层&…...
Linux 基础入门操作 第十二章 TINY Web 服务器
1 服务器基础架构 1.1 背景知识 Web 服务器使用 HTTP 协议与客户端(即浏览器)通信,而 HTTP 协议又基于 TCP/IP 协议。因此我们要做的工作就是利用 Linux 系统提供的 TCP 通信接口来实现 HTTP 协议。 而 Linux 为我们提供了哪些网络编程接口…...
L2-052 吉利矩阵
L2-052 吉利矩阵 - 团体程序设计天梯赛-练习集 这道题打表 打表部分被注释了 n4 [0,0,282, 2008, 10147, 40176, 132724, 381424, 981541, 2309384] n3 [0,0,21, 55, 120, 231, 406, 666, 1035, 1540] n2 [0,0,3, 4, 5, 6, 7, 8, 9, 10] l,n map(int,input().split()) if…...
BKA-CNN-LSTM、CNN-LSTM、LSTM、CNN四模型多变量时序光伏功率预测,附模型研究报告
BKA-CNN-LSTM、CNN-LSTM、LSTM、CNN四模型多变量时序光伏功率预测,附模型研究报告 目录 BKA-CNN-LSTM、CNN-LSTM、LSTM、CNN四模型多变量时序光伏功率预测,附模型研究报告预测效果基本介绍程序设计参考资料 预测效果 基本介绍 BKA-CNN-LSTM、CNN-LSTM、…...
【读书笔记】华为《从偶然到必然》
note 华为的成功并非偶然,而是通过IPD体系、投资组合管理、平台战略等系统性工具,将研发投资转化为可持续的商业竞争力。书中强调的“管理即内部因素”理念,揭示了企业规模扩张与管理能力匹配的深层规律,为高科技企业提供了可借鉴…...
flink广播算子Broadcast
文章目录 一、Broadcast二、代码示例三.或者第二种(只读取一个csv文件到广播内存中)提示:以下是本篇文章正文内容,下面案例可供参考 一、Broadcast 为了关联一个非广播流(keyed 或者 non-keyed)与一个广播流(BroadcastStream),我们可以调用非广播流的方法 connect(),…...
实时图像处理:让你的应用更智能
I. 引言 实时图像处理在现代应用中扮演着重要的角色,它能够使应用更加智能、响应更加迅速。本文将深入探讨实时图像处理的原理、部署过程以及未来的发展趋势,旨在帮助开发者更好地理解如何将实时图像处理应用于他们的项目中。 II. 实时图像处理的基础概…...
深入理解 Linux 基础 IO:从文件操作到缓冲区机制
亲爱的读者朋友们😃,此文开启知识盛宴与思想碰撞🎉。 快来参与讨论💬,点赞👍、收藏⭐、分享📤,共创活力社区。 在 Linux 系统中,文件输入输出(IO)…...
汇编语言高级编程技巧:从基础到进阶
前言 汇编语言作为底层编程语言,直接操作硬件,执行效率高,但编写复杂逻辑时往往显得繁琐。通过使用汇编伪指令和宏,我们可以实现类似于高级语言的结构,如条件判断、循环、结构体和函数等,从而提升代码的可读…...
Android Studio常见问题解决
一、环境配置问题 1. 安装失败 问题描述:在安装过程中,可能会遇到硬件要求不符合、网络问题、安装包损坏、权限不足或安装路径问题等,导致安装失败。 解决方法: 硬件要求:确保设备满足最低硬件要求。 网络问题&…...
【RHCE】LVS-NAT模式负载均衡实验
目录 题目 IP规划 配置IP RS1 RS2 RS3 LVS client 配置RS 配置LVS 安装lvs软件 启动ipvsadm服务 lvs规则匹配 ipvsadm部分选项 客户端测试 总结 题目 使用LVS的 NAT 模式实现 3 台RS的轮询访问,IP地址和主机自己规划。 IP规划 主机IP地址RS1-nat模…...
MacOS下的IntelliJ IDEA突然无法访问本机的虚拟机
今天在开发的过程中,突然遇到一个怪事,之前运行的好好的程序,突然间报无法连接redis服务器,一开始以为是网络问题,在OS的terminal里又是ping 又是telnet的,一切正常,可是程序就是连不上。 挠了半…...
【渗透测试】Fastjson 反序列化漏洞原理(一)
目录 一、Fastjson 是什么二、Fastjson 工作原理三、反序列化漏洞原理1. 反序列化漏洞的定义2. Fastjson 的反序列化机制3. 漏洞成因关注以下几点(1) 动态类型解析(2) 自动调用方法(3) 信任用户输入 4. 漏洞利用过程(1) 寻找可利用的类(也称为 "Gadget"&a…...
BM100-K系列开关量输入信号隔离器
1. 产品概述 BM100-K系列开关量输入信号隔离器是一款高性能的信号处理设备,专为工业自动化控制系统设计。该产品支持干接点或NAMUR型接近开关输入,并通过继电器或晶体管实现隔离输出。其核心功能包括输入输出逻辑控制(同相/反相可调…...
c++11 | 细说智能指针
💓个人主页:mooridy 💓专栏地址:C 关注我🌹,和我一起学习更多计算机的知识 🔝🔝🔝 什么是智能指针? 智能指针是 C 中一种用于管理动态内存的机制。它提供了一…...
谷歌大型推理模型曝光!击败Claude-3.7-Thinking
哎!最近推特上的网友在LMSYS Arena 发现了个泄漏的大模型 Nebula,效果据说特别好,打败了o1、o3-mini、Claude 3.7 Thinking等模型: 网友们通过询问和分析 API,发现这似乎是谷歌正在秘密测试的新推理模型!推…...
Python FastAPI面试题及参考答案
目录 FastAPI 的优缺点是什么?列举典型应用场景。 解释 FastAPI 的路由机制,如何定义路径参数和查询参数? Pydantic 模型在 FastAPI 中的作用是什么?如何进行数据验证与序列化? FastAPI 如何自动生成 OpenAPI 文档?Swagger UI 和 ReDoc 的区别? 什么是 ASGI?FastAP…...
C++(初阶)(八)——string
string string遍历下标[]迭代器iterator反向迭代器 范围for修改 Capacitysize和lengthmax_sizecapacityclearcapacity的扩容reserveresize Element accessoperator[]和at **Modifiers**:appendinserterasereplace String operationsc_strsubstr和findfind_first_ofgetline 题目…...
计算机操作系统处理机调度(1)
系列文章目录 第三章:处理机调度与死锁 文章目录 系列文章目录前言一、作业和资源:二、处理机调度的层次: 1.高级调度2.初级调度3.中级调度 三、作业调度算法举例:总结 前言 在多道程序的环境下,内存中存在着多个进…...
ctfshow REVERSE re2 萌新赛 内部赛 七夕杯 WP
目录 re2 萌新赛 flag白给 签退 数学不及格 内部赛 批量生产的伪劣产品 来一个派森 好好学习 天天向上 屏幕裂开了 七夕杯 逆向签到 easy_magic re2 ida分析主函数,将flag.txt内容加密写入enflag.txt 这是密钥加密过程 标准rc4加密 简单异或解…...
云服务器怎么设置端口禁用呢?
在云服务器上禁用特定端口是提升安全性的重要措施,可通过云平台安全组和服务器本地防火墙双重配置实现。以下是详细操作指南: 一、通过云平台安全组禁用端口(优先推荐) 1. 莱卡云/腾讯云/华为云等操作步骤 登录云控制台 进入ECS实…...
V8引擎源码编译踩坑实录
背景 为了解决 view8 代码没有指定版本的 v8 引擎问题GitHub - suleram/View8: View8 - Decompiles serialized V8 objects back into high-level readable code. 但是打出来了exe文件也没啥用,不清楚这个view8是解决啥逆向用的,如果想逆向electron的j…...
享元模式(Flyweight Pattern)
享元模式(Flyweight Pattern)是一种结构型设计模式,它通过共享技术来高效地支持大量细粒度对象的复用。 一、基础 1 意图 运用共享技术有效地支持大量细粒度的对象 减少内存中对象的数量,节省系统资源 2 适用场景 一个应用程序使用了大量对象 由于对象数量庞大造成很大的…...
RAG(Retrieval-Augmented Generation)基建之PDF解析的“魔法”与“陷阱”
嘿,亲爱的算法工程师们!今天咱们聊一聊PDF解析的那些事儿,简直就像是在玩一场“信息捉迷藏”游戏!PDF文档就像是个调皮的小精灵,表面上看起来规规矩矩,但当你想要从它那里提取信息时,它就开始跟…...
搭建小程序该如何选择服务器?
当企业选择开发属于自己的小程序,则需要服务器的支持,服务器可以帮助加速小程序的上线速度,影响小程序后面的运行是否流畅,同时还会影响用户访问网站时的速度,所以,企业在搭建小程序时该如何选择合适的服务…...
【腾讯云架构师技术沙龙2025.03.22】
大模型技术演进与行业影响分析 日期:2025年3月22日 主讲人:李建忠 《DeepSeek实战驱动行业智变—AI应用寒武纪》 整理:飞书语音转化DeepSeek分析汇总 一、技术演进:从快思考到慢思考 1. 早期争议与能力局限(2022-202…...
【jvm】垃圾回收的并行和并发
目录 1. 说明2. 并行(Parallel)2.1 定义2.2 特点2.3 示例 3. 并发(Concurrent)3.1 定义3.2 特点3.3 示例 4. 并行与并发的比较 1. 说明 1.在JVM(Java虚拟机)的垃圾回收机制中,并行(…...
Flowable基础表结构
工作流程的相关操作都是操作存储在对应的表结构中,为了能更好的弄清楚Flowable的实现原理和细节,我们有必要先弄清楚Flowable的相关表结构及其作用。在Flowable中的表结构在初始化的时候会创建相关表结构,具体如下: ACT_EVT&…...
为什么不同的损失函数可以提升模型性能?
不同的损失函数可以提升模型性能的原因在于,损失函数是模型优化的核心目标,它直接定义了模型在训练过程中需要最小化的误差或偏差。通过设计不同的损失函数,可以针对具体任务的特点、数据分布的特性以及模型的目标需求进行更精确的优化&#…...
git上传文件到远程库
1.git init 把这个目录变成git可以管理的仓库 2.git status查看文件追踪的情况(工作区的文件是红色) 3.git add . 添加工作区所有文件到暂存区 再git status(此时文件都变成绿色) 4.git commit -m 描述性文字 5.git push -u o…...
【产品小白】需求分析的进阶
在产品经理的职业发展中,需求分析能力的提升至关重要。普通和进阶在需求分析层面,往往存在从表面需求到本质问题的认知差异。以下从几个方面探讨这一进阶过程: 1. 需求理解的深度 普通:通常停留在用户表达的显性需求层面&#…...
机试题汇总
万能头文件 #include<bits/stdc.h> 输入一个年份和月份,输出该月的天数 1.3.5.7.8.10.12 -- 31天 闰年判断: year % 400 0 || (year % 4 0 && year % 100 ! 0) 输入字符串,反转输出 #include<iostream&g…...
软件公司高新技术企业代办:机遇与陷阱并存-优雅草卓伊凡
软件公司高新技术企业代办:机遇与陷阱并存-优雅草卓伊凡 在科技飞速发展的当下,软件公司如雨后春笋般涌现,众多企业渴望通过申请高新技术企业来获得政策支持与发展助力。随之而来的,是高新技术企业代办业务的兴起。然而ÿ…...
C#中3维向量的实现
c#中默认不带库三维向量,需要自己安装第三方库,或者可以手动实现一个简易的三维向量。 public struct Vector3D {public double X { get; set; }public double Y { get; set; }public double Z { get; set; }public Vector3D(double x, double y, doubl…...
使用腾龙边缘计算网关内置的AIoTedge+NodeRED接入西门子PLC
腾龙边缘计算网关一体机凭借其强大的性能和丰富的功能,为企业提供了一种高效、灵活的解决方案。本文将详细介绍如何使用腾龙边缘计算网关一体机内置的AIoTedgeNodeRED接入西门子PLC,实现数据的采集、处理与传输。 一、硬件准备与环境搭建 在开始之前&am…...
基于MLA的人类语音情感分类
《DeepSeek大模型高性能核心技术与多模态融合开发(人工智能技术丛书)》(王晓华)【摘要 书评 试读】- 京东图书 随着信息技术的不断发展,如何让机器识别人类情绪,这个问题受到了学术界和工业界的广泛关注。目前,情绪识…...
Codeforces Round 1012 (Div. 2)
AB略 C 没看懂题意,翻译的问题。t0代表这个人必须找一个没有人的桌子且座位离他最近,t1代表这个人只要找一个空座位就可以了。一个桌子四个座位,t0肯定会坐左下角的那个。首先建立两个小根堆q1代表左下角的座位,q2代表一个桌子的…...