网络经济纠纷

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇网络经济纠纷范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

网络经济纠纷范文第1篇

【关键词】学习环境、学习者、学习条件、学习活动

1.移动网络学习环境

移动网络学习环境是基于移动网络这一虚拟空间创设的特殊的学习环境，而这种学习环境的设计需要满足不同的教学和学习需求者，所以需要考虑的因素很多，但由于现在对移动网络学习环境的研究还处于萌芽状态，可以先参考网络学习环境的概念模型针对移动网络学习环境因素进行分类并且适当补充部分内容，所以移动网络学习环境以下几个方面组成：“一是学习者因素，指学习者的学习需求以及其投射到移动网络学习环境中并会对移动网络学习环境产生影响作用的个体特质，包括学习者的基本特征、认知特征、学习准备和学习困难；二是学习条件因素，即保证学习过程持续进行的条件性要素组合，包括学习资源、学习工具、学习支持和移动网络状况；三是学习活动因素，对应移动网络学习环境中直接引导和督促学习者展开学习过程的参与性要素组合，包括学习目标、学习活动和学习评价”[4]。

2.移动微学习环境要素分析

由以上移动网络学习环境包含的三个方面可以初步将移动微课学习环境分为以下三点要素进行分析，即学习者、学习条件、学习活动。而这些要素之间究竟存在什么样的关系，每个要素在移动微课的学习中将起什么样的作用呢？需要对基于移动网络条件下的微课学习环境要素进行分解，试归纳分析出各要素在移动微课的学习中所起的作用，具体分析如下。

2.1学习者

学习者因素中对于移动微课学习环境影响最大的是学习需求。原来就有学者研究过网络学习环境的模型，研究中发现基本特征、认知特征、学习准备、学习困难这4个学习者特征对网络学习过程产生了影响，而移动网络学习是在线网络学习的延伸，具有特殊性，更能满足终身学习、探究式学习、自主学习的需求。特征分析如下表1。

2.2学习条件

通过相关研究分析“学习资源、学习工具、学习支持和社会网络组成网络学习模型中的学习条件，它们共同保证和维持着学习过程的顺利进行，以最终促进学习目标的实现”[4]。而这4项条件又需要被学习者因素在现实中灵活支撑。具体分析如下。

①学习资源：学习者在进行移动式微课学习之前必须做好充分的学习准备，根据学习者的已有知识水平、经验背景、学习地点、时间的不固定性以及对于特定信息的态度，提供学习资源，并且将这些资源预先制作的多媒体教学资源上传网络共享或通过短信、多媒体信息服务、移动邮箱或搭建WAP学习站点，将学习资料、课件、作业发送给学习者或为学习者提供通知公告、学习资源等信息。

②学习工具：学习者在进行移动式微课学习时需要能再移动网络环境中进行有效学习和互动的移动终端工具，而这个学习工具与学习资源的配套使用和操作必须符合学习者的认知能力。如今主流的移动学习工具有电子阅读器、ipad、智能手机等。

③学习支持：学习者在进行移动式微课学习的全过程中根据学习者的情况和状态对其提供软环境支持帮助其解决学习过程中的困难。使学习平台支持当前主流的移动终端系统，并且友好的学习资源界面符合各教育基础的用户使用避免学习障碍。

④社会网络：学习者在进行移动式微课学习的环境中保持良好的交流状态，使参与者之间的互动顺畅，根据学习者的基本特征和习惯满互性让有的学习者在学习平台讨论区对有兴趣的主题做讨论，有的学习者可通过WAP学习站点的论坛区进行异步交流，或满足移动微课学习的移动性和及时性通过移动QQ、微信、MSN和短信工具进行实时交流。

2.3学习活动

在移动网络学习活动过程中具有移动性、及时性、网络性、跨时空性、虚拟性、普及性、个性化、交互性、超媒体性、过程自交给学习者、泛在性等独有特性。所以在移动网络微课学习环境中如何给予学习者一定的学习目标，并引导和促进学习过程的各种参与性活动（包括学习活动与学习评价），而这些学习活动都是基于移动网络进行的，因此，可将学习活动中的三个要素――学习目标、学习活动和学习评价之间的逻辑关系与移动网络特性结合分析如下图1。

3.学习环境要素之间联系

通过以上对学习者、学习条件、学习活动三大移动网络微课学习环境要素的具体分析，可以看出基于移动网络条件下微学习环境是移动的，学习者通过这种灵活、高效性的学习方式自由确定学习内容、路径和控制时间，那么这三要素之间联系在一起构成完整的移动网络微学习环境分析如下图2。

参考文献：

[1]王建华，李晶，张珑.移动学习理论与实践[M].科学出版社，2009.9

[2]韩立龙.移动网络学习[M].中国科学技术大学出版社，2011.10

网络经济纠纷范文第2篇

 

当前，迅速扩大的高等教育规模逐渐从精英教育转向普及教育，在校毕业生数量逐年增加，在就业“没有最难、只有更难”的大背景下，如何提升高职学生的就业竞争力对每所院校都具有非常现实的意义。

 

一 高职学生就业竞争力研究的意义和背景

 

高等职业教育作为我国高等教育的重要组成部分，具有高等教育和职业教育的双重功能，以市场需求为导向设置培养计划，以培养相关岗位技能为重点，强调专业理论和实际操作相结合，兼顾地方特色和行业优势。高职学生就业竞争力是指高职学生整合知识、技能和个人综合素质等因素，在人力资源市场上获得适合才能发挥和实现自身价值的工作岗位的能力。一般来说，学生就业竞争力越强，与社会、行业、企业对人才需求的匹配程度越高。

 

1.高职学生就业竞争力研究的意义

 

在我国高等教育逐渐实现普及和经济结构调整的时期，学生就业问题不仅涉及学生个人发展，也涉及社会对学校的评价认可，更是一个民生关注的热点问题。对高职学生而言，就业竞争力的构成因素至少包括三个方面：一是高职学院的品牌因素，如社会知名度、影响力、专业特色等;二是学生主观因素，如专业知识、职业能力、个性气质、道德素养、先天条件等;三是社会因素，如对相关专业的人才需求、人才标准、用人单位特殊考量等外在因素。因此，能否提升学生就业竞争力并不完全取决于高职学院自身的培养水平和学生自身的素质。但作为高职院校，不断优化人才培养方案，努力提升学生的职业能力和社会就业竞争力，却是学院生存发展和创建品牌、进行内涵建设的必由之路。

 

2.高职学生就业竞争力研究的背景

 

因材施教是任何一种层次的教育都必须充分尊重的教学规律，如何以市场为导向，以就业为目标，实现以人为本的个性化教育是高职教育面临的一个重要课题。本文拟利用学院现有的资源，采用现代信息技术的方法和研究成果研究学生情况、分析学生特点，关注学生成长，通过对已有的学生信息的分析，探求其中隐藏的规律，并把研究结果运用于学生身上，为学生的发展提供参考建议。这对于进一步合理利用、优化教学资源，促进教与学的理解和沟通，最终让教和学更好地结合，实现有效学习，达到预期的专业培养目标，从而促进学生就业竞争力提升，具有极大的意义。

 

近年来，随着信息技术的发展，学院各部门根据学生的专业分类，有针对性地积累了一定的学生信息。就学院计算机网络专业而言，受学生规模等因素影响，所收集的各类数据相对有限，但依然可以通过数据挖掘技术对该专业学生的就业竞争力进行研究分析。分类是数据挖掘的一种常见的分析手段，旨在构造一个分类函数或分类模型，该模型能把数据库中的数据项映射到定类别中的某一个，以此来达到分类并用分类模型对未知分类情况进行预测的目的，这将为我们研究前述高职教育的现状问题提供有力的技术支持。

 

我院计算机网络专业自2001年开设以来，累计培养了毕业生600多名，已经成为计算机类常设专业之一，并受到社会考生一定的关注。因此，通过数据挖掘技术分析研究计算机网络专业毕业生的就业竞争力对于该专业的发展具有十分现实的意义。

 

二 应用于高职毕业生就业竞争力分析的数据挖掘技术路线

 

数据可以理解为通过实验、统计等手段获得用于不同社会实践的众多数值，通过全面、系统、准确地测量、收集、分类存储各类数据，再经过严格分析、检验这些数据往往就能获得能够揭示某种事物内在属性的认识。而这个从众多数据中分析、把握隐藏在事物内部某种规律性的过程就是数据挖掘。

 

1.数据挖掘的概念

 

数据挖掘(Data Mining)又称数据库中的知识发现(Knowledge Discovery in Database)，是指从大型数据库或数据仓库中提取隐含的、未知的，具有潜在应用价值和规律性认识的信息，融合了数据库、统计学、人工智能、机器学习等多个领域的理论知识，一般要经过数据采集、数据预处理、数据分析、结果表示等一系列过程，最后将分析结果呈现在用户面前。

 

在数据挖掘过程中，数据为信息处理者提取新的认知和有用规则，揭示隐含在众多数据中的内在属性，并能通过对已有的数据分析来对实际未发生行为的结果作了预测。根据所采用的挖掘技术分类，可以将数据挖掘技术分为决策树算法、粗糙集分类算法、遗传算法、最近邻分类算法、神经网络分类算法等众多分支，实际应用也逐步普及，在实际运用中每种算法各有所长，每种相对较优的算法都有它具体的应用环境。在分类规则挖掘中，常用的方法是决策树算法和神经网络算法。本文拟采用决策树算法对采集的学院计算机网络专业毕业生就业竞争力数据进行分析研究。

 

2.数据挖掘中的分类算法

 

在数据挖掘的各种方法中，分类是一种重要的分析手段。数据分类通过分析已知类别的数据对象训练数据集，建立描述并区分数据对象类别的分类模型，再利用该模型对未知类别的数据进行分类。分类的目的是根据数据集的特点构造一个分类函数或分类模型(也称作分类器)，该模型能把未知类别的样本映射到给定类别中的某一个。

 

构造模型的过程分为训练和测试两个阶段：第一阶段是训练阶段，将数据集随机地分为训练数据集和测试数据集，然后使用训练数据集通过分析由属性描述的数据库元组来构造模型。如每个元组属于一个预定义的类，由一个称作类标号属性的属性来确定;训练数据集中的单元组也称作训练样本，可以表示为：(u1，u2，…un;c);其中u表示属性值，c表示类别;在确定每个训练样本的类标号基础上，所建立的模型通过分类规则、判定树或数学公式表示。

 

第二阶段为测试阶段，使用测试数据集来评估模型的分类准确率，如果认为模型的准确率可以接受，就可以用该模型对其他数据元组进行分类。一般来说，测试阶段的工作量低于训练阶段。

 

为达到分类的准确、有效和可解释，在进行分类之前，通常要对数据进行预处理，提高数据挖掘的效益和质量。具体方法包括：(1)数据清理，包括消除数据不完整、数据噪声、数据不一致、数据冗余、数据分散的状况，处理空缺值;(2)数据集成，主要手段是把多个数据源中的数据集中存放于某个数据存储中，并统筹解决数据冗余、重复的问题，尽可能减少数据的不一致性;(3)数据变换，通过最小—最大规格化、零一均值规格化等规格化数据手段，将数据转换到适合于分析、处理的程度，同时数据也可以规范化，将给定属性的值按比例缩放，落入较小的区间比如[0，1]等;(4)数据归约，通过属性规约、记录规约等方式，获得较小同时保持完整性的原数据，使对数据集的挖掘更加有效。

 

目前，数据挖掘分类已提出了很多算法，主要包括：决策树、关联规则、神经网络、贝叶斯、规则学习、K-临近法、遗传算法、粗糙集以及模糊逻辑技术等。本文拟通过对学院计算机网络专业毕业生跟踪收集到的各类数据如专业知识、专业技能、通用技能、求职能力、社会工作能力、与人沟通能力等多组数据，应用分类算法中的决策树进行数据挖掘，探索计算机网络专业毕业生就业竞争力影响因素的大小排序。

 

3.算法的选取和优化的思路

 

在学生信息库的数据挖掘中，旨在分析学院计算机网络专业学生的相关情况与就业之间的关系，并期望以就业为分类属性建立分类模型，来达到对未毕业学生的就业情况进行预测的目的，进而能对未毕业学生的进一步发展提出一定的建议。

 

从学生信息库的角度而言，由于该专业学生规模不大，而且受各方条件限制，所收集到的数据类型复杂，来源并不集中，如成绩是连续型数据，而学生在学校的各项表现又是离散型数据，最为重要的是考虑到学生信息是一种动态的信息并且考虑到下一步能否从分类结果为学生提出进一步的发展建议，而决策树算法就比较适合于此类的数据建模。

 

在实际的应用过程中，由于数据本身的特点，所以数据的预处理是一项重要的工作，直接影响到实验的效果。因此，在对高职计算机网络专业毕业生就业竞争力研究的课题中，将对数据进行泛化、规格化和归约，并完成对连续数据离散化等预处理。

 

三 基于决策树分类技术的高职计算机网络专业毕业生就业竞争力分析

 

1.决策树算法的概念

 

决策树是一个类似于流程图的树结构，通过决策树采用分级形式，可以将多类别的复杂分类问题转化为若干简单分类问题加以解决。通常一个决策树由根节点、内部节点、叶节点三个层次构成，其中根节点是决策树结构中最高级、最顶层的构成因素，可以包容其他层次的内容;内部节点表示在一个属性上的测试，每个分枝代表一个测试输出;而叶节点表示一个类，不同的节点可以表示相同的类。通过设定，可以实现在决策树从根节点到叶节点的不同路径之间转化分类的规则。决策树算法采用信息论中的概念，用信息增益作为决策属性分类判别能力的度量，进行决策节点属性的选择。

 

决策树分类算法通过分析训练数据集递归地建立决策树，通过设定根节点S，在S中的记录属于同一类别的前提下，则将S作为叶节点并采用相关类标号标示;具体包括以下步骤：(1)设定训练数据集A，描述属性集合B。(2)创建对应A的节点A1。(3)当A的记录属于同一类别C，以C标示A1，A1 作为叶节点;当B为空，以A中占优的记录类别C标示A1，A1作为叶节点。(4)从B中选择相对A信息增量最大的描述属性B1，作为C的测试属性。(5)B1的每个取值b1(1≤j≤v)，并设定B1的取值范围为b1b2b3……bn。

 

在算法中，使用信息增益来选择测试属性，寻找数据库中具有最大信息量的字段，建立决策树的根节点，按照字段的取值差异建立决策树的各个分支，各分支子集中重复建立树的下层结点(内部节点和叶节点)，从而形成决策树。

 

2.决策树算法的原理和算法描述

 

决策树算法是数据挖掘的常见算法之一，其原理是将大量数据按照设定的标准分类，在不同类别的数据中寻找某种对决策有价值的信息，在预测模型中使用得更加广泛。目前，最具影响的决策树方法是由J.R.Quinlan提出的ID3算法，算法可以概括为使用信息论中的信息增益寻找数据库中具有最大信息增益的属性字段，建立决策树的一个节点，再根据该属性字段的不同取值建立树的分支。C4.5算法是在ID3算法基础上的发展，其工作流程与ID3算法基本相同。

 

在C4.5算法中，获得决策属性信息增益的计算方法是：

 

设定S是训练样本数据集，S中类别标识属性有m个独立的取值，也就是说定义了m个类ci，I=1，2，…，m;Ri为数据集S中属于ci类的子集，用ci表示子集Ri中元组的数量。

 

集合S在分类中的期望信息量可以由以下公式给出：

 

式中：pi表示任意样本属于ci类的概率;pi=ci / |S|，|S|为训练样本数据集中的元组数量。

 

假设属性A共有u个不同的取值{a1，a2，…，an}，则通过属性A的取值可将数据集S划分为Sj个子集，其中，Sj表示在数据集S中属性A的取值为aj的子集，j=1，2，…，u。

 

如果A被选为决策属性，则这些子集将对应该节点的不同分枝。

 

如果Sij表示Sj子集中属于ci类的元组的数量，则属性A对于分类ci(i=1，2，…，m)的熵可由下式计算：

 

属性A的每个取值对分类cj的期望信息量I(Sij，…，Smj)，可由下式给出：

 

式中：ρij=Sij / |Sj|，它表示在Sj子集中属于ci类的比重。

 

由此可得到对属性A作为决策分类属性的度量值，即信息增益为

 

Gain(A)=I(r1，r2，…，rm)-E(A)

 

因此，信息增益率为Ratio(A)=Gain(A)/E(A)。

 

该算法需要计算每个决策属性的信息增益率，其中具有最大信息增益率的属性就是给定数据集S的决策属性节点，并通过属性的每一个取值建立由节点引出的分枝。

 

3.基于决策树算法的高职学生就业竞争力分析

 

第一，数据预处理。数据建模及泛化：这里首先把学生的就业情况作为类标号属性，按其就业情况分为以下三个级别：就业情况好(能很快就业、就业情况好，业绩较为突出、评价好);就业情况中(能顺利就业，就业情况较好);就业情况差(多次推荐仍未就业)。

 

数据样本用一个7维度X={X1，X2，…，X7}表示，分别描述以下7个变量因素(7个维度：专业课平均成绩、基础课平均成绩、性别、社会工作经历、获奖情况、承担班委经历、沟通能力)对学生就业情况的影响。(1)对专业课平均成绩(average1)进行泛化： [average1<60时，为1(差);60=

4.依据C4.5算法构造决策树

 

首先选取训练样本数据集，如右表所示。

 

取属性“就业情况”作为类别标识属性，“专业平均”“基础平均”“性别”“是否班委”“获奖情况”“参加活动情况”“与人交往”等属性作为决策属性集。其中，专业平均、基础平均属于学生知识能力结构，其他则可视为综合素质和非专业因素。

 

训练样本数据集S中，共有18个元组，其中好、中、差类所对应的子集中元组个数分别为：r1=4、r2=13、r3=1。

 

为了计算每一个决策属性的信息增益，首先利用公式计算集合S分类的期望信息量：

 

I(r1，r2，r3)=I(4，13，1)=

 

=1.0529

 

然后计算每一个决策属性的期望信息量(即熵值)。

 

在对属性“专业平均”，专业平均=“优”时：

 

I(S11，S21，S31)= =0.8453

 

当专业平均=“良”时：

 

I(S12，S22，S32)= =0.7219

 

当专业平均=“中”时：

 

I(S13，S23，S33)= =1

 

当专业平均=“差”时，样本数为0。

 

由此得出“专业平均”的熵值：

 

E(专业平均)= I(S11，S21，S31)+ I(S12，

 

S22，S32)+ I(S13，S23，S33)=0.8282

 

因此属性“专业平均”的信息增益为：

 

Gain(专业平均)=I(r1，r2，r3)-E(专业平均)=1.0529-0.8282=0.2247

 

因此属性“专业平均”的信息增益率为：

 

Ratio(专业平均)=Gain(专业平均)/E(专业平均)=0.2713

 

同理计算得到属性“基础平均”“性别”“是否担任班委”“获奖情况”“参加活动”“与人交往”的信息增益率分别为：Ratio(基础平均)=0.2982、Ratio(性别)=0.1893、Ratio(是否担任班委)=0.4935、Ratio(获奖情况)=0.1542、 Ratio(参加活动)=0.7999、Ratio(与人交往)=1.1549。由于“与人交往”具有最大信息增益率值，故而选择该属性作为决策树的根节点。

 

对于每一个分枝，重复上述步骤，即可生成决策树。

 

5.实验及分析

 

第一，生成决策树。

 

选取460个样本运用于该算法，则得到如下所示的决策树：

 

图1 决策树

 

第二，剪枝。

 

图2 决策树剪枝示意图

 

决策树算法将数据集中的数据信息转化为树的形式，在一定程度上可以提高计算效率，树表示的信息也较容易理解。但是当遇到数据量很大的数据库，根据其数据集建立的决策树规模庞大时，就不易被人理解，而且树的空间与时间复杂性均很大，决策树的效率很低。在这种情况下，就要进行剪枝，使决策树在保持正确率的情况下尽可能地减小规模，起到信息约减的作用。

 

如图2所示的决策树中，很明显可以剪去第八层的分枝。

 

经过处理，最后可得图3所示的决策树。

 

图3 C4.5算法构造就业决策树图

 

6.实验结果分析

 

把115个测试数据集用上述决策树进行分类后，其分类准确率为82.61%，该决策树分类模型可用于今后我院计算机网络专业毕业生的就业情况预测。预测就业情况属于“差”或“中”的学生，可根据分类规则给出相应的个人发展建议。就业情况差的，则可建议这一类学生多参加集体活动和社会活动，创造机会让这类学生与更多的人交往，并尽可能地在班上安排一些合适的职务给他们，使之培养出良好的协作观念、团队精神。

 

7个维度的决策树算法显示，影响高职计算机网络专业学生就业情况的第一因素是与人交往能力，其次依次为在学校期间担任班委情况(或从事社会工作的经历)、个人获奖情况、专业平均成绩、基础平均成绩、参加集体活动的情况，而对就业影响最弱的因素是性别。因此，笔者认为，在高职教育这个层次，学生在学院就读期间，沟通能力、社会活动经历等非专业因素对高职学生就业竞争力的影响非常深刻。这些结论对学院今后的教学安排、教学评价、学生评价、教学观念、课外活动安排将有一定的指导意义。

 

四 小结

 

高职学生就业竞争力的培养需要从学校、学生和社会三方入手，形成联动机制。作为人才培养主体的高职院校，除了要围绕市场需求办学、加强专业建设、创新人才培养模式外，还应重视学生综合素质的培养和非专业因素的影响。而作为就业主体的学生，除掌握课程知识，形成尽可能丰富的知识结构之外，还要自觉克服性格、个性方面的缺陷，以一种开放的心态主动参与各类社会事务和社会活动，促进个人综合素质的提升，不断增强自身的就业竞争力。

网络经济纠纷范文第3篇

[关键词]网络银行 问题 对策

一、网络银行的定义

网络银行又称在线银行、电子银行、网上银行,是银行利用互联网技术,通过互联网向客户提供开户、销户、查询、对帐、行内转账、跨行转账、信贷、网上证券、投资理财等网上金融服务。这里的网上金融服务是指实质性的金融服务,除了传统的商业银行业务之外,还可以进行网上支付结算。那些拥有自己网站,但仅仅进行形象宣传和业务介绍的传统银行,充其量只能算“上网银行”,而非“网络银行”。 网络银行目前有两种形式:一种是完全依赖于Internet发展起来的全新网络银行,这类银行所有的业务交易依靠Internet进行;另一种则是在现有商业银行基础上发展起来,把银行服务业务运用到Internet,开创新的电子服务窗口,即所谓传统业务的外挂电子银行系统。目前我国开办的网络银行业务都属于后一种。

二、我国网络银行发展现状及其与发达国家网络银行发展情况比较

1.Internet的社会普及程度不同。虽然互联网在我国已经取得了很大的进步,但目前我国上网人数还不及总人口数的2%,同发达国家相比有很大的差距。同时绝大多数网民上网的主要目的还是进行通信和获取信息,真正使用网上支付服务的用户少之又少,网民进行网上消费及网上支付的意识和习惯还不强。因此,单从用户角度讲,西方网络银行的优势是我国网络银行所无法比拟的,Internet的社会普及程度在很大程度上制约了我国网络银行的进一步发展。

2.网络银行法律制度及相关标准的完备程度不同。由于网络银行与传统银行存在着很大差异,现有的传统金融法规及银行行业标准都已明显不适应网络银行的发展,新的针对网络银行交易规则的法律制度及相关标准亟须制定。欧美发达国家已在这方面做出了积极的尝试,并取得了较大成果。而我国在这方面几乎还是空白,没有强有力的法律保障。

3.社会信用程度不同。由于在网络银行上进行的支付与交易都是在不见面的“虚拟”环境中完成的,所以健全的信用机制是网络银行发展的基本条件之一。网络银行在美国之所以很快地发展起来,主要原因正是其已经建立了完善的社会信用机制。而我国在这方面差距还很大,在企业和个人信用体系方面的建设目前还基本处于空白,这也是绝大多数客户对网络银行及其他电子交易方式采取观望态度的原因之所在。

三、我国网络银行的发展取得了一定的成就,但是与国际金融界相比明显滞后,分析其原因主要是发展中存在的制约因素较多,当前主要是面临着五大难题

一是法规不完善。网络银行是在开放式网络环境中提供资金结算、使用电子货币的电子化结算服务,因此在有关服务承担者的资格、交易规则、交易合同的有效成立与否、交易双方当事人权责明晰及消费者权益保护等方面,与传统银行相比更加复杂难以界定,必须通过法制的手段来解决。在立法中,应借鉴国外的一些先进经验,针对我国的具体情况,既要保持相对的先进性和前瞻性,也要具有相当的可操作性。

二是战略规划差。当前一方面要积极鼓励网络银行业务在我国的发展,另一方面也要站在促进整个金融业发展的高度,加强对网络银行发展的统一规划和管理,在市场准入、安全技术、产品开发、业务创新、经营管理等各个方面都要进行总体规划,统一规范和完善。

三是技术风险大。网络银行业务的高技术性、无纸化和瞬时性的特点,决定了其经营风险要高于实体银行业务的风险,而技术风险又是网络银行风险的核心内容,也是金融机构和广大客户最为关注的问题,它主要包括交易主体的身份识别、交易过程的商业秘密、电子通讯的安全、交易和其它记录的保存和管理,特别是未经授权的中途拦截和篡改等,以及一些主观方面造成的安全技术隐患。这些问题如果不能有效的解决好,必然会造成损失,影响信用。

四是业务监管难。目前我国对传统银行业务的监管,主要实行的分业经营基础上的多元化分业监管体制,但对网络银行业务的监管缺乏有效的制度。我国目前对网络银行业务的监管,仅停留在审批环节,因此有必要完善现有监管法规的基础上,制定网络银行业务的监管条例,从而降低网络银行的经营风险。

五是产品创新少。随着我国网络银行业务的发展,金融产品更有必要不断创新,向全能型、组合化发展,这也是网络银行的发展方向。

四、我国网络银行发展对策

1.加强网上支付安全。为了解决网上交易和支付中的安全问题,中国人民银行和十几家商业银行早就于1999年8月,建立了中国金融认证中心。CFCA作为―个权威的、可信赖的、公正的第三方信任机构,专门提供基于PKI(公开密钥基础设施)的数字证书服务,为参与网上交易的各方提供安全的基础,建立彼此信任的机制。

2.加强社会信用体系建设。网络银行是基于Internet的、虚拟的银行服务手段,银行与客户可能会产生不信任感。采用同一种规划平台、同一种标准手段、同一种技术流程,建立统一、高效、客观、公正的社会信用体系,降低金融信用危机,以提高人们对网络银行支付方式的信任程度,为网络银行的发展奠定良好的信用基础。

3.加大网络银行业务的营销力度和创新力度。美国的金融业非常注重市场营销,用市场营销观念指导银行业务的经营,商业银行重视贴近市场,不断推出个性化服务。因此,我国商业银行必须深刻认识到这一点,并将美国的经营理念真正落实到网络银行业务的开展中。

4.加快网络银行高素质人才的培养。网络银行决定了计算机网络和金融的高度渗透性,既懂金融又懂网络的双栖人才能在激烈的市场竞争中迅速、准确的把握市场脉搏并做出积极回应。因此,我们既要努力引进人才和国外先进智力,又要高度重视和加强现有人员的培养和教育特别是业务培训工作,努力建设一支既懂信息技术又懂电子商务规则和网络银行运作的复合型人才队伍。

参考文献:

[1]张凤喜.网上银行,你如何面对[J].金融经济,2005,(3).

[2]戴亮.我国网络银行发展模式及相关问题分析[J].贵州财经学院学报,2002,(1).

网络经济纠纷范文第4篇

【关键词】拦渣坝； BP神经网络；小波神经网络

0 前言

为了确保各种大型工程在施工和生产运行中会产生大量的弃土、弃石等废弃固体物质的安全放置，必须建立合适的拦渣坝。但是，随着拦渣坝运行时间的推移，拦渣坝运行的各种条件（如结构、基础、环境等）逐渐发生变化，使得坝体材料老化变质、坝体结构性能衰减甚至恶化等影响其安全运行，这样有可能严重的威胁着周边人民的生命和财产安全，这在在国内外均有着深刻教训。因此，必须对拦渣坝进行安全监测，建立正确有效的变形预测模型，科学地分析和预测拦渣坝的变形，及时发现存在的安全隐患，制定合理的防治措施，以确保拦渣坝的安全运行。

由于各种条件和环境的复杂性，使得拦渣坝变形的影响因素存在多样性，利用单一的理论方法来对工程变形进行预测，其变形的大小是难以准确预测的。将多种理论和方法进行有机结合，建立一种方法预测工程变形的大小是一种有效的途径。本文基于这样的思想，将小波分析与神经网络有机结合的小波神经网络应用于拦渣坝工程实例，对其变形分析研究。

1 小波神经网络

小波神经网络是将小波分析与人工神经网络有机结合的产物。其基本思想是用小波元代替神经元，用已定位的小波函数代替Sigmoid函数作为激活函数，然后通过仿射变换建立起小波变换与神经网络系数之间的连接，形成的新模型具有较强的网络逼近能力和容错能力。

目前，将小波分析与人工神经网络的结合主要有下面两种方式：松散性结合，即将小波分析与人工神经网络进行辅助式结合；紧致性结合，即将小波和神经网络直接融合的一种方式， 它主要是把小波元代替神经元，将相应的输入层到隐层的权值及隐层阈值分别由小波函数的尺度与平移参数所代替。其中紧致性结合方式也是当前研究小波神经网络模型最主要的结构形式。

小波神经网络是在小波分析的基础上提出的前馈型神经网络。小波神经网络激活函数是具有良好时频局域化性质的小波基函数。设小波神经网络有m（m=1，2，…，m）个输入节点、N（N=1，2，…，N）个输出层、n（n=1，2，…，n）个隐含层节点。并设xk为输入层的第k个输入样本，yi为输入层的第i个输出值，wij为连接输出层节点i和隐含层节点j的权值，wjk为连接隐含层节点j和输入层节点k的权值。约定wi0是第j个输出层节点阈值，wj0是第j个隐含层节点阈值，aj和bj分别为第j个隐含层节点的伸缩和平移因子，则小波神经网络模型可以表示为：

2 工程实例应用

国家某重点高速公路第B4合同段内某拦渣坝，其坝体为混凝土重力坝，长约122米，高约30米，拦渣坝上面（上游）是巨大的高速路高填方路基，这在国内是比较罕见的，而下游是梅西河。本拦渣坝主要是为了防止高速路隧道挖方土回填的高填方路基滑动和垮塌发生危险，从而对高速路的运行和梅溪河的通航造成不必要的影响。通过对拦渣坝体上S5号点上的沉降监测数据分析，建立变形预测的小波神经网络模型。将从2008年9月28日到2009年11月5日共11期数据作为学习样本对拦渣坝小波神经网络进行训练和学习。对S5号从2010年2月1日到2010年12月29日共5期数据进行预测。

通过对混凝土坝的研究和本拦渣坝功能作用的分析，可知影响本拦渣坝沉降变化的因素主要有：温度、土压力、时效。其中取4个温度因子，分别为C、C5、C15、C30（Ci为自观测日起前i天的平均气温）；土压力因子1个（为S5号点附近土压力盒的每期平均计算压力）；时效因子2个，分别为T、InT（T为观测日到起算日的累计天数除以100）。故输入层节点数为7个。而输出层节点数为1个，即为观测点S5每次垂直方向的累计沉降量。先用经验公式确定一个初始节点数，然后进行试验训练，当隐含层节点数为13时网络训练最为合适，所以采用7-13-1的结构形式的小波神经网络模型。通过对不同小波函数的试验训练，多次计算表明，当选用Morlet小波函数时网络的总体性能较好。利用Matlab7.1语言编制相应的网络模型程序进行计算。

为了充分的分析小波神经网络的训练效果，本文中也采用相同结构的BP神经网络对拦渣坝监测数据进行训练、预测。在本实例中，设两种模型的收敛误差都取0.0001。训练结果表明，两种模型的收敛速度都比较快，BP神经网络训练了25次就低于误差限差；而小波神经网络只训练了5次就低于误差限差0.0001，总体上小波神经网络比BP网络精度高。小波神经网络训练与BP神经网络训练拟合残差系统比较结果如表1。

从预测结果对比分析表可以看出，小波神经网络和BP神经网络对拦渣坝变形预测的预测残差绝对值在一个数量级上，但是WNN网络的预测残差值总体上明显小于BP神经网络。小波神经网络的预测值与BP神经网络的预测值相比较更加接近于实际值，WNN预测结果好于BP神经网络预测结果，其预测优越性是显而易见的。

3 小结

本文通过对小波神经网络模型的研究，建立了拦渣坝变形预测的小波神经网络模型。通过对WNN网络模型和BP神经网络模型训练拟合结果与预测结果的对比分析，可以看出小波神经网络模型在拦渣坝变形预测中的收敛性和精度比BP神经网络好，对拦渣坝的变形预测研究有一定的参考应用价值。

【参考文献】

网络经济纠纷范文第5篇

1 为什么要实施分层教学

《计算机基础》是中等职业学校各类专业学生必修的文化基础课，也是学习计算机的入门课。教学目的是使学生掌握计算机基础知识与基本技能，使学生可以在网上获取和交流信息，能够在网络环境下熟练操作计算机。但近几年来，由于职业教育变得普及化，这就使得职业教育的生源发生了明显变化，学生基础文化水平下降，个体间差异扩大。加上计算机网络的高速发展，现在学生的学习远远不只限于学校、课堂这一渠道，这就使得《计算机基础》这门课越来越难开展。学生基础的参差不齐，让教师大为苦恼。因此，可根据学生实际接受能力，实施分层教学。

2 什么是网络环境下的分层教学

网络环境下的分层教学，是指充分利用网络环境的优势，把学生的个性以及原有的学习基础、学习方式、态度融入到教学中去，面对不同的学生采用不同的教学方式。网络则展示了不同层次的教学要求以及不同的教学途径，学生可根据自身情况选择相应层次，从而完成自主学习。这在一定程度上体现了以学生为中心，并且满足了学生个性发展需要，既有利于提高教学效率，也有利于保护保护学生的自尊心。而且《计算机基础》课程都在网络机房授课，这为网络分层教学带来了很大的方便。既有利于提高教学效率，也有利于保护保护学生的自尊心。而且《计算机基础》课程都在网络机房授课，这为网络分层教学带来了很大的方便。

3 网络环境下分层教学模式的设计原则和方式

经过一年多的学习和探索，笔者在《计算机基础》教学中试图从课堂教学的整体上构建分层教学的策略，在最优化、一体化、以学生为中心、全体性等原则的支持下，分别从教学目标、教学内容、教学过程、教学方法、教学组织形式、教学评价等方面全方位地尝试分层教学。其主要方式就是利用网络教室中教学平台的各种功能有效地开展分层教学：

1、利用分组教学功能。教师可将相同学习水平的学生分别分组，使他们之间相互协作学习。

2、利用全屏广播功能。教师将学生按成绩分成不同的层次，每个层次作为一个组，不同组别发送不同的教学资源，进行分层次授课，使每个层次的学生都在自己的最近发展区学习，都得到最大的收获。

3、利用个别化教学功能。如电子点名、电子举手、收发作业等。通过教师的提问、学生的解答，作业的发放、收缴，让教师及时收到学生反馈的信息，促使尖子生“吃好”，后进生“吃饱”，使分层教学落到实处。

4、利用屏幕录制、回放、转播功能。教师可将上课时的屏幕操作以及讲话同时录下来，再放给所以学生，使学生可以反复观看学习；也可以将指定的学生机的操作界面广播给其他学生，便于集体学习或纠错。

5、利用监控功能。中职的学生，真正喜欢学习的不多，在课堂上难免会注意力分散，教师进行实时监控是必不可少的，这样更有助于提高学生注意力，纠正错误。

6、利用电子公告功能。允许学生发表不同的的见解，同时教师也可以利用它和学生进行网上交流，。

4 网络环境下分层教学模式的实施过程

为了使网络的优势能在分层教学中收到最好效果，笔者在教学中按以下过程来实施：（如图1所示）

4.1 准备工作

要实施分层教学必须先对学生的基础知识有清晰的了解。因此，可通过测试，依据测试的结果把学生分为不同层次。具体做法是：在高一入学时，选取实验班学生进行测验，根据测验成绩将学生分成了A、B、C三个层次（即分成了A、B、C三个学习小组，A组是成绩最好的，B组次之，C组再次之）。当然，这个分层是不对学生公开的，只有教师心里清楚。

在对学生分层后还必须：

1、教学目标分层。教学目标分层是针对不同学生掌握知识的不同来设置不同的学习目标，从而有针对性地教给各个层次的学生相应层次的知识。具体做法是根据学生层次分别制定课堂教学的基层目标、中层目标以及高层目标。基层目标是紧扣教学大纲和教材，任何一个层次的学生都必须完成的教学目标。中、高层目标是面向A组、B组学生，致力于发挥学生潜能和提高教师教学艺术，使学生可以高质量完成教学任务的提高性教学目标。

2、精心备课。根据教学目标，精心准备教学资料以及授课课件，也可从网络上寻找有价值的资料，整理转化为自己的多媒体课件。

3、教学方法和媒体的选用。无论哪一种教学方法都需要媒体的配合，使用媒体必须具有一定的教学方法，对于不同的教学层次要使用不同的方法。

4.2 实施过程

在实施过程中，工作重点是落实知识点的层次，相同的知识点对不同层次的学生落实应有所不同。

首先在教授新知识前，对各层次学生学习本节课必备的基础知识，情感状态进行诊断，并针对各层次学生存在的不足给予补偿，为新课搭桥铺路。然后按照建构主义和人本主义的观点导入新课，其过程要创造与学习者自身相联系的教学环境，以激发学习者的学习兴趣，促进其后续学习。为此，笔者通常借助生动形象的语言，启发性的提问和精彩的游戏、图表、课件等课堂教学手段来创设新、奇、趣的课堂教学情境，以学科潜在魅力吸引学生唤起学生注意，激发学生积极参与学习热情、好奇心和学习动机。

其次是让学生在课堂教学目标的指导下，进行自学探究。由于学生学习能力不同，不同层次的学生完成学习任务的时间肯定不同，所能达成程度也不会相同。因此笔者在各层次学生的作业导学目标上给予适当提示，A组学生给的提示少一些，C组学生给的提示多一些，帮助其完成学习任务，提高学习速度。比如，在学习Word的过程中，有一个环节是制作电脑小报的，这时可以针对A、B、C三组学生，布置以下三种类型的作业（如表一）：

在作业完成的过程中，教师要不断鼓励学生在掌握基础操作的基础上，尽量去完成高一层次的作业，进而使他们的计算机应用水平得到进一步提高。这样各层次的学生基本上可以达到共同进步。同时因为差生可以和优等生一样完成学习任务，这样可以在很大程度上使他们增强学习信心，激发学习动机。

再次是根据《计算机基础》课程特点，教学中有80%左右的实验内容。在学校条件允许的情况下，老师可以将一些演示实验让学生进行分组实验，以此来增强学生的实验操作能力。让学生在相互交流的过程中进行探索性实验，从而加强他们分析问题和相互协作的能力。另外，教师还应通过讨论、辩论及回答问题等方式，引导学生交流学习，重视方法与知识的和谐同步发展，并注重对学生进行思维和能力的训练，将学生带入其智力最近发展区。为此，笔者利用网络的电子公告功能，开辟了一个讨论区，允许学生提出问题，各种见解，教师与同学们进行交流，并在此过程中收集他们出错的信息，及时调控课堂教学。

建构主义认为知识是学习者在一定的情境即社会文化背景下，借助他人（包括教师和学习伙伴）的帮助，通过相互协作而实现的主动建构知识意义的过程。随着现代信息技术的出现和发展，特别是网络和多媒体的应用，使得根据建构主义理论实施教学成为可能。笔者依据这一理论，在网络和多媒体技术的帮助下，让学生在一定的情景中通过自学和交流完成知识意义的建构。例如，笔者在讲述“在幻灯片中插入图片”这一知识点时，是这样设计教学过程的：

1.设疑探究：在PowerPoint中插入图片的方法与在Word中插入图片的方法相似。你还记得在Word中是如何插入图片吗？（学生自主操作、尝试。）

2.任务（图片）：在PowerPoint文件的第2张幻灯片中插入一张来自图片文件夹中的图片。（学生自主操作，不同层次的学生任务不一样，这一任务针对低层次组。）

3.学生作业展示。（学生一边操作一边汇报。）

4.修改图片：看来PowerPoint和Word具有很多相似的地方。请同学们打开书本，自学如何将插入的图片进行“透明”和“移动”的处理。（学生看书自学）

5.可以与别的同学商量，尝试还能对图片进行哪些操作。（学生学会运用工具栏对图片进行操作）

6.学生展示对图片的各种设置。（学生掌握操作技巧，完成知识建构。）

4.3 评价反馈

教学过程中常用的教学评价就是对学生掌握的教学知识的情况进行评价。对学生进行分层评价，就是在学生原有的知识水平基础上，以学生进步和提高多少作为基准来评价学生是否完成教学任务，这是衡量分层教学是否有效的重要手段。比如：分层次的测试题由浅入深，拉开档次，确定测试梯度，同卷不同要求。如试题十道，外有加试题，C组必答前六道题，选答后两道题；B组学生必答前八道题，选答后两道题；A组学生必答全十道题，再选答附加试题。

在教学中，除了对教学内容进行评价外，还要充分挖掘学生的长处，多激励学生，以公平科学的方法来评价学生，以此调动学生学习的积极性，激发他们的学习动机。对C组学生要予以表扬评价，肯定他们的点滴进步，消除他们的自卑心理，树立自信心；对B组学生要采用激励评价，即揭示其不足并且指明努力方向，促使他们不甘落后，积极向上；对A组学生（自信心强）采用竞争评价，坚持高标准，严要求，促使他们谦虚，严谨努力拼搏。教师的评价不仅是强化或矫正所学知识的手段，也应该是激发各层次学生搞好学习的催化剂。

5 网络环境下分层教学的效果

《计算机基础》课程跨度是一学年，学习完以后必须参加“全国计算机等级考试”和“全国计算机信息高新技术考试”，其中，“全国计算机信息高新技术考试”难度系数更大一些。在13年，我从13级新生会计专业中抽取了两个班，进行了分层教学的尝试。两个班学生入学时在计算机技能方面的基础相当，其中1301班为实验班，1302班为对照班，两班实施不同的教学方法，到14年9月，两个班的考试成绩如下表二、表三所示：

由上面的数据可知：虽然两个班的差异不算太明显，但也可看出网络环境下的分层教学能减少学生的分化，有利于各层次的学生成绩的提高。

6结论