文摘
经济和社会的快速发展和产业结构的不断优化,对高技能人才的需求正在增加。教育在中国经济增长中扮演着不可替代的作用。因此,研究人才供给的影响意义重大的职业教育对经济增长从人力资本的角度,全面考虑经济增长的空间互动。以智能图像识别技术为主要研究技术,论述了教育的贡献人力资本对区域绿色经济增长。阐述了智能图像识别技术的内容,构造一个基于神经网络的图像识别系统,研究人力资源利用效率和区域经济之间的关系在智能图像识别技术基于智能图像识别技术的实证分析。最后,它使一个实证研究在图像识别系统和空间效应阐述了特征空间和经济增长之间的关系。它验证教育人力资本和绿色经济增长之间的关系。结果表明,智能图像识别技术有很好的效果研究的空间效果。
1。介绍
近年来,之间的矛盾的协调发展中国的职业教育发展和经济增长也出现了,例如人口基数不断增加,人口老龄化的加剧,人口结构的失衡。如何提高人力资本水平,创造人才红利,深化供应方面职业教育改革,提高职业教育的办学质量是对经济发展具有重要意义。特别重要的训练高度熟练的劳动力。
理论意义如下:总结的基础上,发展职业教育的影响经济增长的水平,本文结合人力资本理论和内生经济增长。本文从人力资本的角度来看,描述性分析职业教育和经济发展水平,分析教育的发展趋势和经济增长两个方面的人力资本和经济和职业教育和经济。最后,它使一个经验检验职业教育对经济增长的影响从中国人力资本的角度,以提供一个理论依据制定的政策中国职业教育与经济协调发展。
现实意义如下:目前,中国的人口结构不平衡,从而影响经济发展的水平。在这个时候,经济发展方式的转型迫在眉睫,尤其是创造人才红利通过提高人力资本水平,确保经济的持续健康发展。目前,相关的研究人力资本对经济增长的影响,职业教育对经济增长的影响主要是单方面进行。大多数研究使用时间序列数据或面板数据模型,和一些综合考虑人才的职业教育对经济增长的影响从人力资本的视角和实证分析。大多数的研究主要集中在时间序列和面板数据,很少考虑空间互动。然而,随着经济全球化的发展,人力资本外部性,技术溢出、空间相互作用对经济增长的影响变得越来越重要。因此,图像识别技术可以应用于这种研究。
以智能图像识别技术为主要研究技术,论述了教育的贡献人力资本对区域绿色经济增长。阐述了智能图像识别技术的内容,构造一个基于神经网络的图像识别系统,创造性地研究人力资源利用效率和区域经济之间的关系在智能图像识别技术的基础上,实证分析的智能图像识别技术。最后,本文实证研究在图像识别系统和空间效应阐述了特征空间和经济增长之间的关系。它验证教育人力资本和绿色经济增长之间的关系。结果表明,智能图像识别技术有很好的效果研究的空间效果。
本文分为五个部分:第一部分是介绍背景和研究意义。第二部分是国内外研究现状。第三部分是智能图像识别技术的引入及相关方法。第四部分是结果与分析。第五部分是本文的总结。
2。国家的艺术
很少有文献对人力资本和其他国家的职业教育。王,罗相信德国的高技能人力资本是通过双系统实现的。通过双系统训练,学生们可以学习和使用灵活,将理论与实践结合,满足社会和经济发展的需要对高技能人才(1]。人力资本和自主创新能力在经济增长,发挥非常重要的作用,人力资本对经济增长的影响大于自主创新(2]。七等人认为,人力资本存量的提高可以促进技术进步。反过来,适应技术进步需要更高的人力资本,从而增加人力资本投资,形成一个良性循环的经济增长3]。Purwati等人使用的内生经济增长模型。结果表明,人力资本的形成主要由公共教育投资,强调政府教育支出的主要承担者,和政府应该采取必要的金融投资人力资本的形成,这是促进经济可持续发展的一个重要因素4]。Al必经Kalouti等人认为,人力资本是区域经济增长的基本推动力。对欠发达地区K,增加人力资本投资有利于提高区域生产力,缩短其他发达地区之间的经济差距5]。张和商人认为,在发展中国家表现的定义是有缺陷的,而应注重经济和人力资本在发展中国家的影响(6]。Figueiredo等人把人力资本对经济的影响分为两个部分:直接影响和间接影响7]。Gloet参孙相信美国职业教育和培训提高个人工资收入没有影响(8]。苏利耶等人认为,早期职业教育对经济增长有很少或没有影响(9]。普拉丹等人认为,教育支出可以显著促进经济发达国家,但没有对发展中国家的经济产生重大影响10]。
其他学者发现,职业教育在促进经济增长的作用是非常明显的。Acosta-Prado等人通过研究发现职业教育将给普通家庭带来更多利益与普通高等教育相比,从严格的职业教育和学生将获得更多的好处。可以看出,职业教育是值得提倡11]。Gherghina等人分析了57个研究报告通过metaregression分析的方法来测试教育对经济增长的影响。结果表明,教育与经济增长有显著的正相关(12]。
至于职业教育与经济增长的研究从人力资本的角度来看,熊等人将个人生活分成三个阶段内生增长模型,通过建立世代重叠的人力资本研究的比例的影响教育支出义务教育和大学教育对经济增长通过选择义务教育和大学教育。最终结果是,当教育支出的总体规模很小,所有支出都应该用于义务教育。教育支出大于一个临界值时,一定比例的教育支出,应该投资在大学教育和大学教育应该增加投资支出总额的增加(13]。
风扇等人认为,人力资本投资者的态度,不同的市场经济的发展,人力资本投资的收入都是影响职业教育发展的重要因素[14]。Vu提出的发展职业教育的重要性,认为职业教育是人力资本形成过程中的一个重要组成部分,并定义职业教育的人才培养目标(15]。Dogbe等人提出,政府应该高度重视职业教育的发展,提高职业技能的人力资源的发展,强调职业教育的人才培养目标应符合当前中国经济和社会发展的需要16]。从职业教育的影响的角度对人力资本,Sopa等人认为职业教育本身的功能开发人力资源和人力资本积累。然而,由于发展阶段的影响,系统,和其他因素,职业教育未能充分发挥其功能,影响人力资本积累的速度和规模在中国(17]。费雷拉等人看了质量评价职业教育从人力资本的角度。是否有特征反映了人力资本培训的特殊性,以及它是否就是头等舱反映人力资本的初始值(18]。Mendoza-Silva认为的一个主要原因的限制发展职业教育是职业教育的缺乏人力资本投资,人力资本投资风险的客观存在,职业教育是一个重要的原因,直接导致投资者不愿投资(19]。彭等人认为,人力资本在生产中的作用远远大于物质资本,和职业教育在整个教育系统中所占的比例逐渐增加,因此,社会和个人积极参与职业教育的投资20.]。
研究人力资本与经济增长之间的关系,人力资本之间存在长期稳定的关系,自主创新和经济增长。Putra等人认为,中国的人力资本结构对经济发展的负面影响,并在人力资本结构存在显著的差异,不同地区和分21]。汉森等人发现,人力资本的投资可以促进经济增长的改善,但影响很小。目前,当前人力资本及其结构对经济增长的影响并不明显,有滞后效应,以及人力资本结构对经济增长的影响有明显的地区差异22]。Oliinyk等人认为,人力资本水平和经济增长之间的耦合程度在中国省份一直在低水平,减少从东到西。东部和东北部地区应提高人力资本创新的能力,而中西部地区应该提高人力资本的能力吸收和模仿先进技术(23]。雷等人认为,国家人力资本对经济增长的直接影响并不明显。人力资本主要作用于经济增长的间接形式的技术创新和模仿。在东部地区,人力资本对经济发展有直接和间接影响,并直接影响人力资本的中部和西部地区的经济发展是不明显的。它主要通过技术创新间接影响经济发展24]。邵认为有条件收敛所有省份的经济增长在中国,收敛速度达到2.4%,这表明,各省的经济越来越密切相关,和人力资本水平的一个重要的角色在促进经济增长25]。研究职业教育与经济增长之间的关系,在其他国家一些学者认为这是不明显的。从上面的文献回顾,可以发现,空间效应是很少用于研究教育人力资本与经济增长之间的关系。因此,一个新的智能图像识别技术用于研究教育促进人力资本的贡献区域绿色经济增长。
3所示。方法
3.1。智能图像识别技术
一个公式是用来解释multioutput智能图像识别的分类。假设空间的输出 是一组 - - - - - -维输出变量,在有不同的价值观。Multioutput分类器是价值 学习的输入在 - - - - - -维输出变量,如以下公式所示: 在哪里 和和 代表输入变量和输出变量的值空间,分别。
ResNet图所示1和DenseNet如图2。这部分DenseNet借用ResNet的基本思想。然而,它建立了一个紧密联系当前层和以前所有层和实现功能重用通过直接连接通道特性。而ResNet的直接功能,DenseNet拼接功能扩大数据维度。这些特性使得DenseNet明显优于其他网络。
不同于ResNet DenseNet提出了致密连接机制:所有层的网络相互连接;,每一层都将收到以前所有层的输出结果作为输入。此外,DenseNet直接连接特征图从不同的层,从而实现功能重用和提高效率,这也是DenseNet和ResNet之间的主要区别,如以下公式所示: 在哪里代表一个非线性函数。公式中,第一个代表传统网络的输出层,第二个代表输出ResNet网络,最后代表DenseNet网络的输出。
DenseNet核心的致密块结构如图3。从图我们可以看到,通过否认块模块,每一层的输入来自以前所有的输出层。因此,DenseNet实现减少梯度消失的目的,功能重用和减少的参数,进一步提高了模型的特征提取能力。
3.2。基于神经网络的图像识别系统的建设
图像识别系统的主要依据是神经网络,如图4。图像识别系统必须有两种工作模式。其中一个是训练模式。在这种工作状态,老师使用样例图像训练系统。对于每一个样本,老师给出了相应的分类,直到系统可以正确地识别所有样本。
一幅图像可以表示为一个二维函数:
的坐标 点在图像平面。每个点都有一个对应的亮度值 。当 ,和是连续值,图像是一个模拟的形象。相反,当 ,和去的一系列离散值,图像是一个数字图像。在自然状态中,反射光的对象形成一个倒像焦平面通过一个凸透镜,傅里叶变换。傅里叶级数、傅里叶变换的前身是由法国数学家傅立叶提出。在1822年出版的他的书热分析理论,他指出,任何周期函数可以表示成正弦或余弦函数和形式的不同频率。函数的傅里叶级数公式与期是
最初的功能是分解成一组正弦和余弦组件的总和(直流分量可以被看作是余弦分量与无限的时期)。每个正弦和余弦分量的频率的整数倍频率的函数 ,和两个不同的组件相互正交的;也就是说,
由于正弦函数和余弦函数的同期仅相差 相位的余弦函数也可以由正弦函数,反之亦然。因此,我们可以统称为正弦函数的家庭。
模型的训练后,车辆图像从视频中提取使用模型进行分类。首先,车辆图像输入到训练有素的残余网络模型,并通过该模型提取图像特征。分类器分类输入特征向量后,结果显示在客户端界面,和车辆信息识别和保存在数据库中。流程如图5。
空间多宾面板模型的影响职业教育在经济发展水平从人力资本的角度构造的基于神经网络的图像识别系统如下:
在上面的公式中, 代表总资本形成的空间自相关系数,从业人员数量,数量的中等职业教育毕业生,高等职业教育毕业生,人均年的教育。
获取空间重量后,我们应进一步调查是否索引数据的空间相关性。只有当存在空间相关性空间计量经济模型可以使用。空间自相关是分为全局空间自相关和局部空间自相关。在这篇文章中,最常用的空间自相关指数莫兰(莫兰指数 )被选中。空间自相关指数如下: 在哪里 样本方差,是 元素的空间权重矩阵,空间权重的总和。空间权重矩阵是标准化的,莫兰是
莫兰指数的值范围是 , 表示积极的自相关, 表明负相关。
当地莫兰指数用于观察空间集聚的地区,和它的公式是什么
其中,全球自相关值,而当地的自相关是每个地区的相关值。四个显著高,高,低,低和高地区。每个地区的局部自相关的散点图是配备了一个线性直线,斜率是全球自相关。当本地莫兰指数是正的,它表明,高(低)地区的价值被周围的高(低)值;当指数是负的,这表明高(低)地区的价值吗被周围的低(高)的价值。
4所示。结果分析和讨论
4.1。基于智能图像识别技术的实证分析
以下4.4.1。研究人力资源利用效率和区域经济之间的关系在智能图像识别技术
深卷积神经网络(CNN)算法是一种广泛使用的神经网络结构模型领域的深入学习。咖啡是目前最快的CNN架构。摘要MPI技术用于数据并行优化保留原始咖啡体系结构的特点。局部空间自相关测试的整体经济增长的空间相关性指标,进一步分析了各省市的色散通过当地空间自相关测试。空间聚类散点图表示索引变量之间的关系和空间滞后向量通过二维直角坐标系和判断的空间聚合类型的省市。摘要GeoDa1.6软件用于计算当地莫兰索引。图6显示了当地莫兰散点图在2010年和2020年。本文所选择的数据集是人力资源指标,区域经济增长指标,总资本形成、从业人员数量、中等职业教育毕业生在31个省、城市、自治区在中国在2010年和2020年,高等职业教育的毕业生人数,和人均受教育的年数。
据图分析7,人力资源利用效率比物质资本利用效率随着时间显示了上升趋势;也就是说,人力资源的利用效率持续改善。人力资源股票比越大物质资本,即人力资源的边际产出效益是高于物质资本。我们应该增加对人力资源的投资。人力资源,同样比物质资本投资产生更好的经济效益。在知识经济的时代,人力资源的开发和利用变得越来越重要,和他们的角色在经济发展变得越来越重要。只有通过加强人力资源的合理开发和有效管理我们可以促进效率和区域经济的健康发展。
4.2。实证研究在图像识别系统的空间效果
4.2.1。准备研究特征空间和经济增长之间的关系
之后,一个简单的比较了这一趋势的经济错误。通过图8,可以发现,预测精度没有图像识别技术是不稳定的,因为缺乏对空间效应的研究。然而,在添加空间效应通过智能图像识别技术,研究了收敛速度明显提高。因此,我们可以看到智能图像识别技术的有效性。
使用智能图像识别技术,该方法还使用特征向量作为输入输出瓶颈层域鉴别器,集群的计算中心和集群中心的建筑图。对于域鉴别器,我们使用三个完整的组合连接层和处理层。维度从输入到输出的顺序 。在培训过程中,模型更新域鉴别器的所有层的权重,瓶颈层特征提取器,所有层的分类器,对权重网络层在脖子发电机层瓶子里特性。结果如图所示9。
图结构的信息从每个类别在特征空间的中心可以跨域不变的信息和可以用作指导跨域迁移学习模型。聚类中心之间的关系可以作为一个潜在的表示为知识转移提供有意义的信息。我们预计,在领域适应气候变化的过程中,每个类的相对位置嵌入流形可以作为一个整体一致,以便促进适应的分类器。图10显示了经济预测精度在不同功能空间的变化。可以看出,处理后的经济预测精度大大提高智能图像识别技术。
4.2.2。验证教育人力资本之间的关系和绿色经济增长
为了研究教育人力资本地区和经济增长之间的关系,如图11介绍,不同数量的中间状态可以通过设置独立的空间特征。智能图像识别技术的应用需要调度空间,可以表达的网络状态的数量。例如,当网络状态的数字是6,最大的网络拥塞J介绍了是0.11。
教育人力资本对经济增长的贡献也可以通过数据流来体现。与流动的数量的增加,MDVP可以大大减少网络状态与天鹅。具体来说,当网络中流动的数量是3000,天鹅需要介绍18网络状态更新计划。相比之下,仅MDVP介绍9网络状态,大大降低了更新的时间。“a”和“b”的人物12表现出类似的趋势;流的数量增加时,天鹅和MDVP之间的差距将变得更大。值得一提的是,只有一次的方法总是由两个网络状态,即初始状态和最终状态。
如图13,总需求的平均值违反处理后的智能图像识别技术是251。相比之下,总需求的平均值违反MCUP是343,这是在本章提出的算法高出37%。这是因为MCUP只关注的是最大的网络中网络拥塞和忽略了需求违反限制流动的中间状态。它可以发现教育人力资本的干预绿色经济的增长做出了很大贡献的地区。
5。结论
经济增长是离不开一定数量和质量的人力资本存量。职业教育是一个重要的方式形成人力资本积累和中国教育体系的一个重要组成部分。以智能图像识别技术为主要研究技术,论述了教育的贡献人力资本对区域绿色经济增长。不同地区之间的集群研究的相关测试,然后是人力资源股票比物质资本利用效率进行了研究。研究表明,在研究智能图像识别技术有很好的效果的影响教育人力资本促进经济增长。然后,通过分析智能图像识别技术和学习的空间效应的变化和需求相关的数据流和违约率干预教育资本后,它可以发现教育资本的增加有很大影响一个地区的经济增长。只有通过加强人力资源的合理开发和有效管理我们可以促进效率和区域经济的健康发展。然而,本文的研究缺乏算法仿真,所以它在未来的研究需要改进。
数据可用性
使用的实验数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突的这方面的工作。