黑河中游湿地植物区系及土壤有机碳分布特征，赵锐锋，张丽华，运用植物学、土壤学方法，结合野外实地调查、取样，对黑河中游湿地植物区系、生态特征和土壤有机碳在不同植被类型的分布特征进行

黑樱桃（Prunus serotina Ehrh。）是北美本地植物。 它包括五个亚种，目前正在欧洲入侵。 自西班牙前时代以来，黑樱桃就已经为美国居民所熟知并使用，其植物用途已在19世纪被报道。 本研究基于554个分类学确认的采集点的数据，描述了该物种的分类学丰富性和分类学多样性。 此外，使用19个气候参数来估计黑樱桃的当前和未来潜在分布模式，并将气候变化模型应用于北美和欧洲。 墨西哥东北部，墨西哥西北部，大美国盆地和美国密西西比河-大湖地区显示为斑节杆菌的分类群。 黑樱桃在北美的潜在分布模型显示出从墨西哥中心开始并跟随两个墨西哥主要山脉（西马德雷山脉和西马德雷山脉）的连续模式。 该模式沿墨西哥北部的两条不同路径向落基山脉和美国的阿巴拉契亚山脉延伸。 基于NOAA-CCM3气候变化模型，湿地降雨量的减少将导致美国未来格局的变化。 当应用于欧洲时，我们的模型显示的区域比以前的估计更广泛，更准确。 因此，该物种目前的潜在分布包括该大陆西部的重要地区。 气候变化对P. serotina分布的潜在影响表明，该物种的新的和更广泛的区域可能遍及整个大陆，主要分布在法国，德国和意大利。 我们建议最终考

逻辑回归模型已成为研究二进制响应变量之间的关联的常用方法。 它的广泛应用取决于其易于应用和解释。 Logistic回归模型的拟合优度评估主题吸引了许多科学家和研究人员的关注。 拟合优度测试是确定拟合模型的适用性的方法。 在logistic回归模型中提出和讨论了许多评估拟合优度的方法，但是，拟合优度统计量的渐近分布研究较少，需要进行更多的研究。 这项工作将专注于评估拟合优度检验的渐近分布行为，还将进行全局拟合优度检验之间的比较，并通过仿真对其进行评估。

西南地区降水变化趋势的空间分布特征，李炟，王式功，为减轻干旱等自然灾害对西南地区农业生产的不利影响和为农业产业提供气候依据，需要对西南地区降水的时空分布变化特征作进一步研

为了使通讯系统P2P更有效地应用到现实生活中,建立了Geom/Geom/(Geom/Geom)的双输入排队系统并对其研究.利用拟生灭链和矩阵几何解的方法,得到了稳态下系统中的平均顾客数和平均服务台数的表达式,通过数值例子分析了有关参数对平均顾客数和平均服务台数的影响,说明该模型能够有效地分析一些实际的问题.该成果对通讯系统P2P的研究与应用具有一定的参考价值和指导意义.

浙江省新型农村合作医疗改善农村居民收入分布公平能力的评价研究，宋明山，潘迎冰，目的：评价浙江省新型农村合作医疗改善农村居民收入公平的能力。方法：应用GINI系数和洛伦兹曲线原理，分析筹资、医疗费用和合作�

以Web of Science数据库中收录的董事会治理研究的文献为研究对象,借助CiteSpace文献可视化分析软件,分别构建研究力量地理信息化图谱、作者合作网络以及高频关键词深度挖掘网络,分析董事会治理研究的分布状况、研究热点。结果显示:董事会治理领域的研究力量主要集中在美国、英国、澳大利亚和中国等国家或地区,其中美国发表文献数量最多,美国的Harvard Univ、Indiana Univ、Arizona state Univ等研究机构发表论文数量位居前列;美国的论文发表不仅保持着较快的发展速度,同时对整个董事会研究领域有着较高的影响力;中国的发文数量在董事会研究领域的国家(地区)中排名第四,而中介中心性仅为0.08。高频关键词共现网络分析表明,无论是从高频关键词的数量

我们利用最近引入的一种方法来从最少的信息中确定Parton分布幅度（PDA），以便从有限数量的由晶格正则化QCD数值模拟产生的矩中获得光夸克伪标量和矢量介子PDA。 在误差范围内，由相同价夸克构成的伪标量和矢量介子的PDA是相同的。 它们是凹函数，其膨胀表示动态手性对称断裂的强度。 SU（3）-风味对称性在10％的水平上无扰动地破裂。 值得注意的是，晶格矩中精确度的出现是令人误解的。 力矩还表现出对晶格体积的物质依赖性，特别是对于介子。 因此，在显示光夸克伪标量和矢量介子的光前结构的准确，统一的图像之前，需要进行改进。

中国农业剩余劳动力变动及其地区分布状况分析，滕瑜，洪伟，本文运用工日折算法对2001-2013年中国农业剩余劳动力和2013年各省的农业剩余劳动力进行了估算，结果表明，2013年中国农业剩余劳动力为7

传统的强化学习（RL）使用回报（也称为累积随机奖励的期望值）来训练代理学习最佳策略。 但是，最近的研究表明，学习学习收益的分布要比学习其预期价值具有不同的优势，如在不同的RL任务中所见。 从使用传统RL的收益期望到分配RL收益分配的转变，为RL的动力学提供了新见解。 本文基于我们最近的研究RL量子方法的工作。 我们的工作使用量子神经网络实现了分位数回归（QR）分布Q学习。 该量子网络在具有不同分位数的网格世界环境中进行了评估，说明了其对算法学习的详细影响。 还将其与马尔可夫决策过程（MDP）链中的标准量子Q学习进行了比较，这表明量子QR分布Q学习比标准量子Q学习可以更有效地探索环境。 RL中的主要挑战是有效的勘探以及开发与勘探的平衡。 先前的工作表明，可以从分布的角度采取更多有益的措施。 我们的研究结果表明了其成功的另一个原因：分布式RL的性能增强可以部分归因于其有效探索环境的卓越能力。