我国教育部直属高校事业资产管理绩效评价
发布时间：2021-09-08 10:44
随着国家财政对教育投入的不断增加,我国教育部直属高校（以下简称高校）国有资产快速增长,如何管理好、分配好、使用好高校国有资产成为主管部门的一项重要任务。国有资产管理的有效性于学校事业发展具有极其重要意义。通过对其不断的加强和完善,首先达到防止资产流失的目的,进而保证国有资产的价值,从而达到升值的目的,以此促进高校内国有资产使用的合理性与有效性,提高国有资产使用所能带来的双面效益——即经济与社会两方面效益。绩效观念在近些年间深入到我国财政管理的每一领域内,且在各个领域中彰显其效果,然而其在高校国有资产管理实践中略显不成熟,绩效观念在该领域仍处于初期探索阶段。在高等院校的国有资产管理中,其重难点是针对高校国有资产的使用绩效评价。因此,对我国高校国有资产管理绩效评价的引入与探索,才能使我国高校国有资产管理取得突破性进展,进而实现有关于公共财政管理的期待目标。本文基于《教育部直属高校基本情况统计资料汇编》和《国有资产决算报表》2015年数据,从高校整体资产、流动资产、固定资产、在建工程、对外投资和无形资产六大方面,全面分析了教育部直属高校存量资产的数量、价值、结构和分布状况,重点构建了反应高校...
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：118 页
【学位级别】：博士
【部分图文】：
技术路线图
四、高校事业资产管理绩效评价方法的设计65弱。每个人工神经元的模型下图所示，图中的圆表示神经元的细胞体，表示该神经元的外部输入，对应于生物神经元的树突；表示该神经元与各输入之间的连接强度，称为连接权值；表示神经元的阈值；表示神经元的输出，它对应于生物神经元的轴突。图4-1人工神经元的结构模型假设当前神经元共接受n个神经元的输入信息，其中来自第i个神经元的输入信息用表示；当前神经元与第i个神经元的的连接权值为；当前神经元的内部阈值为；则当前神经元的输出为，而当前神经元的输出为：，其中f称为激发函数或作用函数，它决定神经元的输出，激发函数一般具有非线性特性。1、BP神经网络模型结构在人工神经网络中，每个神经元通常有多种连接方式，不同的连接方式构成了网络的不同模型结构。常见的模型结构包括前向网络、输入层到输出层的反馈网络、层内互联网络以及网络中任意两个神经元可以互联。其中，应用最为广泛的是前向网络，最常用的前向网络学习算法是BP（back-propagation）神经网络算法，即反向传播神经网络算法。在bp神经网络算法中，可以不断调整构成前向多层网络的人工神经元之间的连接权值，使神经网络能够将输入信息转化为期望的输出信息。如果把bp神经网络算法看作一个变换，把网络中人工神经元之间的连接权值作为变换中的参数，那么该算法的目的就1,2,...,iXiniWY1,2,...,iXiniW1niiiWX1niiiYfWX
华南理工大学博士学位论文66是得到这些参数[105]。BP神经网络的结构是一个前向多层网络，它不仅包含输入层节点和输出层节点，还包含一个或多个隐层节点。在bp神经网络中，同一层的神经元是不相连的，而相邻层的神经元是按重量相连的。当信息输入到bp神经网络中时，首先将信息从输入层节点传递到第一层的隐层节点，然后在特征函数（人工神经元）的作用下传递到下一层隐层，再逐层传递到输出层。每层的激励函数是可微的，通常选择s型函数。最基本的bp神经网络是一种包括输入层、隐层和输出层的前馈网络。其结构如下图所示。图4-2基本的BP神经网络结构图BP神经网络学习的目的是调整网络的连接权值，使调整后的网络对任何输入都能得到期望的输出。它的学习过程包括积极和消极的交流。前向传播用于计算前向网络，即从输入信息中得到输出结果；后向传播用于逐层传递误差（实际输出与预期输出的差值），修改神经元之间的连接权值，从而使网络的输出误差最校bp神经网络利用一组模型样本来训练网络的连接权值。每个样本包括两部分：输入和预期输出。在正向传播过程中，输入信息首先由隐藏层节点计算，然后传输到输出层。在计算过程中，每一层神经元的状态只影响下一层神经元的状态。如果输出层不是期望的输出，它将被传输回传播。反向传播将误差信号沿原路径返回，并根据一定的原则修改不同层神经元的连接权值，然后再向前传播。如果网络的输出满足错误要求，则学习过程将结束，否则将继续调整连接权重。网络学习过程结束后，就可以直接使用正向传播对实际问题进行求解了。BP神经网络的学习过程如下：
【参考文献】：
期刊论文
[1]基于BP神经网络的高校事业资产管理绩效评价研究[J]. 陈舒,潘晓梦. 华南理工大学学报(社会科学版). 2019(04)
[2]高校无形资产管理绩效评价[J]. 刘悦恒. 经济师. 2018(10)
[3]高校国有资产管理的现状及对策[J]. 杜海利. 经济研究参考. 2016(55)
[4]基于物元分析法的各省市高校无形资产管理绩效评估研究[J]. 王为民,于燕燕. 商. 2015(09)
[5]试论高校国有资产绩效的管理[J]. 戴小华. 科技经济市场. 2015(02)
[6]论高校国有资产管理绩效评价体系的构建[J]. 王砚. 中外企业家. 2014(36)
[7]高校国有资产绩效评价与考核问题研究[J]. 李传军,赵占福,金长星,李桂芝,李雅伟. 科技创新导报. 2014(34)
[8]基于综合赋权法的高校资产管理评价研究[J]. 白晓波,雷霞,李颖慧,田建刚. 电脑知识与技术. 2014(28)
[9]高校国有资产管理绩效考核指标体系的构建[J]. 黄曦施,赵善庆. 实验技术与管理. 2014(08)
[10]高校国有资产管理绩效评价指标体系的构建[J]. 蔺汉杰. 会计之友. 2014(16)
博士论文
[1]中国高校非经营性国有资产管理制度研究[D]. 袁野.吉林大学 2013
[2]高等学校财政投入绩效评价研究[D]. 胡帆.武汉理工大学 2013
[3]行政事业性国有资产管理绩效评价研究[D]. 谭静.财政部财政科学研究所 2012
[4]我国高等学校内外部绩效评价分析及应用研究[D]. 吴迎新.天津大学 2012
硕士论文
[1]广东高校国有资产管理绩效评价体系构建研究[D]. 吴英杰.华南理工大学 2013
[2]高校资产使用绩效评价指标体系构建研究[D]. 姜艳丽.山东财经大学 2013
[3]高校国有固定资产使用效率问题研究[D]. 赵兴明.西南大学 2012
[4]基于财务预算视角的广东省高校固定资产管理模式研究[D]. 魏姗琳.广东工业大学 2011
[5]我国高校资产管理绩效评价研究[D]. 陈红丽.山东科技大学 2010
[6]绩效管理体系下高校教学设备配置问题研究[D]. 郭楠.西南大学 2009
[7]高校资产管理绩效评估及其实证研究[D]. 柳军.湘潭大学 2009
[8]基于动态平衡计分卡的高校绩效评价研究[D]. 易柱勤.哈尔滨理工大学 2009
[9]高校财务综合评价方法的研究[D]. 张鹏.天津大学 2005
[10]我国高校资产管理及其绩效评价研究[D]. 邱向荣.昆明理工大学 2003
本文编号：3390646
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：118 页
【学位级别】：博士
【部分图文】：
技术路线图
四、高校事业资产管理绩效评价方法的设计65弱。每个人工神经元的模型下图所示，图中的圆表示神经元的细胞体，表示该神经元的外部输入，对应于生物神经元的树突；表示该神经元与各输入之间的连接强度，称为连接权值；表示神经元的阈值；表示神经元的输出，它对应于生物神经元的轴突。图4-1人工神经元的结构模型假设当前神经元共接受n个神经元的输入信息，其中来自第i个神经元的输入信息用表示；当前神经元与第i个神经元的的连接权值为；当前神经元的内部阈值为；则当前神经元的输出为，而当前神经元的输出为：，其中f称为激发函数或作用函数，它决定神经元的输出，激发函数一般具有非线性特性。1、BP神经网络模型结构在人工神经网络中，每个神经元通常有多种连接方式，不同的连接方式构成了网络的不同模型结构。常见的模型结构包括前向网络、输入层到输出层的反馈网络、层内互联网络以及网络中任意两个神经元可以互联。其中，应用最为广泛的是前向网络，最常用的前向网络学习算法是BP（back-propagation）神经网络算法，即反向传播神经网络算法。在bp神经网络算法中，可以不断调整构成前向多层网络的人工神经元之间的连接权值，使神经网络能够将输入信息转化为期望的输出信息。如果把bp神经网络算法看作一个变换，把网络中人工神经元之间的连接权值作为变换中的参数，那么该算法的目的就1,2,...,iXiniWY1,2,...,iXiniW1niiiWX1niiiYfWX
华南理工大学博士学位论文66是得到这些参数[105]。BP神经网络的结构是一个前向多层网络，它不仅包含输入层节点和输出层节点，还包含一个或多个隐层节点。在bp神经网络中，同一层的神经元是不相连的，而相邻层的神经元是按重量相连的。当信息输入到bp神经网络中时，首先将信息从输入层节点传递到第一层的隐层节点，然后在特征函数（人工神经元）的作用下传递到下一层隐层，再逐层传递到输出层。每层的激励函数是可微的，通常选择s型函数。最基本的bp神经网络是一种包括输入层、隐层和输出层的前馈网络。其结构如下图所示。图4-2基本的BP神经网络结构图BP神经网络学习的目的是调整网络的连接权值，使调整后的网络对任何输入都能得到期望的输出。它的学习过程包括积极和消极的交流。前向传播用于计算前向网络，即从输入信息中得到输出结果；后向传播用于逐层传递误差（实际输出与预期输出的差值），修改神经元之间的连接权值，从而使网络的输出误差最校bp神经网络利用一组模型样本来训练网络的连接权值。每个样本包括两部分：输入和预期输出。在正向传播过程中，输入信息首先由隐藏层节点计算，然后传输到输出层。在计算过程中，每一层神经元的状态只影响下一层神经元的状态。如果输出层不是期望的输出，它将被传输回传播。反向传播将误差信号沿原路径返回，并根据一定的原则修改不同层神经元的连接权值，然后再向前传播。如果网络的输出满足错误要求，则学习过程将结束，否则将继续调整连接权重。网络学习过程结束后，就可以直接使用正向传播对实际问题进行求解了。BP神经网络的学习过程如下：
【参考文献】：
期刊论文
[1]基于BP神经网络的高校事业资产管理绩效评价研究[J]. 陈舒,潘晓梦. 华南理工大学学报(社会科学版). 2019(04)
[2]高校无形资产管理绩效评价[J]. 刘悦恒. 经济师. 2018(10)
[3]高校国有资产管理的现状及对策[J]. 杜海利. 经济研究参考. 2016(55)
[4]基于物元分析法的各省市高校无形资产管理绩效评估研究[J]. 王为民,于燕燕. 商. 2015(09)
[5]试论高校国有资产绩效的管理[J]. 戴小华. 科技经济市场. 2015(02)
[6]论高校国有资产管理绩效评价体系的构建[J]. 王砚. 中外企业家. 2014(36)
[7]高校国有资产绩效评价与考核问题研究[J]. 李传军,赵占福,金长星,李桂芝,李雅伟. 科技创新导报. 2014(34)
[8]基于综合赋权法的高校资产管理评价研究[J]. 白晓波,雷霞,李颖慧,田建刚. 电脑知识与技术. 2014(28)
[9]高校国有资产管理绩效考核指标体系的构建[J]. 黄曦施,赵善庆. 实验技术与管理. 2014(08)
[10]高校国有资产管理绩效评价指标体系的构建[J]. 蔺汉杰. 会计之友. 2014(16)
博士论文
[1]中国高校非经营性国有资产管理制度研究[D]. 袁野.吉林大学 2013
[2]高等学校财政投入绩效评价研究[D]. 胡帆.武汉理工大学 2013
[3]行政事业性国有资产管理绩效评价研究[D]. 谭静.财政部财政科学研究所 2012
[4]我国高等学校内外部绩效评价分析及应用研究[D]. 吴迎新.天津大学 2012
硕士论文
[1]广东高校国有资产管理绩效评价体系构建研究[D]. 吴英杰.华南理工大学 2013
[2]高校资产使用绩效评价指标体系构建研究[D]. 姜艳丽.山东财经大学 2013
[3]高校国有固定资产使用效率问题研究[D]. 赵兴明.西南大学 2012
[4]基于财务预算视角的广东省高校固定资产管理模式研究[D]. 魏姗琳.广东工业大学 2011
[5]我国高校资产管理绩效评价研究[D]. 陈红丽.山东科技大学 2010
[6]绩效管理体系下高校教学设备配置问题研究[D]. 郭楠.西南大学 2009
[7]高校资产管理绩效评估及其实证研究[D]. 柳军.湘潭大学 2009
[8]基于动态平衡计分卡的高校绩效评价研究[D]. 易柱勤.哈尔滨理工大学 2009
[9]高校财务综合评价方法的研究[D]. 张鹏.天津大学 2005
[10]我国高校资产管理及其绩效评价研究[D]. 邱向荣.昆明理工大学 2003
本文编号：3390646
本文链接：https://www.wllwen.com/shoufeilunwen/sklbs/3390646.html
