英语原文共 13 页， 少量知识是一件危险的事情：创业经验与脱离新企业的关系 摘要 现有研究提出了创业经验如何影响创始人将继续创业或脱离新企业的矛盾叙述。我们建立模型并测试了具有不同水平的经验的企业家如何脱离新创企业。调查结果显示出U型关系，即新手和经验丰富的企业家更有可能退出企业，而经验适中的企业家更有可能继续创业。我们提供理论和实证的解释，说明如何脱离新企业的倾向随企业经验而演变。 关键词：连续创业 新企业脱离 经验曲线 创业行为 1 介绍 企业家在开展创业活动时获得了很多技能。学者和从业者都希望，通过更多的创业尝试，创始人将会更好地创造可以盈利的企业（Gompers等人2010；荷兰和牧羊人，2013；Leacute;vesque，Minniti，＆Shepherd，2009）。然而，大多数企业并不像预期的那�

英语原文共 15 页， 理论回顾：失败后心理恢复的叙事性归因 归因理论侧重于积极和消极两个方面因果解释的认知偏差（海德，1958;凯利，1971;韦纳，1986）。管理学者将注意力集中在“自我归属偏见”上 - 个人采取自己的行为倾向于解释积极结果（“内部归因”），而是独立于自己的机构（“外部归因”）解释 消极结果（概述，参见Martinko等人，2007; Rogoff等人，2004）。一些学者研究了组织绩效对高层管理归因的影响（Bettman和Weitz，1983; Ford，1985; Gooding and Kinicki，1995; Salancik和Meindl，1984; Staw et al。，1983），而其他学者则集中在相反的关系，即管理归因偏差是否对组织绩效有影响（Barr等，1992; Bowman，1976; Clapham和Schwenk，1991）。虽然归因似乎在组织环境中的失败解释中起了一定的作用，但是归因文献并不能捕捉创业条件的细节。即使归�

Entrepreneurial exit intentions and the business-family interface Highlights bull; Business-to-family interference is positively related to exit intentions. bull; Family-to-business interference is positively related to exit intentions. bull; The two relationships above are stronger for female than male entrepreneurs. bull; Business-to-family enrichment is negatively related to exit intentions. bull; In general, the results support four of our hypotheses regarding interference. Abstract Endeavors by entrepreneurs to manage the connections between business and family can manifest in many behaviors and decisions. Entrepreneurs may curtail their family life for their business or modify their business involvement for their family. The processes at this interface between business and family may affect the entrepreneur#39;s intention to exit or persist in the business. In this study we aim to extend the literature on entrepreneurial exit by examining the li

英语原文共 10 页， 高度自信的创业者如何反弹进行再次创业 摘要：本文概述了为什么高度自信的连续创业者更有能力开展新创业并取得创业成功;因此，为什么过度自信的能力在企业家的素质能力上仍然存在并被重视。通过结合对1998年Fredrickson [Fredrickson，B.L.]的决策信心的观点。积极情绪有什么好处？本文阐述了这种创始人如何发展情绪，认知，社会和财政对他们失败的抵御能力的方式; 因此，更有能力开始另一个创业。 在这里，这种形式的韧性被表征为“二级”的好处，可以克服过度自信的更直接的成本。 1介绍 行为决策理论的公理是指具有更好校准判断力的参与者是更强大的决策者。 在行为决策理论中，过度自信经常被认为是判断错误中最普遍和最有害的。特别是，一些理论和证据表明，过度自信对关键战略成果�

英语原文共 21 页， 热闭模镦锻的有限元模拟和实验研究 M. BAKHSHI-JOOYBARI，I. PILLINGER,P. HARTLEYt and T. A. DEANt 摘要：模具镦锻通常形成了在闭模精密锻造中从坯料生产成品零件的顺序的一部分。已经通过实验获得变形的工件的几何形状，以及在闭式模具镦锻期间作为冲头移动的函数的锻造载荷。弹塑性有限元程序也被用于模拟过程。为了从模拟中获得真实的结果，进行初步实验以确保引入适当的热参数。从模拟获得的结果与来自实验的结果很一致。 由于FE模拟已经通过实验验证，因此它可以单独用于产生类似工艺的锻造模具设计的基于智能知识的系统（IKBS）的数据。 简介： 近年来，锻造工具的设计已经成为大量研究的主题年份。 这一领域的一个重大进步是应用计算机技术，其中计算机辅助设计（CAD）具有重大影响[1,2]�

英语原文共 23 页， 采用上限方法确定反挤压加工功和最优坯料半径 S. H. HOSSEINI, K. ABRINIA School of Mechanical Engineering, College of Engineering, University of Tehran, 16846-13114, Tehran, Iran 摘 要：采用上限方法开发了一种新的改进反挤压方法。在这个方法中，将变形区划分为4 个不同的区域，然后对每个区的运动许可速度场进行了设定。对变形区的总耗散功和挤压功进行了计算。对一些重要的几何参数与挤压力和耗散功的关系进行了探讨。考虑到最小的相对挤压压力，通过上限方法获得了最优的坯料半径。同时，采用有限元法对问题进行了分析并与采用上限方法获得的结果进行了比较。最后，将上限方法和有限元方法的计算结果与工业纯铝的实验结果进行了比较，结果表明他们之间吻合较好。 关键词：改进反挤压；上限方法；有限元分析；

英语原文共 21 页， 冷辗异形环轧制过程变进给速度定量规划方法 Lanyun Li 1,2,3■ Xiao Li1■ Jing Liu1■ Zhi He1 1西安石油大学材料科学与工程学院材料加工工程重点实验室，西安710065 2中南大学机械电气工程学院高性能复杂制造国家重点实验室，长沙410083 3华中科技大学材料加工与模具技术国家重点实验室，材料科学与工程学院，武汉430074 摘要：冷型环轧（CPRR）是一种先进的局部增量成形工艺，具有复杂性和高非线性。在这个过程中，芯辊的进给速度是影响环外半径扩展速度和填充行为的关键因素；因此，合理设计进给速率以精确控制变形过程是非常重要的。针对CPRR过程，在环外径的扩展速度恒定（PCES）和每周进给量恒定（PCFA）的两种可变进给模式下的进给速率规划的问题已经在本文中通过使用假设 - 测试方法方法成功�

英语原文共 9 页， 深度学习 摘要：深度学习可以让那些拥有多个处理层的计算模型来学习具有多层次抽象的数据表示。这些方法显著的改善了智能识别的方方面面，包括最先进的语音识别、视觉对象识别、对象检测和其它诸多领域，例如药物发现和基因组学等。深度学习能够发现大数据中的复杂结构，它是利用BP算法来完成这个发现过程的。BP算法能够对机器进行指导，告诉它如何从前一层获取误差，并改变本层的内部参数，这些内部参数可以用于计算表示。深度卷积网络使得处理图像、视频、语音和音频方面取得了重大突破，而递归网络则在处理序列数据，比如文本和语音方面等表现出了闪亮的一面。 机器学习技术在现代社会的各个方面都表现出了强大的功能：从Web搜索到社会网络内容过滤，再到电子商务网站上的商品推荐

英语原文共 9 页， 使用标记动作捕捉技术的LeapMotion控制器的验证 摘要 LeapMotion控制器（简称LMC）是一种低成本，无标记的运动捕捉设备，可跟踪手腕，腕部和前臂位置。由于该技术在医疗中的应用已经开始迅速发展，使得LMC数据输出的验证成为重要的研究目标。在这里，我们对LMC的运动学数据输出进行了详细的评估，并针对黄金标准的运动捕捉技术验证了该输出。我们指导受试者执行三个临床相关的手腕（屈曲/伸展，径向/尺骨偏离）和前臂（旋前/仰卧）运动。使用leap公司（MAC）的LMC和基于标记的运动捕捉系统同时跟踪运动。通过调整LMC采样频率中已知的不一致性，我们通过Pearson相关性分析（r）和均方根误差（RMSE）比较了同时获取的LMC和MAC数据。手腕屈曲/伸展和径向/尺骨偏差与MAC系统显示出良好的总体一致性（r=0.95;RMSE=11

英语原文共 24 页， 数据库中的知识发现和数据挖掘 Vladan Devedzic 数据库中的知识发现（KDD）是自动发现以前未知的模式，规则和隐含存在于大量数据中的其他常规内容的过程。 数据挖掘（DM）表示以特定方式准备的数据集中的模式的发现。 DM经常用作KDD的同义词。 然而，严格来说，DM只是KDD整个过程的核心阶段。 本章的目的是逐步介绍KDD的过程和典型的DM任务。首先通过描述现代数据库系统用户的一些实际需求，非正式地提出了大型数据库中自动知识发现的思想。然后正式定义了几个重要概念，并讨论了KDD的典型上下文和资源。然后，KDD和DM的范围简要介绍了KDD / DM问题的分类和KDD与其他科学技术学科之间的共同点，KDD和DM在KDD领域使用了很好的方法和技术。之后，本章将介绍典型的KDD过程，DM任务和一些最常用于执行此类任