最近看到茅(于轼)老头就生气

rel="File-List" href="file:///C:%5CDOCUME%7E1%5CZHAOQI%7E1%5CLOCALS%7E1%5CTemp%5Cmsohtmlclip1%5C01%5Cclip_filelist.xml"> rel="themeData" href="file:///C:%5CDOCUME%7E1%5CZHAOQI%7E1%5CLOCALS%7E1%5CTemp%5Cmsohtmlclip1%5C01%5Cclip_themedata.thmx"> rel="colorSchemeMapping" href="file:///C:%5CDOCUME%7E1%5CZHAOQI%7E1%5CLOCALS%7E1%5CTemp%5Cmsohtmlclip1%5C01%5Cclip_colorschememapping.xml">

   对于一个70岁的人,我直呼他为老头显然是违背了中华儿女尊老爱幼的优良传统,但仅是提醒他廉颇也有老的时候,并无不敬之意。对于我自己,并无经济学的功底,也无政治上的背景,我仅一介草民,我也不是GC党员。

    18亿亩安全吗?其实还真是不安全,怎么算哪?如果是农村出来的子弟,大家都知道,在村里好地不多,即使都是好地,也不会都用来种粮食,尤其是现在经济全 面开花,蔬菜水果一起上,真正种粮食的地其实也没多少,就打每亩产500斤粮食,经过加工业就是500*0.75 = 375(为什么要乘0.75,因为经过加工,将只有0.75的供人吃,其他的副产品可能用来生产饲料等)能吃的粮食,也就是说全国人民每天1.5斤粮 (13亿人说),如果把这个数字提高到1000斤,那么我们每天就是3斤粮食。

18/13

17/13

18/14

17/14

500/

1.42/ 518/

1.34/ 489/

1.32/ 482/

1.24/ 452 /

1000/

2.84

2.68

2.64

2.42

 

这个数字大不大,首先说不小,因为据统计美国2007年人均粮食(小麦、大米以及黑麦和大麦等所有粗粮)消费量大约是1046公斤,而我们的邻居印度是 178斤。就大家众所周知的乱占土地问题来说,大家认为中国现在还有18亿亩耕地吗?再加上去年兴起的乙醇汽油,粮食的消耗将更加巨大,为什么美国人一天 消耗那么多?有两个原因,一个是产的多,便宜,另一个就是有很多粮食用在了工业生产上,比如造工业乙醇。而我们国家在这这方面跟的也很快。这样算的结果就 是别图表中的数字要低。加之另一个问题就是最后一列显示的那样,如果可用耕地面积骤降,人口急剧增加,粮食单产骤降(自然灾害,你觉得中国少吗),那么粮 食问题将会非常突出。

这里面还有很多因素,我们只列举一些重要的出来,供大家斟酌。

    粮食产量降低,则粮食价格上涨,同时生产资料价格上涨,农民收入并不会明显增加,这就是近半年以来人们常说的,粮食价格高居不下,为什么农民没有得到实惠的问题。因为钱都在路上折腾光了。

    粮食产量降低,则进口量加大,粮食价格下降,不管生产资料如何变化,基本上可以肯定不会给农民增加收入。

    大家还记得,日本进口大米90元一斤吗?台湾的水果40元一斤吗?那么有人就说了,美国的粮食肯定也很贵吧。其实不管贵贱,都和你没关系。如果是90元一 斤,那么大家就都要挨饿,买不起嘛。如果很便宜,大家仍然会挨饿,打击农民种粮积极性嘛,每人种粮食,你就都进口呗。

可能有人怀疑了,我怎么没感觉粮食紧张哪,你当然不会感觉到了,你能上网看到这篇文章,别的无法说明,但可以肯定的是你衣食不忧。

那么暂认为这些都正确,那么如果你去调查一下,甚至不用深入调查,到你们家厨房,找到你们家的食用油的瓶子看看他们都是谁生产的,你要仔细的看清每一个字,否则你可能找不出来,因为高手从来不轻易暴露自己,如果你还有兴趣就再去查查他们的股份构成,如果你仍然有兴趣你就再去查查他们的市场占有率。我不说这些数字,你自己查了告诉你自己吧。

 

这仅仅是食用油,也就是花生大豆玉米等,如果你兴趣还在那么你就再分析一下世界粮食交易及其操盘手好了。仅4个而已

 

即时这些都不是真的,哪也得对国家的安全考虑考虑吧。咱古人就说了“手中有粮,心中不慌”,咱这么多人,大家说多少粮食是安全的哪?几乎可以认为没有一个准确的数字能说明,因为13亿,这个数字太大了。

 

    其实咱们国家的粮食从今年来看还是可以的,河南几年的小麦产量好像达到了13亿人,人均275

 

其实18亿是不是个安全线,我也不知道,但是我觉得这个基调不能变,你不能让国家说不控制,我们刚才的列表看到了,不控制,人均就会聚降,风险也就随之而来。君不见各地的开发区,圈了大片地,荒草丛生,浪费了多可惜。

 

18亿,是不是保地产?姑且认为是有那么一个意思。哪你也不能说,17亿地产就不保了。

 

我觉得18亿是一个概念胜于实际的数字。他试图束缚哪些手无遮拦的乱批乱签的人。即使不能限制也是一种威慑。尽管已经解决,但他仍试图告诉人们,吃饭不再是个问题。他试图告诉人们土地不会增加,房价不会降低,但仍没人买。

   

经济研究除了关注些数字,除了罗列些实事,还应该从国家的自身的历史、现状、发展去研究和提建议,只有有利于国家的长远发展的经济研究才是真经济。否则就是狗屁经济。在这方面比较喜欢朗咸平。

 

    最近还有一个叫莫须有的,傻乎乎的问"莫之许:反对茅于轼者为哪般?",你说为那般啊?不都是因为你没有从国家的历史、现状和发展去考虑问题和提出更加合理的建议嘛!


    最后弱弱的问一句,6几年挨饿的时候,茅老头你在干嘛?

【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
1、资源项目源码均已通过严格测试验证,保证能够正常运行;、 2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值