基于深度神经网络结构的互联网金融市场动态预测

近些年,互联网金融市场在国内外迅速发展;同时,针对互联网金融市场的研究也成为了学术界的热点.相比于传统金融市场,互联网金融市场具有更高的流动性和易变性.针对互联网金融市场的动态(日交易量和日交易次数)进行研究,提出了基于深度神经网络结构的融合层次时间序列学习的预测模型.首先,该模型可以实现对多序列(市场宏观动态序列和多种子序列)特征变量输入的处理,并且在时间和序列特征2个维度上利用注意力机制来融合输入变量.其次,模型设计了基于预测序列平稳性约束的优化函数,使得模型具有更好的稳健性.最后,在真实的大规模数据集上进行了大量的实验,结果充分证明了所提出的模型在互联网金融市场动态预测问题上的有效性与稳健性.     

基于随机森林的文本分类并行化

文本分类是信息检索的核心技术。传统的文本分类系统由于单机的计算与存储能力有限,已经不适用于大数据时代。在Spark大数据平台上并行地运行算法对文本进行分类,以数据和任务的并行化来提高算法的效率具有现实性和紧迫性。文中提出了改进的不平衡数据随机森林算法,通过对训练样本的多数类进行欠取样且对少数类进行有放回取样从而形成新训练样本的方法来减少不平衡数据对随机森林的影响。实验结果表明,新算法在处理不平衡数据集上的少数类时提高了分类的正确率。     

二氧化硫在钒催化剂上氧化动力学的研究——Ⅰ.永利钒催化剂的动力学方程式

<正>二氧化硫在钒催化剂上的氧化动力学问题,已经有很多人进行过研究。不过异相催化过程一般是比较复杂的,影响催化速度的因素除了催化剂本身的化学及表面性质,反应的温度,反应物与生成物的浓度之外,还有反应物或生成物在催化剂表面上的吸附或解吸速度,到达或离开催化剂表面上的物质传递过程的速度等复杂性。     

多重对级贝叶斯个性化排序算法

为解决隐式反馈推荐问题,贝叶斯个性化排序(BPR)模型已经成为最具有代表性的对级(Pairwise)排序算法之一.在BPR模型中,存在一个严格的偏序假设:相较于未标记的物品而言,用户更喜欢已经有过标记行为的物品.本文提出了一种多重对级贝叶斯个性化排序(MBPR)推荐算法来进一步提升用户对物品的偏好预测能力.首先,基于BPR模型的排序关系设计了一种改进的多重对级偏序假设.具体地,对于每一用户,本文提出将未标记的反馈集细分为潜在的负反馈集和不确定性反馈集,并基于改进的对级偏序假设,提出了一种新的多重对级排序的优化目标来学习用户与物品之间的相关性.为实现MBPR模型的采样任务,本文设计了一种自适应采样策略来为模型更新动态地选取训练样本.最后,在公开数据集上开展了仿真推荐实验,并与基线算法对比.实验结果表明,MBPR算法能够取得更好的推荐效果.     

考虑水文变异的东江流域河道内生态流量研究

基于变化环境下河流水文情势发生变异的特殊性,应用滑动秩和检验法系统分析东江水文变异及其变异成因,确定变异前各月平均流量序列最适概率分布函数,将概率密度最大的月平均流量定义为河道内生态流量。分析表明,考虑水文变异的生态流量计算方法是合理可行的。水文变异后,东江流域干流满足生态需水的频率大大提高,满足频率从变异前的60%左右提高到变异后的73%以上(6月除外),非汛期提高幅度比汛期大。所得成果可为河道水文生态变化的研究提供参考。     

等离子体处理对丝素膜和丝素涂层织物柔软性的影响

讨论了不同条件下低温等离子体处理对再生丝素膜和再生丝素涂层涤棉织物柔软性的影响，指出低温等离子体处理时高真空度、合适的轰击电流和气体对蚕丝再生丝素膜和再生丝素涂层涤棉织物柔软性有一定的影响。     

为明星把脉——中国软件市场未来机会何在

随着促使软件产业发展的一些有利条件纷纷出笼,软件产业在中国已逐渐形成气候。中国有优秀的技术人才,基础建设也已逐步完善。更重要的是使用者对知识产权的认识程度正在迅速成长,政府奖励措施及对软件产业的资本市场的重视等环境因素也在不断成熟,因此软件产业可望成为下一世纪中国的明星产业。应用是基软件发展有其先天条件,并非一蹴可及。就市场面而言,仅有创意是不足的。能跨足国际的软件厂商,不仅在软件技术上有所突破,更需要足够的资金     

规模经济对项目竞争力的影响

阐述了项目规模经济来源于项目的建设过程和运营过程，不同项目的规模经济来源是不同的。由于项目的开工率、运输成本、技术限制、需求的多样化等原因，项目的规模不能无限扩大。     

基于μC/OS-II的嵌入式脉冲激光测距系统

激光测距系统中,时间间隔的分辨率是测距系统精确度的关键因素。采用ACAM的高精度时间间隔测量芯片TDC-GP1,设计并实现了一种基于自触发脉冲激光飞行时间测量方法的脉冲激光测距系统,给出了测距系统功能原理和电路设计。使用实时操作系统μC/OS-II作为系统控制核心,以确保测量精度。