基于Bates模型的欧式离散障碍期权定价

在标的资产价格满足Bates模型下讨论离散时间情形的欧式障碍期权定价.应用半鞅It?公式、随机过程在不同时间点上的多维联合特征函数、Girsanov测度变换以及Fourier反变换等随机分析方法,给出离散时间情形的欧式障碍期权价格的封闭式解,并利用数值计算实例分析了波动率参数对障碍期权价格的影响.研究结论对连续时间情形的障碍期权定价或其他路径依赖型期权定价十分有借鉴作用.     

高等数学教学中融入数学建模思想的方法与实践

数学建模是培养学生利用数学知识、数学思想和数学软件解决实际问题的有效手段,是联系数学理论与实际生活具体实例的桥梁和纽带.通过具体实例说明在高等数学课堂中融入数学建模思想的教学方法与技巧,探讨了高等数学课程教学与学生的数学建模思想培养的有效结合方式.     

有关E-凸函数和E-拟凸函数的水平集

通过反例说明文献[1]给出的一些有关E-凸函数和E-拟凸函数水平集的错误性质,并对文献[1]中错误结论进行了纠正,给出了E-凸函数和E-拟凸函数一些新的性质。     

建筑材料反射光亮度实验与照明计算方法

通过测量23种材料发现,在同一角度用同一功率光源照射,不同材料的反射光亮度完全不同;由反射比确定材料整体亮度水平,光泽度随入射角和观察角不同而变化.用实验数值计算出修正系数K值并综合其他影响值,用于修正CIE(国际照明委员会)推荐的计算公式,建立了一种新的算式.通过照度计算验证比较,用新算式计算的照度仅为原算式的1/3不到,夜景照明节能效果显著.     

关于拓扑空间遗传性的研究

通过典型实例,探究了点集拓扑学中某些具有及不具有遗传性质的拓扑空间.     

基于模糊训练数据的支持向量机与模糊线性回归

支持向量机作为1种机器学习方法已广泛应用于模式识别及函数拟合,但在支持向量机中,训练数据均为精确数据.针对训练数据的输入是模糊数的情况,研究基于模糊训练数据的分类型支持向量机,并给出其解法.然后应用基于模糊训练数据的支持向量机研究模糊线性回归问题.     

两阶段目标类指引的行人检测对抗补丁生成算法

针对缘于深度学习模型脆弱性的对抗样本攻击这一国内外热门研究课题，以无人驾驶等实际应用为背景，探讨了针对Yolo-v2行人检测系统的对抗攻击方法;基于Yolo-v2对行人目标的预测置信度和分类概率，提出基于两阶段目标类指引的行人检测对抗补丁生成算法。创新性地提出了目标类指引的攻击策略，通过先后实施目标类指引的对抗补丁生成和对抗补丁增强，有效引导了对抗补丁在训练生成过程中的收敛方向，以此逐步提升对抗补丁攻击行人检测系统的能力;在Inria数据集上实现了79个目标类指引的对抗补丁生成训练与测试。结果表明，算法以“teddy bear”为目标类生成了攻击效果最佳的对抗补丁，行人检测交并比(IOU)指标可达0.043 5，显著优于对照算法的0.244 8。     

基于改进损失函数的实体类别平衡优化算法

针对自然语言处理(Natural Language Processing, NLP)任务中，命名实体识别(Named Entity Recognition, NER)存在实体类别样本不平衡的问题，提出一种基于改进损失函数的实体类别平衡优化算法。新算法是对神经网络模型中的损失函数进行优化处理，通过分析命名实体识别数据特点，在平衡正负样本的基础上引入平滑系数和权重系数，保证模型在梯度传递的过程更关注于实体类别较少和带有嵌套的难识别样本，同时减少对样本数较多的、易识别样本的关注。利用公共数据集ACE05、MSRA进行实验对比，结果表明改进的损失函数在数据集ACE05和MSRA上，F1值分别提高1.53%和0.91%。上述结果表明改进的损失函数能够较好地缓解实体中正负难易样本的不平衡。