排序方式: 共有2条查询结果,搜索用时 663 毫秒
1
1.
首先对流动性时间序列进行特征分析,根据时间序列自相关和偏相关的特点建立相应的自回归移动平均模型。用LM检验模型的残差是否存在异方差现象;为了很好的描述丛集性的特征,建立了ARMA(1,1)-ARCH(1)模型;然后再对模型的残差做删和Q统计量的检验,来解释模型的合理性。最后,根据所建的模型求出条件异方差,进而计算流动性风险值。 相似文献
2.
针对风格迁移算法在迁移过程中图像内容特征映射出错,无法保证特征映射完整性,使生成图像出现内容失真的问题,提出多通道特征增强风格迁移算法.该算法在CycleGAN(Cycle Generative Adver-sarial Networks)风格迁移网络基础上,引入多通道特征增强机制,增强每个通道对图像特征的非线性表达能力,不仅可保持通道的独立,还能提取更加丰富的内容特征,在确保特征映射一致的同时,提高风格迁移质量.经仿真实验表明,本文所提算法与CycleGAN相比:在风景方面,冬-夏季节场景数据集在评价指标IS和FID上分别提高6.2%和25.7%;在静物方面,苹果-橘子水果静物数据集在评价指标IS和FID上分别提高9.3%和24.4%. 相似文献
1