基于信用评级的商业银行贷款风险定价模型

建立了一个基于信用评级体系的风险定价模型.通过模型证明一笔贷款的价格不仅与借款人的预期违约率和贷款回收率有关,而且与借款人在贷款期间信用等级的变化有关.贷款的价格(利率)与借款人信用恶化的程度和发生的概率正相关.利用实际数据求出了各信用等级借款人的利率、风险价值和经济资本等参数.     

羰基钴催化乙基迁移反应机理的从头算研究

采用有效核势能进行（ＥＣＰ）从头算方法,研究了羰基钴催化的氢化反应循环中的乙基迁移反应机理,在ＨＦ／ＬＡＮＬ２ＤＺ水平优化得到了反应基态势能面的反应物,过渡态和产物的几何构型、对反应位能剖面的各驻点进行了ＭＰ２／ＬＡＮＬ２ＤＺ／ＬＡＮＬ２ＤＺ相关能校准和零点能校准,理论计算结果表明,乙基迁移反应是经过一个三元环过渡态而进行的,反应位垒力２８．８９ｋＪ／ｍｏｌ（ＭＰ２／ＬＡＮＬ２ＤＺ／ＬＡＮＬ２ＤＺ     

基于Xception模型的遥感影像场景变化检测

由于遥感场景固有的语义特征,深度学习在场景分类中具有突出的语义特征提取能力,近年来得到了广泛的研究。然而,现有的基于深度学习的方法大多没有精细描绘场景几何形状,而是利用固定大小的滑动窗口来对影像分类,这些窗口可能由多种场景类型的混合像元组成,导致场景识别的可分离性低,细节粗糙,分类精度低。针对这一问题,将简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)与迁移学习相结合,实现场景斑块的精确分类,进一步提高场景变化检测的准确性。首先基于SLIC算法,考虑强度分布的相关性,将遥感影像分割成多尺度斑块;其次利用Xception模型结合迁移学习网络从多尺度斑块中提取深度语义特征,并基于softmax分类器计算概率,从而判别场景斑块的类别;最后,基于场景分类的结果提取地物的变化信息。实验结果表明,该方法能够适应不同尺度的场景识别,达到利用窗口网格检测方法的最高水平,提高了场景变化检测的精度和效率。     

SLC44A5对肺腺癌细胞迁移影响

肺癌是发病率和死亡率最高的恶性肿瘤.SLC44A5是一种胆碱转运蛋白,其与肿瘤关系的相关报道较少.有报道显示其与肝癌的发生发展有关,然而其在肺癌中的作用尚未有相关报道.为探讨SLC44A5的影响,使用人肺腺癌细胞系H1299和H1792构建SLC44A5低表达细胞系,利用MTT法证明敲低SLC44A5会抑制细胞增殖.使用细胞划痕实验和Transwell细胞迁移实验证明敲低SLC44A5抑制细胞迁移.结果表明SLC44A5可能参与了肺癌的转移,具有成为肿瘤治疗分子靶点的潜力.     

芽殖酵母Sik1蛋白在纺锤体定位中的功能

为了探究芽殖酵母蛋白Sik1在有丝分裂纺锤体定位中的功能,利用同源重组技术将SIK1的内源启动子替换成GAL1启动子,得到基因组位点过表达SIK1的菌株,同时使菌株表达GFP-Tub1,以便观察纺锤体;接着在12℃低温条件下培养细胞以促进双核细胞的产生,细胞经乙醇固定、DAPI染色后在荧光显微镜下观察细胞核分裂及纺锤体...     

基于卷积神经网络的图像风格迁移算法研究

针对Gatys的图像风格迁移算法做了两个方面的改进,首先提出了一种更加适用于风格迁移的卷积网络结构,相较于其他的预训练卷积神经网络模型减少了95％的参数数量,降低了22％以上算法运行时间;其次对风格迁移的风格损失函数部分做了改进,可以使一幅内容图像同时迁移多种不同的画作风格.     

基于Windows的DSM系统中线程迁移的实现

随着多线程DSM系统的发展,线程迁移已经成为DSM系统中一个非常重要的研究课题。在分析Windows操作系统的存储和控制结构的基础上,讨论了基于Windows操作系统的多线程DSM系统的基本框架,提出了一种对线程进行动态迁移的方法。并且在一个基于Windows操作系统工作站机群的Smonn系统中成功实现,表明了该方法的有效性。     

温度效应对非饱和土壤中湿分迁移影响的实验

在多种条件下,对非饱和多孔土壤中温度和湿分分布的动态特性进行了实验研究,分析了温度效应对水分运移的影响.结果表明:温度对土壤水分含量的影响显著,随着温度升高,土壤持水性降低,水分含量明显降低;在周期性变化的土壤温度的作用下,土壤水分含量则呈周期性变化;土壤润湿度与温度变化幅度共同决定温度效应对土壤湿分迁移的影响程度,由温度和温度梯度引起的湿分迁移在含水量中等程度的土壤中作用明显.     

基于新型空间注意力机制和迁移学习的垃圾图像分类算法

随着我国各级政府大力推动垃圾强制分类,分类回收各环节中实现标准化、自动化的垃圾分类识别需要适合云端部署的高准确率、低延时要求的细粒度图像分类模型.本文发挥深度迁移学习的优势建立了一套端到端的迁移学习网络架构GANet (garbage neural network);针对垃圾分类中类别易混淆、背景干扰等挑战,提出一种新型的像素级空间注意力机制PSATT (pixel-level spatial attention).为克服类别多和样本不平衡挑战,提出使用标签平滑正则化损失函数;为改善收敛速度以及模型稳定性与泛化性,提出了阶梯形OneCycle学习率控制方法,并给出了结合Rectified Adam (RAdam)优化方法和权重平滑处理技术的组合使用策略.实验使用了"华为云人工智能大赛.垃圾分类挑战杯"提供的按照深圳市垃圾分类标准标注的训练数据,验证了GANet在垃圾分类问题中的显著效果,获得了全国二等奖(第2名);同时,提出的PSATT机制优于对比方法,且在不同主干网络架构上均得到了提升,具有良好的通用性.本文提出的GANet架构、PSATT机制和训练策略不仅具有重要的工程参考价值,也具有较好的学术价值.