基于深度学习的砂岩组分显微图像识别

识别砂岩中的石英、长石和岩屑对判断沉积环境具有重要意义,但传统的人工识别方法存在主观性强、对经验依赖程度高等问题。本文利用深度学习、卷积神经网络等技术构建了一种基于Faster R-CNN目标检测算法的砂岩显微组分图像识别方法,实现了正交偏光下对薄片图像中石英、长石、岩屑三种组分的智能识别,三种组分平均识别准确率为89.28%。为了验证模型的可靠性,实验对比了不同算法和特征提取网络,结果表明：Faster R-CNN目标检测算法的识别效果优于YOLO V3、YOLO V4、YOLO V5s,ResNet50特征提取网络的表现效果优于VGG16。采用ResNet50特征提取网络的Faster R-CNN目标检测模型优势显著,它可以更好满足岩石薄片的识别要求,为传统的人工方法提供智能化技术方案。     

基于实例的上证50ETF期权Fibonacci数列的计算术语学研究

上证50ETF期权的推出丰富了市场交易的对冲机制,拓展了金融衍生品术语研究的领域。本文对期权交易术语的实值期权、平值期权、虚值期权和Fibonacci期权数列进行了基于交易数据的计算研究。通过对七年来期权交易数据的实时跟踪,我们建立了期权交易数据库,并采用计算术语学方法对期权交易进行了计算研究。我们发现:(1)Fibonacci期权数列是非常重要的期权交易术语,其黄金分割点适用于期权交易的波动测算;(2)上证50ETF期权合约涉及到期权交易术语的标准化问题,其交易并不是孤立的市场行为,同时受到新加坡A50指数等相关指数波动的影响;(3)上证50ETF期权交易体系是开放的:新加坡A50指数对我国上证50指数有交易的前瞻效应;上证50指数作为上证50ETF跟踪标的决定上证50ETF走向;上证50ETF作为期权标准合约跟踪标的影响到具体的合约交易;(4)上证50ETF期权交易的核心术语是杠杆波动率;Delta的计算赋值代表了高杠杆特性,其值域扩大将导致Fibonacci期权数列的黄金分割点出现偏差。最后得出结论:上证50ETF期权交易的研究是数据驱动的研究;基于统计的计算语言学方法可对期权术语进行赋值,并有效辅助期权交易;期权的计算术语学研究将促进数据驱动的术语学发展。     

基于CBAM-ResNet50的民国纸币图像检索系统

利用残差网络（ResNet）50，结合卷积块注意力模块（CBAM）机制，提出了一种基于CBAM-ResNet50的民国纸币图像检索技术，提升了对相似纸币的检索能力.设计并实现了基于Windows和Ubuntu系统环境下的民国纸币图像检索系统，并搭建了基于Flask的Web应用服务.所提取的民国纸币图像特征具有更强的辨识度，大幅提高了检索速度，在图形处理器（GPU）上可达毫秒级.使用缩略图搜索民国纸币图片，对相似度排名第1的图像的检索准确率可以达76.3%，相似度排名前6的图像检索准确率可以达92.5%.