基于机制转换模型的碳排放权期权定价

机制转换模型可以将外部环境的变化迅速反映到对模型参数的调整中,故运用马氏链刻画外部机制建立机制转换模型,基于此进行碳排放权期权定价。为实现其价值函数的数值计算,首次设计并证明了一套倒向递归算法,该算法依据马氏链跳跃的划分实现递归,从而克服了马氏链带来的运算高复杂度,其数值结果展示了完整的波动率微笑和期限结构。最后通过与前人提出的算法以及蒙特卡洛模拟比较表明,倒向递归算法可获得更高的准确性和运算效率。     

基于荧光光谱技术的菜籽油氧化状态智能评价

菜籽油在加工及贮藏过程中，易受氧气、温度、光照等因素的影响，产生氧化酸败现象。为准确判断油脂氧化程度，实现不同氧化模式下菜籽油品质的快速判别，采用三维同步荧光光谱技术结合平行因子分析法及BP神经网络法建立菜籽油氧化状态的智能评价模型。以冷榨菜籽油为原料，将样品分别置于常温、Schaal烘箱、高温模式中氧化处理，期间采集菜籽油的三维同步荧光光谱数据及理化指标，当理化指标超出国标限定范围时，停止采集数据。结果表明，菜籽油中荧光物质在不同氧化模式中的演变规律呈显著差异，氧化温度对菜籽油荧光光谱有明显影响。常温氧化350 d与第1 d相比，菜籽油的特征荧光峰位置无变化，仅在激发波长Ex为620和660 nm附近荧光峰强度发生微弱变化；Schaal烘箱氧化26 d后，在激发波长Ex为620和660 nm附近荧光峰强度显著减弱，且在激发波长Ex为350～450 nm之间有新的荧光峰生成；高温氧化48 h后，Ex为620和660 nm处荧光峰消失，在Ex为400～550 nm处产生显著荧光峰，相对Schaal烘箱氧化，荧光波长发生一定程度红移，这是由于高温氧化过程中油脂氧化生成的物质稳定性较差引起的。利用平行因子分析法对三维同步荧光光谱数据进行分解获取有效的二维荧光光谱数据，当组分数为6，Δλ=60 nm时激发波长的载荷值最大，不同样品间差异最显著。选定Δλ=60 nm波段的二维荧光光谱数据用于智能评价，作为BP神经网络模型的输入值，以极性组分作为模型输出值，分别对菜籽油三种氧化模式数据建模训练。实验结果表明，三种氧化模式对应的训练集、验证集、测试集模型相关系数r均能达到0.9以上，其中常温氧化模式中验证集及测试集模型的相关系数r为1，输出值与目标值较接近，模型的预测效果较好；综合三种氧化模式数据建模，对应训练集、验证集、测试集模型的相关系数分别为0.999，0.913和0.988，均方误差均较小，说明该模型能准确判断菜籽油的不同氧化状态。因此，三维同步荧光光谱技术结合平行因子分析法、BP神经网络法建立快速检测模型能实现菜籽油不同氧化状态的判别，为菜籽油的氧化程度的评价提供新方法，同时为其他食用油的品质评价提供参考。     

基于卷积神经网络的焊缝缺陷图像分类研究

为有效地对焊缝缺陷进行分类，从而判断焊接质量的等级，对传统卷积神经网络进行改进，提出一种多尺度压缩激励网络模型（SINet）。将4组两两串联的3×3卷积模块与Inception模块、压缩激励模块（SE block）相结合。通过多尺度压缩激励模块（SI module）将卷积层中的特征进行多尺度融合和特征重标定以提高分类准确率，并用全局平均池化层代替全连接层减少模型参数。此外考虑到焊接缺陷数量不平衡对准确率的影响，采用深度卷积对抗生成网络（DCGAN）进行数据集的平衡处理，并在该数据集上验证模型的有效性。与传统卷积神经网络相比，该模型具有良好的性能，在测试集上准确率达到96.77%，同时模型的参数个数也明显减少。结果表明该方法对焊缝缺陷图像能进行有效地分类。     

平行平板横向剪切干涉仪装调误差的矫正方法研究

对平行平板双光路横向剪切干涉仪的装调进行了研究,提出了一种矫正两个平行平板之间角度误差的方法.输出激光的波前采用Zernike多项式拟合,经过理论推导,发现两个方向差分波前求解出的倾斜像散之差与平行平板的角度误差存在线性关系,利用两个方向倾斜像散之差来矫正两个平行平板之间的角度误差.在平行平板横向剪切干涉仪的装调过程中使两个方向差分波前的倾斜像散之差为零即可以使两个方向的平行平板之间的角度误差值为零.进一步地从实验上证明了这个线性关系,对于所用的实验系统,当离焦像差为-3.224 7±0.001 8,两个方向差分波前的倾斜像散之差波动范围为±2.0×10^-3时,平行平板的角度误差可以控制在8.82″之内,高阶像差对平行平板的角度误差调节精度的影响约为1.63″.该方法具有装调简单、精确度高,易于流程化操作的优点.     

基于Deep-IndRNN的DGA域名检测方法

恶意服务常利用域名生成算法（DGA）逃避域名检测,针对DGA域名隐蔽性强、现有检测方法检测速度较慢、实用性不强等问题,采用深度学习技术,提出了一种基于Deep-IndRNN的DGA域名检测方法。方法运用词袋模型（BoW）将域名向量化,然后通过Deep-IndRNN提取域名字符间特征,并使用Sigmoid函数对域名分类检测。其主要特点在于:通过将Deep-IndRNN的多序列输入拼接为单向量输入,以单步处理代替循环处理,同时结合Deep-IndRNN能保存更长时间记忆的特点,可有效释放深度学习时占用的GPU、CPU等系统资源,且在保证高准确率和精确度的前提下提高训练、检测速度。实验结果表明,基于Deep-IndRNN的DGA域名检测方法在检测任务中具有较高的准确率和精确度,相比于DNN、CNN、LSTM、BiLSTM、CNN-LSTM-Concat等同类检测方法,能显著提高训练、检测速度,是有效可行的。     

基于级联卷积神经网络的前列腺磁共振图像分类

针对深度学习训练成本高，以及基于磁共振图像的前列腺癌临床诊断需要大量医学常识且极为耗时的问题，本文提出了一种基于级联卷积神经网络（Convolutional Neural Network，CNN）和磁共振图像的前列腺癌（Prostate Cancer，PCa）自动分类诊断方法，该网络以Faster-RCNN作为前网络，对前列腺区域进行提取分割，用于排除前列腺附近组织器官的干扰；以基于ResNet改进的网络结构CNN40_bottleneck作为后网络，用于对前列腺区域病变进行分类.后网络由瓶颈结构串联组成，其中使用批量标准化（Batch Normalization，BN）、全局平均池化（Global Average Pooling，GAP）进行优化.实验结果证明，本文方法对前列腺癌诊断结果较好，而且缩减了训练时间和参数量，有效降低了训练成本.     

沃特世公司成功举办生物样品分析研讨会

2012年1月11日,由沃特世(Waters)公司发起的"沃特世生物样品分析研讨会"在上海成功举办,来自上海地区生物分析领域的专家出席了此次会议。当前,在分析血浆、尿液、这些复杂基质的生物样品时,面临的最大挑战就是基质效应,因此在进行LC/MS分析前如何选择最合适的前处理方法来消除"离子抑制或离子增强"作用成为科学家们最关心的问     

从一道高考题产生联想

（2011年安徽高考数学理科卷第18题）在数1和100之间插入”个实数，使得这n＋2个数构成递增的等比数列，将这n＋2个数的乘积记作L，再令an=lgL，n≥1．（Ⅰ）求数列{an}的通项公式；（Ⅱ）设bn=tana。·tanan＋1，求数列{bn}的前n项和S。     

提拉法生长直径10英寸优质Yb∶YAG激光晶体

设计制作了直径10英寸Yb∶YAG激光晶体生长热场，改进了单晶炉称重与旋转系统结构，采用感应加热熔体提拉法结合上称重自动控径技术，成功生长出了直径252 mm、等径长近260 mm的完整Yb∶YAG晶体，晶坯外观完整，无开裂。在5 mW绿光激光和20 mW He-Ne激光照射下检测，晶坯整体无散射。经检测性抛光后，晶坯选材扇区内光学均匀性较好，应力分布均匀。选择口径为152 mm×11.5 mm、长为260 mm的板条区域进行测试，透过波前畸变为0.29λ/inch@633 nm,表明晶坯具有良好的光学质量，可以选切加工宽度达到150 mm的大尺寸晶体板条元件。