风险树 人工智能用于树木故障识别和风险量化 步骤1：标记输入数据 输入为图像（当前为3024 x 4032像素）。 这些当前保存在本地，无法在远程上访问。 通过电子邮件发送给协作者以进行数据访问。 要执行标记，请运行process-image-files 。 当前框架假定theraw图像位于data/raw/Pictures for AI 。 步骤2：预处理图像 在此步骤中，我们执行图像大小调整和数据增强（随机裁剪，水平翻转-概率为50％）。 用户可以为原始图像集指定扩展因子。 例如，如果原始集中有500张图像，并且为预处理功能指定了5的扩展因子，则最终的扩展集将包含2500张图像。 最终，针对4个分类方案和用户指定的分辨率（例如64 x 64 px，128 x 128 px等）生成图像训练集。还执行单热矢量编码。 每组图像和标签都作为元组数组保存在二进制.npy文件中。 步骤3：CNN超

BimAngle Browser - 好用而且免费的轻量化模型浏览器 功能描述: 快捷预览轻量化模型，省去部署模型到 Web Server 的麻烦。 目前支持以下格式: Autodesk Forge SVF (三维) or F2D (二维) 3D Tiles (for Cesium) glTF/glb 更多格式持续增加中... 使用方法： 双击 BimAngle Browser 快捷方式运行, 在弹出的对话框中选中要预览的轻量化模型文件即可； 安装环境: Windows 7/8/10/Server 2012/Server 2016

20210616-兴业证券-工具型产品研究系列之八十六：光大创业板量化优选，量化掘金创业板，获取稳定超额收益.pdf

20210621-民生证券-金融工程市场跟踪周报：量化环境持续优异，抱团基金回撤收窄.pdf

中国汽车用碳纤维轻量化技术产业发展现状及趋势探索.pdf

JPEG图像篡改引入的双重压缩会导致篡改区域的原始压缩特性发生改变，因此可以利用篡改区域压缩特性的不一致性来检测图像的篡改。利用该原理，提出了一种基于量化噪声的JPEG图像篡改检测算法。算法对待检测图像进行分块，计算每块的量化噪声，求取图像块的量化噪声服从均匀分布和高斯分布的概率，从而检测出篡改过的双重压缩区域。实验结果表明：该算法能有效检测双重压缩的JPEG图像篡改，并能定位出篡改区域。

01设备量化考核管理制度（征求意见稿).doc

用R语言进行高级量化投资

# 绘制反转图的函数 kbreak( ax, #绘图的区域 data, # 绘图数据，dataframe，包括时间和价格 n=3, #反转的柱体 width=0.5, # 柱体的宽度 edgecolor_up='red', # 上涨的边框颜色 facecolor_up='white', # 上涨的填充颜色 edgecolor_down='green', # 下跌的边框颜色 facecolor_down='green', # 下跌的填充颜色 count_show=False, # 是否显示趋势计数 draw_start=0, # 为了避免缺失值，从哪一项开始绘制 grid_show=True, # 是否显示网格 ) # 绘制函数的参数说明： """ 绘制反转图 -------------------------------------------------------------------------------------- 参数： ax：绘图的区域 data：pandas数据：包括时间和价格 n=3, 反转的柱体 width：float格式，柱体的宽度 edgecolor_up='red', 上涨的边框颜色 facecolor_up='white', 上涨的填充颜色 edgecolor_down='green', 下跌的边框颜色 facecolor_down='green', 下跌的填充颜色 count_show=False, # 是否显示趋势计数 grid_show=True, # 是否显示网格 -------------------------------------------------------------------------------------- """

20210616-华宝证券-云海金属-002182-公司研究首次覆盖报告：业绩稳健增长，轻量化机遇促发展.pdf