学界 | 谷歌新论文提出像素递归超分辨率：利用神经网络消灭低分辨率图像马赛克
选自arXiv机器之心编译参与：吴攀马赛克有时候是人类实现幸福生活的一大妨碍，谷歌也一直在致力于用技术提升人类的幸福程度。之前机器之心就曾报道过谷歌曾经提出一种提升图像分辨率的技术，参见 重磅 | 消灭所有马赛克，谷歌宣布机器学习图像锐化工具 RAISR ，介绍了另一种增强图像分辨率的技术。机器之心对这篇论文进行了简要介绍，论文原文可点击「阅读原文」下载。摘要：我们提出
策略和技术
解读 | 谷歌像素递归超分辨率研究：怎么消灭低分辨率图像马赛克？
机器之心原创作者：Angulia参与：王灏、hustcxy、吴攀最近，谷歌发布了一种把低分辨率图像复原为高分辨率图像的方法，参见机器之心文章《 学界 | 谷歌新论文提出像素递归超分辨率：利用神经网络消灭低分辨率图像马赛克 》。与最先进的方法相比，这篇论文提出了一种端到端的框架来完成超分辨率任务。它由两个卷积神经网络组成，一个是描述低分辨率图像骨架的优先网络（prior
从强化学习基本概念到 Q 学习的实现，打造自己的迷宫智能体
选自Medium作者：Aneek Das机器之心编译参与：蒋思源近年以来，强化学习在人工智能所充当的角色越来越重要了，很多研究机构和大学都将强化学习与深度学习相结合打造高性能的系统。因此，本文注重描述强化学习的基本概念与实现，希望能为读者介绍这一机器学习分支的巨大魅力。强化学习其实也是机器学习的一个分支，但是它与我们常见监督学习和无监督学习又不太一样。强化学习旨在选择
期权市场风险对冲原理证明
一、期权希腊字母风险对冲的含义风险对冲的基本思想可以通过基于Taylor展示式的资产组合价值随市场因子变化的二阶形式来表现：金融衍生品的价格_F_可以表示成形式:F = F（S, t,_r,_σ）其中：_S_表示标的物资产的当前价格，_t_表示当前时间，_r_表示无风险利率，σ表示标的物资产价格的波动率。金融衍生品定价公式的泰勒展开式：期权的风险指标通常用希腊字母来表
五种期权期货风险对冲方法
理论基础金融机构的交易平台被称为前台“front office”；管理银行所面临的整体风险、资本充足率以及监管法规的部门被称为中台；管理银行账目的部门被成为后台“backoffice”。交易平台的风险在两个层次被得以管理：（1）前台交易人员通过对冲手段来控制单一风险额度以达到风险管理目的。（2）中台管理人员将所有交易员的单一风险暴露进行汇总来测算银行面临的整体风险，
四种极值 VaR 测算方法
前言上一篇文章讲述了风险暴露的交易员如何计算Delta、Gamma、Theta、Vega和Rho。金融机构的交易组合往往取决于成千上万个市场变量，因此，交易员每天的分析可能会包括大量计算，虽然这些风险度量对交易员十分重要，但并不能为金融机构的高管以及金融机构的监管人员提供一个关于整体风险的完整图像。在如何对投资组合的风险采用简单明了的、更为透明的研究中，金融界发展出了一
股票指数期货对冲策略
一、股指期货股票价格指数期货（SharePrice Index Futures），英文简称SPIF，是指以股价指数为标的物的标准化期货合约，双方约定在未来的某个特定日期，可以按照事先确定的股价指数的大小，进行标的指数的买卖，到期后通过现金结算差价来进行交割。股指期货交易目前已经成为金融期货也是所有期货交易品种中的第1大品种。在金融市场的具体交易时，股票指数期货合约的价值
