基于实时动态图联合学习框架的金融交易风控技术

金融交易风险防控是金融风控平台最重要的能力之一.近年来，随着金融风控平台智能化需求的不断升级，对其中相关应用算法的性能要求也水涨船高.目前业界已完成了两代针对金融交易行为的表征学习框架的迭代升级.第一代框架引入了金融交易活动参与者自身的历史行为序列，利用序列模型学习其历史行为特征.第二代框架通过一套实时大数据系统对资金流图进行建模，根据业务专家预定义的业务规则计算出需要的实时特征，并将其输入到后续的判别模型中.相比第一代，第二代框架引入了更多实时动态资金流图上的交互信息，因而取得了不错的性能提升.然而，第二代框架在精细化、智能化和时序建模方面仍存在较大不足.为了解决这些问题，本文针对性地设计了第三代框架，该框架通过动态图表征学习算法，从实时资金流图的原始数据中直接进行表征学习，以此规避了第二代框架中的诸多问题.总的来说，本文在时序信息建模和动态图框架层面均进行了创新性设计.在时序信息建模层面，利用了C2GAT模块（连续时间和上下文感知的图注意力神经网络），在动态多变的资金流图上快速地捕捉了高阶的结构化时序状态与信息.在动态图框架层面，开发了一套联合实时动态图表征框架——RULF，该框架...     

动态图形语言在视觉传达设计中的应用与发展

在现代网络技术发展背景下，动态图形的视觉语言表现形式和动态设计呈现效果都使信息传达更加生动、直观和高效，同时数字化的媒体环境对动态图形领域的发展建设提出了更高的要求。概述了动态图形的缘起与发展，分析了动态图形视觉传播的特点与优势，探讨了动态图形在视觉传达设计中的应用与发展，以期为动态图形的设计创新提供一定的理论与实践参考。     

基于离散化动态图的协同过滤推荐算法

基于图卷积网络(GCN)模型在学习用户/物品表示方面表现出了强大的性能,给传统的协作过滤(CF)算法带来了新的研究突破。然而,现有的基于GCN的CF方法仍然都是针对静态图建模,而在实际场景中,用户与物品的交互不是一成不变的,会随着时间的推移而持续演化;GCN中的过平滑问题会极大地限制现有推荐算法的表示学习建模。为解决上述问题,提出了基于动态图的协同过滤算法(DynGCF),其目的是通过同时捕获图的结构和时态演化信息来学习用户和物品的嵌入表示。DynGCF首先采用GCN学习每个离散快照图上的用户/物品嵌入,然后应用时间卷积网络(TCN)和自注意力机制学习,最终嵌入表示。为缓解过平滑问题,本文改进了传统GCN中的关键模块,即邻域聚合,通过在1阶交互图和2阶共现图建模用户和物品的交互。在4个真实数据集上与基于GCN的CF方法和动态图的基线方法对比,验证了DynGCF的性能提升,并分析验证了改进的方法能有效缓解过平滑问题。     

低秩动态匹配约束下的反射波走时反演

反射波走时反演兼具走时反演与反射波形反演的低波数特征，对与走时相关的地下大尺度背景信息具有较好的更新能力。走时反演时移量的准确估算是反射波走时反演的关键点。传统全局时延互相关可有效估计全局时移量，但难以准确描述地震道的局部非稳态时移特征且单道估计容易造成空间连续性较差的问题。为此，综合考虑反射波走时反演伴随源的空间连续性及时间非稳态特征，引入低秩近似和动态图像估计，构建低秩动态匹配约束算法，以增强时差估计结果的时间非稳态性及空间连续性。实验结果表明，相比单纯采用动态图像估计得到的时差剖面，低秩动态匹配约束结果具有更好的多维度稳定性，反演梯度横向连续性更好，更符合地质沉积的结构特征，反演结果连续性更优。利用低秩动态匹配约束下的结果作为初始模型的全波形反演及逆时偏移成像结果均证明了方法的有效性。     

基于FFMPEG实现智慧教室录制视频快速编辑

利用Visual Basic计算机编程语言对模板图片添加文字，输出片头图片，通过利用动态图像专家组（FFMPEG）生成视频，使用其对录制的原始视频按照时间点进行分割，最终合并输出。通过编程实现了美观的操作界面，并对控制台命令行进行封装调用，极大地提高了非精编的课程录制及各种竞赛视频的操作效率。