基于BP神经网络的收视率预测

目前行业内预测收视率的方法均没有考虑收视率自身的长期相对稳定的特点,导致预测结果精度不够。本文利用人工神经网络所具有的学习记忆功能及自适应、容错性好的特点,设计了电视收视率预测系统的指标体系,建立了基于BP神经网络的收视率预测模型。实验结果表明,应用BP神经网络预测模型预测的节目收视率数据精度较高。

基于游戏引擎的力学仿真新方法

力学是一门建立在实验上的学科,这种实验耗费成本较高并且并不易于运作。计算机仿真是这种力学实验的一种合理的替代方式。但是传统的力学仿真方法也存在许多缺点,如:互动性弱,灵活性差,可重复利用性低,开发难度高等。鉴于传统技术的这些缺点,本文提出了一种新的方法—基于游戏引擎的力学仿真。物理引擎为游戏引擎提供底层技术支持,确保力学仪器在物理规则的控制下运动。这样的方法不仅大大提高了开发的效率,还提升了交互性、灵活性和可复用性。本文的主旨是讨论基于游戏引擎的力学仿真的优点、详细介绍物理引擎技术并着重展示如何使用游戏引仿真机械设备。