基于CNN的安防数据相似重复记录检测模型

安防行业的结构化数据中存在大量的相似重复记录,传统的相似重复记录检测算法的识别率很难满足安防行业的实际需求。针对这种情况,引入了卷积神经网络模型,设计两种以LeNet-5模型为基础的改进模型,一种是输入为词向量矩阵的模型,另一种是输入为相似度矩阵的模型。实验表明,输入为词向量矩阵的模型的精确率和召回率均达到了96%以上,输入为相似度矩阵的模型的精确率和召回率高达98%,并且K折交叉验证的结果说明模型具有较强的泛化能力。

以十二烷基苯磺酸钠为增溶剂催化光度法测定痕量银

本文研究了在 p H=4 .5的 HAc- Na Ac介质中 ,以 2 ,2′-联吡啶为活化剂 ,阴离子表面活性剂十二烷基苯磺酸钠 (SDBS)为增溶剂 ,过硫酸钾氧化次甲基蓝催化动力学光度法测定痕量银的新方法。本法检出限为 2 .2× 10 -4mg/ L ;相对标准偏差为 2 .5 % (n=9) ;线性范围为 0 .0 0 8— 0 .0 4 0 mg/ L。

基于一维卷积混合神经网络的用户兴趣分类

个性化推荐系统的关键是挖掘用户的情感偏好,而网络中大量的用户浏览行为记录为此提供了线索。传统描述兴趣度采用的方法是选择典型的浏览行为构造多元线性回归模型,然而浏览行为之间相互联系,容易导致共线性问题。为了提高挖掘用户兴趣的准确度,引入卷积神经网络(CNN)和胶囊网络(CapsNet),提出一种混合神经网络预测模型。首先,在卷积神经网络中对多种浏览行为使用一维卷积和最大池化操作提取局部特征;其次,在胶囊网络中将卷积网络输出的特征向量作为胶囊层的输入,使用动态路由算法对行为特征进行整体特征提取;最后,使用softmax分类器进行兴趣预测分类。实验结果表明,该模型在训练集的准确率高达95.8%,同时在测试集上的准确率都优于CNN和CapsNet,且该模型在训练过程中交叉熵损失明显低于CNN和CapsNet。采用该方法可以利用多种浏览行为准确挖掘用户的兴趣,提高了推荐系统的服务质量。

与偶共舞

在福建众多的地方戏曲艺术中,布袋木偶戏以她小巧玲珑、绚丽多姿的艺术个性,活跃在八闽艺苑的百花园中.