基于图嵌入模型的协同过滤推荐算法

传统协同过滤算法存在严重的数据稀疏和冷启动问题。利用社交网络中的丰富信息为解决传统协同过滤算法的数据稀疏和冷启动带来了契机。然而,传统基于社交网络的协同过滤算法仅利用粗粒度、稀疏的用户信任关系来改进传统协同过滤算法,即用0或1表示用户之间信任程度。另外,传统基于社交网络推荐算法仅仅集成用户之间显式信任关系,而忽略用户之间隐式的信任关系。本文提出一种基于图嵌入模型的协同过滤推荐算法,即利用图嵌入模型技术学习社交网络中用户的低维特征表示,并根据用户的低维特征表示推导用户之间细粒度的信任关系。最后,根据信任用户和相似用户对目标物品的评分权重预测用户对目标物品的评分。在真实数据集上的实验结果表明,基于图嵌入模型的协同过滤算法的性能优于传统的协同过滤算法。

基于改进孪生网络的无人机遥感目标跟踪

为了实现无人机(Unmanned aerial vehicle,UAV)视频中遥感目标的精确跟踪,对传统基于孪生网络的跟踪架构进行了改进。使用改进的ResNet-50作为骨干网络,实现模板和搜索区域进行深度特征提取,以提升骨干网络对于深度特征的提取能力,将孪生骨干网络所提取的特征通过深度互相关操作进行融合。为了抑制低质量预测边界框的生成,本研究在预测头部网络中聚合了一个质量评估分支。对于深度互相关操作得到的特征响应图,直接以无锚框的方式在统一的全卷积网络中预测目标的位置以及纵横比。UAV123数据集上的试验结果表明,相较于传统算法,所设计的跟踪算法在精确度曲线和成功率曲线的得分分别提升了2.2%和4.7%,能够很好地处理快速运动、光照变化以及尺度变化等情况。

起重机械安装改造维修问题及处理措施

近年来,特种设备的使用频率和广度都达到了一个前所未有的阶段。作为特种设备的重要类型之一,起重机械在推动社会进步和工业发展发挥着至关重要的作用。然而,在起重机械安装改造与维修中往往会出现一些问题,为了保证设备运行安全,必须采取切实可行的措施予以处理。