基于图模型和注意力模型的会话推荐方法

为解决基于循环神经网络(RNN)会话推荐方法的兴趣偏好表示不全面、不准确问题,提出基于图模型和注意力模型的会话推荐(SR‑GM‑AM)方法。首先,图模型利用全局图和会话图分别获取邻域信息和会话信息,并且利用图神经网络(GNN)提取项目图特征,项目图特征经过全局项目表示层和会话项目表示层得到全局级嵌入和会话级嵌入,两种级别嵌入结合生成图嵌入;然后,注意力模型使用软注意力进行图嵌入和反向位置嵌入融合,目标注意力激活目标项目相关性,注意力模型通过线性转换生成会话嵌入;最后,SR‑GM‑AM经过预测层,输出下次点击的N项推荐列表。在两个真实的公共电子商务数据集Yoochoose和Diginetica上对比了SR‑GM‑AM方法与基于无损边缘保留聚合和快捷图注意力的推荐(LESSR)方法,结果显示,SR‑GM‑AM方法的P@20最高达到了72.41%,MRR@20最高达到了35.34%,验证了SR‑GM‑AM的有效性。

基于遗传神经网络的边坡稳定性智能分析方法

分析了边坡稳定性的影响因素,建立边坡稳定性智能分析的系统模型.将遗传算法和人工神经网络相结合,并建立的遗传神经网络(GNN)具有较高的学习效率和较强的泛化能力.数值算例表明,GNN能有效地克服经典BP神经网络学习速度慢及泛化能力弱的缺点,基于GNN的边坡稳定性智能分析方法具有较高的分析准确率.图4,表2,参11.

梯度神经网络解线性矩阵方程之收敛性分析

为了求解线性矩阵方程问题,应用一种基于负梯度法的递归神经网络模型,并探讨了该递归神经网络实时求解线性矩阵方程的全局指数收敛问题。在讨论渐近收敛性基础上,进一步证明了该类神经网络在系数矩阵满足有解条件的情况下具有全局指数收敛性,在不能满足有解条件的情况下具有全局稳定性。计算机仿真结果证实了相关理论分析和该网络实时求解线性矩阵方程的有效性。

河南省GPS连续运行参考站网的设计

GPS连续运行参考站集高新技术于一身,它代表未来GPS发展方向。基于此,详细论述了现代河南和"数字河南"对GPS连续运行参考站的需求,介绍了河南省GPS连续运行参考站网建设目标、结构和功能,并介绍了其关键技术及基准站网子系统的设计。

基于QK-GMPHD的数目可变视频多目标跟踪方法

针对非线性系统模型多目标跟踪问题,提出了一种基于求积分卡尔曼-概率假设密度滤波器。利用高斯混合概率假设密度滤波器对后验多目标状态的一阶矩进行估计,并通过求积分卡尔曼递推更新得到目标状态,以实现对目标数目时变的多目标进行跟踪。求积分卡尔曼滤波器使用统计线性回归的方法,通过一系列高斯-厄米特积分点来线性化非线性函数,无需求解非线性系统函数的雅克比矩阵,降低了线性化误差。将本文算法与全局最近邻数据关联方法相结合,解决非线性系统数目可变视频多目标跟踪问题。冰球视频运动员跟踪结果表明,本文方法能够解决新目标出现、目标合并、目标分裂以及目标消失问题,实现数目可变视频多目标跟踪。

基于全局图和多粒度意图单元的会话推荐

现有基于图神经网络的会话推荐模型通过捕获项目复杂转换模式挖掘项目之间的潜在信息,但极少考虑跨会话信息及当前会话中的高层次信息,因此无法捕捉会话中复杂的依赖关系。针对该问题,建立基于全局图和多粒度意图单元的会话推荐模型。构造跨会话图,利用图注意力网络得到跨会话表示。在连续意图单元上,构建多粒度意图单元异构会话图,得到全局和局部表示。将跨会话、全局和局部表示进行融合,捕捉会话中项目之间的复杂依赖关系。在意图融合排序模块中,分析会话重复点击和探索行为,并聚合所有级别的意图单元进一步提高模型推荐性能。在Diginetica和Tmall数据集上的实验结果表明,所提模型在平均倒数排名和精确度指标上相比于最优基线模型提高了2.12%和1.27%,具有较好的推荐性能。