基于门控循环单元神经网络的广告点击率预估

为提高在线广告的投放效果,改善用户广告体验度,增加广告收益,提出了一种基于门控循环单元神经网络模型的广告点击率预估方法。该方法结合了门控循环单元网络特有的门控单元结构和广告数据时序性特点,利用按时间反向传播算法训练网络模型;提出一种门控循环单元神经网络训练步长改进算法,使得训练时间更少,模型更加精确。实验表明,与逻辑斯特回归、随机森林、朴素贝叶斯和循环神经网络模型相比,提出的方法在广告点击率预估的概率上更准确,有助于广告主、媒体和目标受众用户三方博弈,实现共赢。

基于递归神经网络的桥梁变形趋势预测研究

随着物联网的应用普及,桥梁的安全监测逐步向全自动、全天候、实时、高精度方向发展,但这些监测手段仅能对现有桥梁安全问题进行监测预警,无法提前预测其安全隐患,使桥梁养护止步于"管"和"控",而无法实现"防"。鉴于此,文中利用递归神经网络的循环连接特性建立桥梁健康状况评估模型,结合工程实例进行应用分析,结果表明递归神经网络在桥梁变形趋势预测、隐患发掘及健康状况评估方面具有较大优势。