融合交互注意力和参数自适应的商品会话推荐

在电商场景中,用户面对繁杂的商品时往往难以快速检索到所需商品,而基于会话的商品推荐能通过学习用户短期兴趣从而为其推荐可能感兴趣的商品,因此基于会话的推荐研究具有显著的理论和应用研究价值。已有的会话推荐算法大多关注于利用全局图中的信息来增强会话图中的表征学习,而忽略了会话图和全局图上物品表征之间的交互关系。该文提出一种通过交互注意力和改进参数自适应策略增强的图神经网络商品会话推荐模型。交互注意层通过提取强相关信息来修正全局图和会话图中的商品表示,而参数自适应层则通过改进参数自适应策略动态权重调整以获得物品的最终表示进而用于预测。实验结果表明,该文所提出的模型在Tmall数据集上显著优于对比模型。

变风量末端装置的基于IPSA-DE算法室温PI~λD~μ-送风量PI串级控制器的数值仿真

目前,空调房间配用的变风量末端装置(Variable Air Volume Terminal,VAV-TMN)往往采用整数阶PID-P串级调节方式,这带来了室温控制误差和超调量较大以及调节时间较长等问题。鉴于此,提出了空调VAV-TMN的室温分数阶PID-送风量PI的串级调节器设计方法。首先,综合分析空调工艺和自动控制的相关要求,对室内温度对象、温度和风量测量变送单元、送风量执行单元分别进行建模,确定主控制器为室温分数阶PID控制器(Indoor Temperature Fractional Order Proportional Integral Derivative Controller,IT-FOPIDC)和副控制器为送风量PI控制器(Sending Air Volume Proportional Integral Controller,SAV-PIC)的控制策略。其次,基于改进的自适应差分进化(Improved Parameter Self-adaptive Differential Evolution,IPSA-DE)算法来分别整定出IT-FOPIDC和SAV-PIC的控制参数最佳值。最后,借助MATLAB/Simulink工具,对该空调VAV-TMN的室温PIλDμ-送风量PI串级调节系统进行组态和数值模拟相应的控制效果。结果表明,该串级控制系统在理论上是可行的,且室温的控制效果明显优于基于Ziegler-Nichols整定法和DE算法的整数阶室温PID-送风量PI串级调节系统。