基于改进注意力机制的自适应航迹预测方法

针对现有循环神经网络在解决目标航迹预测问题中容易存在训练过拟合、预测精度不高、泛化能力差以及适应性不强的问题,提出了一种基于改进注意力机制和门控循环单元(GRU)的目标航迹预测方法。该方法通过早停法来自动终止网络训练过程,防止训练过拟合;通过模型检查点函数保存网络训练中的最优网络参数;通过把注意力机制引入GRU网络中,对轨迹特征赋予不同的权重来聚焦重点航迹信息,提高网络的预测性能。最后,通过仿真实验证明,该方法能够有效提升循环神经网络的预测精度、泛化性及适应性。

基于卷积神经网络的漏液视觉检测

针对在工厂内设备结构复杂、杂物种类众多、地面磨损严重的现场环境下进行漏液检测时,传统图像处理方法准确率低的问题,本文提出一种基于CNN的漏液检测算法。通过对漏液检测问题进行分析,制作数据集,建立VGG16模型并结合早停算法训练样本,避免过拟合状态,实现了对复杂管道的漏液快速自动检测。在工业现场,该方法可以准确识别漏液并减小噪声干扰的影响。最终通过与多种图像处理方法作对比验证了本文算法的优越性。结果表明,该算法测试准确率可以达到99.44%,预测准确率达到97.0%,高于传统图像处理算法的准确率,且单张图片预测时间约0.2 s,满足工业现场的检测需求。

基于多层次特征交互的点击率预测模型

针对点击率预测模型xDeepFM对低阶特征信息利用不充分且训练参数过多问题,提出一种基于多层次特征交互的点击率预测模型。该模型在DNN与嵌入层之间引入二阶特征交互层,充分融合低阶与高阶特征,并通过二阶特征向量对位相乘的方式减少参数量,提升模型的特征组合能力;在输入特征的预处理过程中引入最大支持的维度参数,避免稀疏特征在独热编码映射时出现维度爆炸。结果表明,在Criteo和Avauz两个真实数据集上本文所提模型AUC指标比xDeepFM模型分别提高了0.007 8和0.004 3。