基于机器学习算法的在线推荐系统设计与性能优化研究

传统运营方式已经难以应对日益复杂的业务场景。特别是电商领域,采用个性化推荐系统对于改善用户体验、促进商品销售、提高广告点击率具有重要意义。文章以电商场景为例,设计了基于机器学习算法的在线推荐系统,并对该系统进行了性能优化。

面向Android系统安全的在线学习算法研究

目前,移动终端使用过程中存在诸多安全隐患,影响着整个系统的安全。因此,在面向Android移动终端基础上,研究一种新的入侵检测算法显得尤为重要。首先,通过Android平台,收集移动终端内核信息,并进行及时有效的预处理,借助快速核密度,正确估计Fast Kernel Density Estimation(Fast KDE)算法压缩收集到的大规模样本,从而得到数量合理的训练样本,为后面工作打下基础。然后,以在线增量学习算法为基础,通过支持向量机算法判别经过处理的相关数据,从而识别出入侵数据。最后,通过试验以及相关的数据分析,得出该方法有利于缩减训练时间,使检测性能达到最佳效果,可扩展性较好,且具有较好的自我提升能力。

基于Android的任务驱动式在线课程学习系统设计与实现

分析了任务驱动和在线课程这两个关键词,归纳了任务驱动式在线课程的基本特点,总结了任务驱动式在线课程的一般设计方法,提出了一种基于Android的任务驱动式在线课程学习系统从设计到实现的完整解决方案。

基于Android的在线学习系统的设计与实现

文章设计了一种基于Android的在线学习系统,该系统可以在Android移动设备平台上运行,譬如Android手机、Android学习机、Android平板电脑等,系统设置学科内容在线下载、师生线上互动功能,通过在线学习系统,学生可以随时随地地进行学科选择性学习,也可以通过师生互动平台提出疑问,得到教师的解答,便于学生第一时间掌握知识要点。

基于在线学习误差反传算法的仿真伺服系统设计

针对无人机(UAV)仿真伺服系统的驱动模型,提出了一种将误差反传算法用于UAV仿真伺服系统在线学习设计的新方案。在该算法中采用了BP神经网络的基本思想,设计了两输入、单隐层、两输出在线学习策略,输入层分别为给定指令信号和反馈数字解算后的位置信号;隐含层单元数为12 个;输出层设为2 个输出单元,即经在线学习误差反传算法学习训练后的数字位置和速度,其中位置控制器采用自调节比例积分微分(PID)控制,速度通过数字/模拟(D/A)转换后传送到速度控制器,设定精度误差指标为0.05,训练样本数为30。用研制的UAV仿真伺服系统对UAV光纤陀螺传感器进行含实物半物理实时仿真实验,结果表明,该在线学习误差反传算法控制方案的UAV仿真伺服系统具有收敛性好、动态响应快、鲁棒性强的特点。

一种FIR神经网络的在线学习算法在系统辨识中的应用

通过在指标函数中增加遗忘因子,提出一种FIR神经网络的在线学习算法.该算法具有随训练的样本进度即时更新权值的在线训练能力,与同类方法相比,因没有复杂的矩阵计算,使计算时间大大减少.编制了算法程序,对真实的六机架热连轧机试验数据进行了辨识,所耗用的计算时间远远小于实际数据的采样时间,验证了该算法的在线辨识能力.

在线课程推荐系统设计与实现

为提高学习者在线学习的效率,本文通过构建课程结构模型,改进已有的协同过滤推荐算法,为在线学习平台设计和实现了一个推荐系统。实践表明,该推荐系统不仅符合学习者的兴趣,还考虑了学习者现有的知识体系,符合学习进程。

面向在线学习的个性化学习资源推荐系统设计

为了解决在线学习资源数量庞大,学生无法快速从中选择适合自己的学习资源的问题,使学生高效、快速的获取合适的学习资源,本文建立了个性化学习资源推荐系统。系统采用基于用户的协同过滤推荐算法进行个性化学习资源的推荐。针对算法中可能出现的评分稀疏和“冷启动”问题,对使用者信息获取方式进行了优化,采用隐性评分的方式进行学习资源的评分。对于新注册的使用者,系统采用内容过滤算法进行学习资源的推荐。采用F-measure和平均绝对误差作为评价指标进行了性能验证试验。试验结果表明:系统的个性化学习资源推荐效果较好。

基于遗传算法的个性化在线学习系统模型研究

针对个性化在线学习系统的推荐速度问题,考虑将云计算应用于该系统中,利用云计算中分布式运算技术的强大计算能力,实现系统推荐实时性;同时,结合用户的兴趣特点和需求,基于遗传算法的个性化在线学习系统(GA-Based POLS),利用遗传算法的自适应性强、搜索效率高、全局优化等特点对课程资源进行自动搜索,从而向学习者推荐适用和感兴趣的学习内容,并以此提出具有推荐功能的系统模型.

一种基于互相关函数的神经网络在线解耦学习算法

在分散解耦的系统框架上提出了基于MIMO过程互相关函数的神经网络解耦器在线学习算法。该算法定义了一组MIMO过程的互相关函数作为神经网络解耦器的指标函数,采用混合遗传算法在线训练神经网络。结合强耦合的非线性系统的仿真结果表明该算法的有效性。

基于Android平台的交互式英语语法学习系统的研究

随着移动互联网的到来,信息化技术出现在人们的工作、学习、出行、娱乐各个方面,改变着人们的生活方式和学习途径,所以教育资源的信息化成为显然的趋势。本文依据Android移动学习平台的特点,基于Android平台设计出一款英语语法交互式学习软件,该学习软件基于在线学习算法结合交互式系统,开发出来的语法学习软件、结合c-svc和v-svc进行数据分析,阐明基于Android开发过程中的主要算法思想,用来完善和促进英语语法的学习。最后是对该算法提出的交互式系统的实现,结果显示该系统搜索准确,内容全面,有利于英语语法的学习,有很强的实用性。

同步推送系统模糊控制的在线学习

为了解决气冲造型线普遍存在的推送系统推送和缓冲严重不同步的问题 ,提出了一种基于遗传算法和模拟退火算法的模糊控制策略 (GASAF) .用这种算法对模糊规则进行优化时 ,不仅速度快 ,还可避免算法的早熟收敛 .根据实际运行系统参数时变的特点 ,用自行设计的“判别器”对将要进入模糊推理机的模糊规则进行在线学习和测试 ,以保证用于实时控制的规则的优良性 .现场试运行结果表明 :这种控制器可使推送系统的位置跟踪精度达到 0 2 % 。

Android移动学习系统设计探讨

Android具有开源性特点,Android系统已经成为了当前移动终端设备的重要操作系统。本文基于Android系统设计了移动学习系统,利用手机、学习机和平板电脑等为载体,将所需学科内容及师生线上互动功能在线下载到载体。学生可以通过手机、平板电脑等随时地选择一些学科学习,对于学科学习中遇到的难题,可通过师生互动平台向老师请教,得到解答。

网上在线学习系统的设计与实现

目前,随着互联网的普及和远程教育的发展,网上学习这种网络化的学习方式已经越来越多地被广大学习者所接受,成为高等教育改革的重要内容之一。网上学习系统能否提供个性化的学习服务将直接影响学习者学习的积极性和主动性。把Web数据挖掘技术应用到网上学习系统中,开发出能够提供个性化学习服务的系统越来越多的受到行业专家及开发者的关注。

基于量子进化在线序贯极限学习机的变桨系统故障检测

针对复杂工况下风电机组变桨系统故障检测问题,采用在线序贯极限学习机建立变桨系统状态监测模型,利用ReliefF算法进行模型的特征选择,通过量子进化算法优化在线序贯极限学习机的超参数集,并引入马氏距离函数计算变桨系统状态监测模型的残差,判断风电机组变桨系统的异常。以辽宁某风电场1.5 MW双馈风电机组变桨系统为例,将所提出的模型分别与粒子群优化极限学习机、粒子群优化支持向量机、随机权神经网络、极限学习机和反向传播神经网络模型进行对比,结果表明所提出的模型精度优于其他模型,所提方法的故障检测正确率高于3σ阈值法和核主成分分析方法。

一种用手实时过程的神经网络在线自学习逆控制算法

本文探讨了神经网络控制应用于实时过程的实现问题,提出一种网络训练与控制分离并行的算法。该算法在对过程的逆模型进行实时在线自学习的同时,对过程实施逆控制,实现对复杂对象的自学习、自适应控制功能。文中还给出了一个计算机仿真实例的结果。

基于Android的中小学信息技术学习系统设计与实现

面向中小学信息技术课程,设计并实现了一款基于Android和PHP的自动化学习系统。学生利用Android智能手机可完成知识学习、家庭作业、单元习题测试以及Python程序自动评价并反馈等。通过系统的使用,提高了师生的工作、学习效率和质量,尤其编程自动评价和反馈的实现,大大减轻了教师批阅学生程序的负担。

基于深度学习策略的算法设计分析类课程线上线下混合教学设计

针对程序设计类课程中遇到的问题,提出基于深度学习策略的算法设计分析类课程线上线下混合教学模式,研究面向算法设计分析类课程的基于在线评测系统的深度学习模式的设计与实践,主要包括线上线下混合教学模式下课堂教学的组织、试题库的设计以及在线评测教学平台的实现。

LM算法的回热系统故障诊断人工神经网络模型

对火电厂回热系统的故障进行分析 ,提出了基于Levenberg Marquardt神经网络算法的回热系统故障诊断模型 ,其算法是梯度法与高斯牛顿法的结合。仿真结果表明 ,该模型显著缩短了训练时间 ,降低了跟踪误差 ,具有很高的准确性 ,优于常规BP神经网络算法模型 。

基于在线学习RBF神经网络的故障预报

提出了一种基于在线学习神经网络的故障预报方法。该方法在网络设计过程中结合了“添加”准则和基于对网络输出贡献相对较小的“剪枝”准则。“添加”过程中利用隐层的最大输出判断神经元的活跃性;“剪枝”过程中加入了滑动窗口,避免了误“剪枝”。同时,调整过程只对输出响应比较大的神经元进行,大大减少了计算量,提高了实时性。仿真结果表明,利用该算法能够对一类带时变参数的非线性系统进行故障预报。