摘要：多行为推荐系统旨在利用用户多种行为的交互数据来提升系统的推荐性能.现有的多行为推荐方法通常将多行为数据直接作用于共享的初始化用户表征上,并在任务中糅合了对用户偏好的挖掘和对不同行为间联系的建模.然而,这些算法忽视了不同交互行为中存在的数据不平衡问题(不同行为交互数据量差别较大)以及适配上述两种任务而引起的信息损失问题.事实上,用户偏好是指用户在不同行为中表现出来的喜好(例如,浏览的喜好),而各行为间的联系表现为用户偏好在不同行为间潜在的转化关系(例如,浏览转换为购买).在多行为推荐中,对用户偏好的挖掘和对行为间联系的建模可以看作两个阶段的任务.基于上述讨论,提出基于两阶段学习的多行为推荐.两阶段策略设计的优势是解耦了前述两种任务.两阶段策略采取固定参数交替训练的方式实现,并同时保留了模型端到端的结构.(1)第1阶段专注于不同行为下的用户偏好建模:先利用所有交互数据(不区分行为类别)对用户的全局喜好进行建模,以最大程度缓解数据稀疏性问题,再分别利用各行为的交互数据细化该特定行为下的用户偏好(局部偏好),以减轻不同行为之间的数据不平衡问题造成的影响.(2)第2阶段专注于对不同行为间联系的建模,通过解耦对用户偏好的挖掘和对不同行为间联系的建模,以缓解因适配两种任务而引起的信息损失问题.这种两阶段模式能够显著提升系统对目标行为的预测能力.大量实验结果表明,所提模型在性能上远优于最先进的基线模型,在Tmall和Beibei两个真实基准数据集上的性能提升平均可以达到103.01%和33.87%.

摘要：近年来,RGB-D显著性检测方法凭借深度图中丰富的几何结构和空间位置信息,取得了比RGB显著性检测模型更好的性能,受到学术界的高度关注.然而,现有的RGB-D检测模型仍面临着持续提升检测性能的需求.最近兴起的Transformer擅长建模全局信息,而卷积神经网络(CNN)擅长提取局部细节.因此,如何有效结合CNN和Transformer两者的优势,挖掘全局和局部信息,将有助于提升显著性目标检测的精度.为此,提出一种基于跨模态交互融合与全局感知的RGB-D显著性目标检测方法,通过将Transformer网络嵌入U-Net中,从而将全局注意力机制与局部卷积结合在一起,能够更好地对特征进行提取.首先借助U-Net编码-解码结构,高效地提取多层次互补特征并逐级解码生成显著特征图.然后,使用Transformer模块学习高级特征间的全局依赖关系增强特征表示,并针对输入采用渐进上采样融合策略以减少噪声信息的引入.其次,为了减轻低质量深度图带来的负面影响,设计一个跨模态交互融合模块以实现跨模态特征融合.最后,5个基准数据集上的实验结果表明,所提算法与其他最新的算法相比具有显著优势.

摘要：“数列”是人教B版高中《数学》选择性必修第三册第五章的内容,属于函数主题,即数列是一类特殊的函数.其实从解析式的角度看,函数也是一种或多种运算,所以不管是从函数视角,建立数列的项与序号之间的函数关系(通项公式),还是从运算的视角——通过运算寻找数列相邻若干项之间的等量关系(递推关系),运算都是数列的核心,应把运算作为数列教学的大概念和主线,具体表现为通过运算发现一列数存在规律,通过运算深入挖掘规律如等差数列和等比数列的通项公式和前n项和公式的性质,通过运算把有关数列化归为两个基本数列等等。

摘要：受光照强度变化影响,同一车辆在不同时段采集的车脸图像可能会存在差异,如车身颜色、车灯状态等,为了使识别方法对多种光照条件具有普适性,提出了一种孪生非负矩阵分解模型。首先,将每一对训练样本车脸图像的初始特征分配在两个非负矩阵分解模型中;然后,融合分解后的误差损失,类内损失,类间损失,设计了一种孪生非负矩阵分解模型,其中,两个非负矩阵分解模型共享同一特征基;最后,基于梯度下降法对模型进行求解,获得共享特征基,并基于余弦距离实现了车脸图像的匹配。实验结果表明,对于存在一定光照差异条件下采集的两幅车脸图像,提出的算法仍能获得较为准确的重识别结果,错误接受率与错误拒绝率均可降低至6%以下。

摘要：对于估计、滤波和控制等问题,多模型方法提供了一种非常优越的解决方案.设计优良的模型集合是应用多模型方法的首要问题.本文提出了一种基于概率分布代表点的模型集合设计方法.在已知系统模式的概率分布条件下,由数论方法获得代表其概率分布的F-偏差或伪F-偏差代表点和均方差代表点,利用这些代表点构成覆盖系统模式空间的模型集合.文中给出了一维和二维模型集合的具体设计.仿真结果说明了所设计的模型集合的性能.

摘要：针对第四方物流(4PL)承担多个供需点对之间物流配送任务的情况,考虑实际中第三方物流(3PL)运输供应商具有多种运输方式,研究多种运输方式的4PL多到多网络设计问题。建立问题的优化模型,在选择3PL运输供应商的同时确定运输方式,并在满足配送时间约束下最小化总的物流成本。根据问题模型,设计混合蛙跳算法(SFLA)对问题进行求解。最后,通过仿真实验来验证模型的合理性,并测试SFLA的性能。实验结果表明模型能够合理描述问题,并且SFLA能够对问题进行有效求解。

摘要：在第四方物流(4PL)承担多个供需点对之间物流任务的情况下,针对处理时间的不确定性,研究考虑正态分布处理时间的4PL多到多网络设计问题。建立了以最小化总物流成本为目标,带有随机配送时间约束的4PL多到多网络设计机会约束规划模型。根据问题特点,设计差分进化算法进行求解,并对其进行改进。最后,通过对不同规模的问题进行仿真实验来证明模型的合理性及算法的有效性。

摘要：二次函数问题是近几年来高考的压轴题,之所以获得命题者的青睐,这是因为一方面二次函数的基本内容与近现代数学的发展有密切联系,是学习高等数学极为重要的知识点;另一方面围绕二次函数能全面考查对函数性态的分析,以二次函数为载体把数(计算、证明)与形(图象)融合起来,把方程、不等式、绝对值等知识融合起来,围绕着二次问题,勾通了一元二次函数、一元二次不等式、一元二次方程问题的内在联系,很好的体现了数学学科的内在联系和知识综合运用,体现了在知识网络交汇点上设计试题的指导思想.

摘要：针对转弯机动目标跟踪,提出了一种两层交互多模型(IMM)跟踪算法.算法的内层多模型由当前统计模型和恒速模型构成,针对目标的速度方向角进行滤波,将获得的角速度估计值作为外层的中心角速度;外层多模型由转弯模型构成,其角速度集合由中心角速度和对称角速度(交互输出的加速度与速度的比值)组成.由于既准确估计了目标的角速度,又设计了合理的角速度集合,算法显著提高了转弯机动目标的跟踪精度.仿真实验验证了算法的有效性.

摘要：实际环境下第三方物流(3PL)网络会面临各种不确定的中断风险。为了使3PL系统能够安全、有效地运作,研究3PL弹复性网络设计问题模型和算法。建立带有弹复性约束的3PL网络设计优化模型,通过选择开设3PL物流中心和3PL仓库最小化总物流成本,同时使弹复性满足要求水平。根据问题模型的NP特性,设计和声搜索(HS)算法进行求解,并采用蒙特卡洛仿真方法估算网络的弹复性。最后,通过仿真实验来验证模型的合理性及HS算法的有效性,并分析弹复性对算法性能和网络设计结果的影响。仿真实验结果表明,HS算法能够对问题进行有效求解。