摘要：推荐算法在一定程度上解决了信息过载问题,但传统推荐模型在挖掘数据特性方面有待改进。为此,结合强化学习方法提出一种融合序列模式评分的策略梯度推荐算法。将推荐过程建模为马尔可夫决策过程;分析推荐基础数据特性模式,设计以序列模式评分为奖励的反馈函数,在算法的每一次迭代过程中学习;通过对累积奖励设计标准化操作来降低策略梯度的方差。将该方法应用到电影推荐中进行验证,结果表明所提方法具有较好的推荐准确性。

摘要：以重载油轴承和水润滑轴承为背景研究瓦面变形的区域性和润滑计算方法,对变形区用双间隙函数来表征,相应变形和润滑算法与无变形函数假设下的结果基本一致。针对热粘弹算法复杂、工程应用困难的问题,提出并构造了一种计入瓦块变形的轴承双间隙表征方法,该方法依据瓦体变形大小将轴承间隙划分为变形区和非变形区的两段圆弧,并以最小膜厚为等效目标构造轴承的等效双间隙,进而达到运用经典润滑理论及成熟计算方法解决重载轴承瓦体变形与润滑的耦合设计问题的目的。以某大型(直径800mm)重载(135t)轴承为案例进行多方法计算结果对比分析,表明双间隙协调法较一般流体润滑模型最小油膜厚度和最大油膜压力的计算精度大为提高。由于双间隙方法有效建立了瓦体变形-间隙-膜厚的映射关系,进一步探讨了通过控制瓦体变形来控制轴承间隙和膜厚的问题,为重载轴承、水润滑轴承优化设计和承载能力提升提供了新的思路。

摘要：轴承流态有单一流态和层紊流共存2种流态处理方式,相应算法结果有差别,对于重载和低黏介质的液膜这种差别较大。以重载油轴承和水润滑轴承为例,研究流态的区域性和计算方法。基于流态局域观点研究局部稳定性并探索算法构造,该算法不采用传统雷诺数概念和准则,而是寻求含服役状态参数的广义雷诺判据。基于该观点和相应算法,得到重载和低黏介质下的典型区域特征,即最小膜厚为中心的某一区域为层流区,其余为紊流区;所构造算法及含服役状态参数的广义雷诺判据中的待定参数可由现有模型估算或通过新实验获取,该判据的退化形式即为雷诺数判据;以某核电重载轴承为例,对全层流、全紊流、区域性流态三种模型下的性能数据进行特征分析,从数据特征角度对区域性思想及算法进行验证。