摘要：随着互联网用户数量迅猛增长,产生了大量用户生成内容,出现了信息过载现象.考虑用户生成数据,建立用户兴趣偏好模型,同时联合交互式进化计算,提出用户行为驱动偏好代理模型辅助的交互式个性化进化搜索算法,帮助用户从海量搜索空间中搜寻符合用户潜在需求和兴趣偏好的项目或内容.利用用户交互行为、评分数据和项目类别信息,构建基于受限玻尔兹曼机的用户偏好感知模型,抽取用户偏好特征;从进化优化的角度,设计基于用户偏好的代理模型及其进化策略,生成含用户偏好的新个体,并预测进化个体适应值,引导进化优化过程;根据新增用户生成内容和模型管理机制,动态更新各模型,及时跟踪用户偏好,顺利完成个性化进化搜索.通过大量真实世界数据集的实验,验证了所提算法处理动态个性化搜索和推荐任务的可行性及有效性.

摘要：面向用户生成内容(User generated content,UGC)的进化搜索在大数据及个性化服务领域已引起广泛关注,其关键在于基于多源异构用户生成内容构建用户认知偏好模型,进而设计高效的进化搜索机制.针对此,提出融合注意力机制(Attention mechanism,AM)的受限玻尔兹曼机(Restricted Boltzmann machine,RBM)偏好认知代理模型构建机制,并应用于交互式分布估计算法(Interactive estimation of distribution algorithm,IEDA),设计含用户生成内容的个性化进化搜索策略.基于用户群体提供的文本评论,以及搜索物品的类别文本,构建无监督受限玻尔兹曼机模型提取广义特征;设计注意力机制,融合广义特征,获取对用户认知偏好高度相关特征的集成;利用该特征再次训练受限玻尔兹曼机,实现对用户偏好认知代理模型的构建;根据用户偏好认知代理模型,给出交互式分布估计算法概率更新模型以及物品适应度评价函数,实现物品个性化进化搜索.算法在亚马逊个性化搜索实例的应用验证了用户认知偏好模型的可靠性,以及个性化进化搜索的有效性.

摘要：针对移动APP广告转化率预估特征维度高而稀疏、特征间高度交互使得转化率精准预估面临挑战等问题,提出一种融合场感知分解机(field-aware factorized machine,FFM)和深度卷积神经网络的改进Wide&Deep模型,以有效获取高维度稀疏特征的低阶和高阶交互关系,实现特征自动高效组合,提高移动APP广告转化率预估精度。在给出算法框架的基础上,针对稀疏数据的嵌入,提出了基于宽度模块FFM挖掘低阶特征交互关系的特征组合算法,然后,根据FFM所提取隐含特征向量,进一步给出了基于深度模块多层卷积神经网络提取高阶交互关系的特征提取策略,最后,将宽度和深度模块分别获取的特征组合用于转化率预估。所提算法在腾讯移动APP广告转化率预估中的应用表明了该方法在提高预估精度上的有效性。

摘要：针对基于用户行为特征的转化率预估在计算广告领域的应用中尚未充分提取和利用用户多种行为模式的动态演化特性等问题,考虑用户兴趣模型和行为模型的动态演化性,提出一种融合注意力机制的深度学习策略,获取用户行为动态演化特征,进而构建基于用户行为特征的转化率预估模型.首先,构建基于门控循环单元(gated recurrent unit,GRU)和注意力机制的用户单个行为序列模型,将提取出的用户行为嵌入表示作为用户行为的动态变化特征;然后,利用自注意力对用户的多行为动态演化进行建模;最后,融合所提取的用户多行为序列向量作为用户的行为特征,构建移动APP广告转化率预估模型.实验结果表明所提取的用户行为序列特征可有效改善转化率预估效果.

摘要：本文提出了一种基于DCT域的自适应图像数字水印盲检测算法,将二值图像作为有 意义水印信号间接地嵌入到原始图像中。该算法设计了一个基于HVS的分类器,根据块分类结果, 将不同强度的水印信息嵌入到图像子块的DCT域次低频系数中去,增强了算法的鲁棒性;同时提取 水印时实现了盲检测,拓宽了数字水印技术的应用范围。

摘要：针对模拟电子技术课程教学中存在的不足,提出了将现代信息技术与理论教学、实验操作和工程实践有机结合的一系列教学改革措施。树立以学生为本的教学理念,构建课程教学体系,确定教学目标,对课程内容进行系统优化;以现代信息技术为手段建立开放式网络教学平台,加大教学资源信息化和网络化的建设及应用,注重学生的学习过程和综合能力培养;尝试采用综合测评考核方法培养学生自主学习和科学实践的能力。实践表明,改革措施有效激发了学生的学习兴趣,培养了学生的创新意识,提高了学生的工程实践能力。

摘要：从乡村吉祥物存在的现实问题入手,运用案例分析和归纳总结的方法,分析吉祥物对乡村旅游、乡村产品销售推广起到的积极作用,并以北京市大兴区龙头村为个例分析并设计当地吉祥物“龙小宝”,提高当地品牌形象,从而带动乡村的振兴和发展,为乡村吉祥物的设计提供参考。

摘要：海洋环境中存在的多径效应会影响水声通信信号的特征,降低调制识别准确率.为了减小多径效应对信号调制识别造成的干扰,本文提出了一种基于被动时间反转-自编码器的信号增强方法.利用水声通信信号中常见的同步信号作为探测信号,实现无外加信号的被动时间反转以及功率谱和平方谱两种频域特征的增强,并设计了卷积神经网络进行调制识别.网络模型经过Bellhop仿真水声信道和少量非测试环境的实测数据进行训练后,在3种与训练环境不同的实际水声信道下测试,所有调制信号识别准确率均高于80%,6种调制信号的平均识别准确率与已有文献中的方法相比至少提高了20个百分点.

摘要：文章针对全平衡垂直提升式升船机提出几种交流调速控制方案 ,讨论比较各方案的优劣 ,并以三峡升船机物理模型为基础进行了试验研究验证 ,以供原型机设计参考 。