摘要：在分析当前卷积神经网络模型特征提取过程中存在问题的基础上,提出了基于Dropout与ADAM优化器的改进卷积神经网络算法（MCNN-DA）.设计了二次卷积神经网络结构,通过引入基于Re LU的激活函数以避免梯度消失问题,提高收敛速度;通过在全连接层和输出层之间加入Dropout层解决过拟合问题,并设计了ADAM优化器的最小化交叉熵.以MNIST和HCL2000数据集为测试数据,测试分析了ADAM优化器的不同学习率对算法性能的影响,得出当学习率处于0.04~0.08时,算法具有较好的识别性能.与三种算法的实验比较结果表明：本文算法的平均识别率最高可达99.21%;对于HCL2000测试集,本文算法的平均识别率比基于支持向量机优化的极速学习机算法提高了3.98%.

摘要：为了解决传统感性工学主观性过强、实时性差、数据少等问题,提出一种产品在线评论数据驱动的感性工学方法。以某电子商务平台智能手机在线评论为数据源,提出词频与评估、强度、活动3个维度相结合的TFEPA方法,并使用该方法提取在线评论中的感性词;为获得更合理的感性评价,采用面向在线评论的词聚类结合程度副词的方法计算感性评价值,再从认知心理学的角度,结合产品属性参数与用户感性意象,构建了基于BP神经网络的非线性映射模型,用于模拟用户心理评估机制。最后,评估了模型的泛化能力,验证了所提方法的可行性与有效性。

摘要：研究分析了模拟退火算法(SA)的缺陷,采用分等级搜索机制,提出了可持续模拟退火算法(HFCSA)后,针对HFCSA算法编码受限问题,引入遗传编程的思想和编码方式,提出一种基于遗传编程的可持续模拟退火算法—GP-HFCSA算法。该算法可以在开放式搜索空间中搜索,实现结构和参数的协同进化。在算法对比测试实验(8特征值问题)中,GP-HFCSA算法的设计结果优于参照算法,证明了GP-HFCSA算法具有良好的效率及自动设计能力,具有广泛的学术价值及应用前景。