基于深度学习的IPTV视频用户行为分析方法研究

IPTV视频业务的复杂性和多样性使其难以充分发挥运营商技术优势。借助深度神经网络DNN模型对IPTV视频用户进行用户行为分析。利用深度学习算法对用户点播视频活跃度实施精确分类,从而帮助IPTV服务提供商合理配置资源,同时为终端用户提供更高效优质的服务。实验结果表明,与现有的方法相比,该方法收敛快,分类准确率达93%。     

加速度对动态汽车衡称重结果的影响研究

动态汽车衡是高速公路收费站计量称重系统中的关键设备,通过受力分析,建立汽车通过动态汽车衡时的力学数学模型并与试验数据进行对比,研究加速度对动态汽车衡的称重结果影响,为动态汽车衡的优化提供参考。     

基于时序分析的人员在室预测模型及其参数优化

分析了人员在室的时序规律,提出了基于时序分析的人员在室预测模型及其参数优化方法。将体现人员在室规律的时刻信息与历史在室概率作为输入训练模型,实现了人员在室预测。以混淆矩阵、正确率与均方根误差(E)作为指标,提出了人员在室预测模型的检验方法。选取珠海市某办公楼内1间办公室累计1年的人员在室数据作为实测案例,验证了人员在室预测模型,结果表明,人员在室预测的综合正确率为89.4%,E为0.325 9。     

水体中微塑料的环境影响行为研究进展

微塑料是指一类广泛存在于环境中的粒径小于5mm的塑料颗粒的总称，当其存在于水体环境中，容易吸附其他污染物，影响它们的迁移行为，进而对生态效应产生影响。本文依据水体环境中微塑料的相关研究报道，对微塑料在水环境中的影响行为进行概述。主要从微塑料的物理、化学和生物特性在环境中的变化特性，微塑料与环境中其他污染物质的相互作用关系，以及微塑料及其复合污染体系对水生生物造成的生态效应影响等3个方面对微塑料的环境行为进行总结、归纳与阐述。最后，针对微塑料对水环境中的环境影响效应，提出了今后的研究方向与展望。     

TiZrCuNi钎料真空钎焊纯钛TA1接头界面的显微组织和钎料元素扩散行为

用Ti-37.5Zr-15Cu-10Ni钛基非晶钎料真空钎焊纯钛TA1后,研究了钎焊接头界面的显微组织和钎料元素扩散行为。结果表明:钎焊接头由钎焊缝、钎焊缝与母材界面区、细小针条状物扩散区、密集条片状物扩散区和粗大条片状物扩散区组成,对应的组织分别为β相、β相+细小条状α相、魏氏体、粗大魏氏体+(Ti,Zr)2(Cu,Ni)金属间化合物、α相+Ti2(Cu,Ni)+Ti Ni Fe金属间化合物;镍元素向钛基体中扩散的距离最长,铜元素的扩散距离居中,而锆元素的扩散距离最短;锆元素均能与α-Ti和β-Ti形成连续固溶体,但β相固溶锆原子的能力强于α相固溶锆原子的能力,铜元素和镍元素均主要固溶在β相中。     

[成形过程的数据挖掘与深度学习方法]基于机器学习的管材弯曲回弹有效预测与补偿

采用基于优化的误差反向传播(BP)神经网络的机器学习算法建模，提出了考虑材料参数、几何参数等多因素的弯管回弹精确预测和高效控制方法。该方法通过引入非线性惯性权重及遗传算法的杂交算子，改进了粒子群优化(PSO)算法，进而通过改进的PSO算法对BP神经网络进行优化，构建了基于改进的PSO-BP神经网络机器学习回弹预测和补偿模型。以多种规格的铝合金数控弯管构件为对象，将实际生产中不同规格、批次、成形参数下回弹数据作为训练样本，实现了所建机器学习预测模型的应用验证。所建模型获得的预测结果平均相对误差为6.3%，与未优化的BP神经网络等传统模型相比，预测精度最大提高了18.5%，计算时间可从1.5 h缩短至300 s，同时实现了回弹预测与补偿精度以及计算效率的显著提高。