首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  免费   2篇
电工技术   1篇
自动化技术   1篇
  2022年   1篇
  2021年   1篇
排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
针对传统的载荷标定方程计算机翼蒙皮载荷精度低的问题,提出了一种基于深度学习的机翼蒙皮载荷计算新方法。考虑真实机翼蒙皮受力复杂,首先建立了机翼蒙皮试验件模型,使用Ansys仿真软件对试验件进行有限元分析,获得应变与载荷仿真数据,并对仿真数据进行数据清洗与预处理;其次,构建深度神经网络模型,将应变与载荷作为神经网络模型的输入与输出值,采用Adam算法优化提出的载荷计算模型;最后,在测试集上对载荷值进行预测,使用平均相对误差与绝对值差作为评价指标。实验结果显示,基于深度学习的载荷计算方法在小载荷数据上平均绝对误差为0.081 N,在正常载荷数据上的平均相对误差为0.063 8%;与传统载荷计算方法比较,本文提出的新方法计算的载荷精度明显优于传统方法。  相似文献   
2.
推荐系统旨在为用户提供个性化匹配服务,从而有效缓解大数据时代的信息过载问题,并且改善用户体验,增加用户粘性,极大地促进了电子商务等领域的发展。然而,在实际应用场景中,由于数据稀疏和冷启动问题的存在,推荐系统往往难以得到精准的推荐结果;而复杂的模型设计也导致推荐系统的可解释性不尽如人意。因此,如何充分利用交互、属性、以及各种辅助信息提升推荐的性能和可解释性是推荐系统的核心问题。另一方面,异质信息网络作为一种全面地建模复杂系统中丰富的结构和语义信息的方法,在融合多源信息、捕捉结构语义等方面具有显著优势,已经被成功应用于相似性度量、节点聚类、链接预测、排序等各种数据挖掘任务中。近年来,采用异质信息网络统一建模推荐系统中不同类型对象的复杂交互行为、丰富的用户和商品属性以及各种各样的辅助信息,不仅有效地缓解了推荐系统的数据稀疏和冷启动问题,而且具有较好的可解释性,并因此得到了广泛关注与应用。本文旨在对基于异质信息网络的推荐系统进行全面地综述,首次系统地梳理现有工作,弥补该领域缺乏综述的空白。具体而言,本文首先介绍了异质信息网络和推荐系统的核心概念和背景知识,简要回顾了异质信息网络和推荐系统的研究现状,并且阐述了将推荐系统建模为异质信息网络的一般步骤。然后,本文根据模型原理的不同将现有方法分为三类,分别是基于相似性度量的方法、基于矩阵分解的方法和基于图表示学习的方法,并对每类方法的代表性工作进行了全面的介绍,指出了每类方法的优缺点和不同方法之间的发展脉络与内在关系。最后,本文讨论了现有方法存在的问题,并展望了该领域未来的几个潜在的研究方向。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号