基于深度置信网络的广告点击率预估的优化

随着互联网广告的飞速发展,如何预测目标用户对互联网广告的点击率（click-through rate,简称CTR）,成为精确广告推荐投放的关键技术,并成为计算广告领域的研究热点和深度神经网络的应用热点.为了提高广告点击率预估的精确度,提出了基于深度置信网络的广告点击率预估模型,并通过基于Kaggle数据挖掘平台数据集的1 000万条随机数据的实验,研究不同的隐藏层层数和隐含节点数目对预测结果的影响.为了解决深度置信网络在数据规模较大的工业界解决方案中的训练效率问题,通过实验证明：广告点击率预估中,深度置信网络的损失函数存在大量的驻点,并且这些驻点对网络训练效率有极大的影响.为了提高模型效率,从发掘网络损失函数特性入手,进一步提出了基于随机梯度下降算法和改进型粒子群算法的融合算法,以优化网络训练.融合算法在迭代步长小于阈值时可以跳出驻点平面,继续正常迭代.实验结果表明,与传统的基于梯度提升决策树和逻辑回归的广告点击率预估模型以及模糊深度神经网络模型相比,基于深度置信网络的预估模型具有更好的预估精度,在均方误差、曲线下面积和对数损失函数指标上分别提升2.39%,9.70%,2.46%和1.24%,7.61%,1.30%;使用融合方法训练深度置信网络,训练效率提高30%~70%.     

五位一体的软件产业拔尖创新人才培养模式

围绕软件产业拔尖创新人才培养目标,针对传统科技创新创业活动中"系统性建设、信仰缺失、产教研用协同、普遍性覆盖"四大问题,提出构建"五位一体"的拔尖创新人才培养模式,阐释"企业为主体,市场为导向,产学研用相结合"的价值理念,说明如何建设"育人保障体系、组织管理体系、人才培养体系、产教研用体系、质量监督改进体系"5个体系,并总结成果。     

多要素多目标武器装备协同规划系统

未来战争形态将因信息化技术的迅猛发展而面临巨大变革,联合作战将成为主要形式。联合作战中武器装备协同规划需要根据战场态势实时协同规划以达成最优或次最优的武器装备调度方案与路径规划方案。然而传统算法存在计算资源消耗大、实现全局最优解难、无法适应动态环境等缺点。针对上述问题,提出了基于SAC的武器装备调度算法和基于注意力机制的全局路径规划算法,利用注意力机制的特征拟合能力、神经网络端到端输出能力和强化学习对环境的适应能力,解决了传统算法规划效率低、局部最优陷阱和适应性差的缺点,形成了一整套武器装备协同规划决策系统。最终实验结果表明,该武器装备协同算法在规划效果和规划效率方面都优于传统算法,具有实际应用价值。