某矮塔斜拉桥结构验算及动力特性分析

文章对(90+180+90) m有砟轨道预应力混凝土矮塔斜拉桥结构进行结构验算以及动力特性的分析。从施工各阶段到运营阶段,该桥承载力、变形以及截面验算均满足规范要求。通过"反应谱分析"和"时程分析"了解结构自振特性以及对地震的响应情况,计算得到了该桥的基频、各阶振型以及地震作用下各墩的内力和墩顶位移。为后续矮塔斜拉桥工程设计提供了计算依据。     

局部感知的类限制极限学习机

极限学习机(ELM)由于高效的训练方式被广泛应用于分类回归,然而不同的输入权值在很大程度上会影响其学习性能。为了进一步提高ELM的学习性能,针对ELM的输入权值进行了研究,充分利用图像局部感知的稀疏性,将局部感知的方法运用到基于自动编码器的ELM(ELM-AE)上,提出了局部感知的类限制极限学习机(RF-C₂ELM)。通过对MNIST数据集进行分类问题分析实验,实验结果表明,在具有相同隐层结点数的条件下,提出的方法能够获得更高的分类精度。     

氟塑料电镀铜

由于采用氟塑料作印刷线路低版材料,我们开展了聚四氟乙烯电镀铜的试验研究工作。通过实验室试验证明,用钠—萘络合剂浸蚀,再进行化学镀、电镀能获得均匀细致、外现良好的铜层,结合力等于或大于800克/厘米。经热冲击、耐蚀性、可焊性等试验证明,能达到原设计的技术要求。本文对聚四氟乙烯电镀的实验研究工作做一简单介     

基于反事实学习及混淆因子建模的文章个性化推荐

如今,互联网推荐系统已经成为了一个热门话题,自动化推荐极大程度上方便了人们的生活,帮助人们从海量的信息当中寻找到最感兴趣的关键信息.互联网上每时每刻都在产生新的文章信息,已有的信息是一个非常庞大的数据集合,这些被记录的大量数据能够帮助统计出用户偏好以及文章内容的受欢迎程度.目前互联网上有许多种类的推荐系统,他们综合考虑了用户特征,文章特征.基于互联网各大社交媒体上的数据,现有的用户个性化推荐系统通过构建特定的模型对用户进行精准推荐.目前,推荐算法主要通过监督学习与在线学习的方法进行构建,但这些方法进行个性化推荐的时候往往忽略了一个问题：历史记录当中的推荐策略往往是部分观测数据,具有分布不平衡的劣势,通过现有的历史记录不能保证算法能够得到无偏的推荐结果,也不能适应线上的环境以及推荐策略变化.本文提出了一种基于反事实学习并考虑系统当中混淆因子的文章个性化推荐.这种方法有更强的理论保证,并且在实验结果当中也显示了比现有方法更加好的算法表现.     

基于差分进化的中文情感分类集成算法研究

情感分类是一种从文本中提取情感倾向的文本分类任务。集成学习通过结合几个分类器,在情感分类任务上能够获得比个体分类器更好的分类效果。但是,由于个体分类器在数据集上的表现不同,个体分类器在集成方法中的权重难以确定。针对集成学习中个体分类器的权重优化问题,提出一种基于差分进化优化个体分类器权重的集成分类方法,并将其应用于中文情感分类。以分类准确率为适应度值,通过差分进化算法优化5种个体分类器的权重组合,在3个领域的评论语料集上进行实验。实验结果表明,与一般的集成方法相比,该方法在中文情感分类上有更好的分类效果。