一种新型三自由度混联转台的尺度优化分析

提出一种新型三自由度混联转动平台机构,该转动平台相对于机架具有三个纯转动自由度,能够实现平台横摇、纵摇和回转运动;提出并联机构承载能力和驱动经济性两个优化指标,基于Adams环境获得设计变量对优化目标的影响;对于无法采用两个指标统一的设计变量,对其进行无量纲化、加权处理,采用多目标优化方法建立统一的目标函数;同样对回转装置的外轮廓进行优化,基于优化得到的并联机构尺寸,最终获得混联转台的关键结构尺寸。该新型三自由度混联转动平台承载能力高、回转范围大,在方位跟踪、运动模拟等领域具有广泛的应用。     

基于混合神经网络的文本分类方法

为更好解决卷积神经网络提取特征不充分,难以处理长文本结构信息和捕获句子语义关系等问题,提出一种融合CNN和自注意力Bi LSTM的并行神经网络模型TC-ABlstm。对传统的卷积神经网络进行改进,增强对文本局部特征的提取能力;设计结合注意力机制的双向长短期记忆神经网络模型来捕获文本上下文相关的全局特征;结合两个模型提取文本特征的优势,提高分类的准确性。在搜狗语料库和复旦大学中文语料库上的实验结果表明,所提模型能有效提升文本分类准确度。     

考虑评论质量的自注意力胶囊网络评分预测模型

基于评论文档的推荐系统普遍采用卷积神经网络识别评论的语义,但由于卷积神经网络存在“不变性”,即只关注特征是否存在,忽略特征的细节,卷积中的池化操作也会丢失文本中的一些重要信息;另外,使用用户项目交互的全部评论文档作为辅助信息不仅不会提升语义的质量,反而会受到其中低质量评论的影响,导致推荐结果并不准确。针对上述提到的两个问题,该文提出了自注意力胶囊网络评分预测模型(Self-Attention Capsule network Rate prediction, SACR),模型使用可以保留特征细节的自注意力胶囊网络挖掘评论文档,使用用户和项目的编号信息标记低质量评论,并且将二者的表示相融合用以预测评分。该文还改进了胶囊的挤压函数,从而得到更精确的高层胶囊。实验结果表明,SACR在预测准确性上较一些经典模型及最新模型均有显著的提升。     

6-PUS/UPS并联机构运动学标定理论与实验研究

基于6-PUS/UPS并联机构,首先建立含结构误差的运动学反解模型;使用遗传算法建立其标定模型,通过Matlab编程验证了模型的正确性和有效性;提出了一种利用球杆仪、高度游标卡尺和双轴倾角传感器配合测量动平台位姿的标定方案;最后进行标定实验及误差补偿,提高了该并联机构的精度。     

6-PUS/UPU并联机器人运动学及工作空间分析

提出和研究了一种新型6-PUS/UPU并联机器人,该机器人结构对称,刚度大,可用于视觉测量、力控制研究、冗余控制研究.首先利用螺旋理论对6-PUS/UPU并联机器人进行了自由度分析,然后根据该机构的几何特点和D-H法对该并联机器人进行了运动学分析,得出了6-PUS/UPU并联机器人的运动学反解,并在此基础上对该并联机器人的工作空间进行了分析.该研究结果对此种机器人的深入研究及该并联机器人的实际应用具有重要理论意义.     

融合时间序列的POI动态推荐算法

兴趣点(POI)的签到数据体现了用户的偏好和兴趣点的分布特征,这在兴趣点推荐领域有极为重要的价值.为了缓解数据稀疏造成的推荐不准确等问题,本文提出了融合时间序列的POI动态推荐算法,结合用户与用户之间的关系、兴趣点位置以及流行度信息等.首先划分时间序列,得到时间因子的相似度;其次时间序列融入到基于用户的协同过滤算法,再根据时间的连续性特征得到基于用户的预测评分,然后将地理影响因子与基于时间的流行度信息结合,预测用户的评分,进而与基于用户的评分加权融合;最后,在Gowalla数据集上进行实验,结果表明,本文提出的融合时间序列的POI动态推荐算法能够有效减小推荐误差,提高推荐精度与召回率.     

元搜索引擎的现状与发展

元搜索引擎利用现有的独立搜索引擎的查询性能,将搜索引擎看成一个整体,为用户提供一个统一的查询界面与返回结果。介绍了目前网络上比较著名和流行的一些元搜索引擎,对近几年来关于元搜索引擎的研究进行了分析总结,旨在为对元搜索引擎的进一步研究提供参考。