排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
与传统推荐模型相比,深度学习可以更好地理解用户需求、项目特征及用户与项目之间的互动性,从而更有效地发现用户和项目之间的匹配关系。将深度神经网络应用于网吧游戏推荐场景,分析用户的个人偏好,根据时间推移兴趣的变化,对用户历史游戏行为记录进行建模训练,为用户提供个性化Top-N游戏推荐。基于深度神经网络设计训练模型,输入层采用对用户历史行为数据处理后的用户偏好向量,隐藏层运用ReLU激活函数的多层网络,输出层则采用逻辑回归的Softmax结构,最终运用带L2规范项的代价函数评估学习到的模型可靠性。在真实数据集下的实验结果表明,随着隐藏层的增加,该方法能明显降低均方根误差,且能提高召回率。 相似文献
2.
为了更准确、方便地估算闪烁背景光下的LCD液晶响应时间,利用小波变换法对测量得到的LCD亮度响应曲线进行滤波.通过实际测量连续背景光下五级灰度之间的液晶响应以及闪烁背景光的背景光响应,构造了闪烁背景光下的LCD亮度响应,利用小波变换滤波方法,通过小波分解、阈值处理、逆变换重构,还原了液晶响应信号,将估算得到的响应时间与真实值以及移动窗口积分方法的估算值进行比较.根据计算,移动窗口积分法的平均估算误差为7.535 5%,而小波变换滤波法的平均估算误差仅为1.966 5%.结果表明,小波变换滤波法对闪烁背景光技术下LCD液晶响应时间的估计比移动窗口积分法更加准确,而且应用简单,适应面广. 相似文献
1