基于推理注意力机制的二阶段网络图像修复

现有的图像修复方法在处理大面积缺失或高度纹理化的图像时，通常会产生扭曲的结构或与周围区域不一致的模糊纹理，无法重建合理的图像结构。为此，提出了一种基于推理注意力机制的二阶段网络图像修复方法。首先通过边缘生成网络生成合理的幻觉边缘信息，然后在图像补全网络完成图像的重建工作。为了进一步生成视觉效果更逼真的图像，提高图像修复的精确度，在图像补全网络采用推理注意力机制，有效控制了生成特征的不一致性，从而生成更有效的信息。所提方法在多个数据集上进行了实验验证，结果表明该图像修复方法的结构相似性指数达到了88.9%，峰值信噪比达到了25.56 dB，与现有的图像修复方法相比，该方法具有更高的图像修复精确度，生成的图像更逼真。     

北京山区推理公式设计洪水计算若干问题研究

北京山区推理公式是北京地区无资料山区小流域设计洪水计算的基本方法之一.结合北京山区原推理公式与改进后推理公式存在问题,分析了利用推理公式计算山区小流域设计洪水的适用性和可靠性,并提出相关使用建议.针对当前推理公式方法计算设计洪峰流量与洪水过程线计算中采用的降雨和径流资料不一致问题,提出将山区推理公式与瞬时单位线方法组合应用,解决无资料小流域设计洪水过程线计算的基本思路和方法.研究表明,该方法理论上可行,方法更为合理,建议推广使用.     

用于社交推荐的增强影响扩散模型

随着网络上创建连接、协作、共享的全新变革方式的出现,互联网上丰富的社交行为现象引起了研究者和实践者的关注.近年来,随着社交网络平台的普及与推广,基于社交网络的推荐系统也成为了个性化推荐领域的研究热点之一,社交推荐系统可以利用社交网络来缓解传统的推荐算法中数据稀疏性问题.在社交网络中,社交关系影响起着重要作用,而用户信任是社交关系形成的基础,每一个用户会受到其信任的用户影响,这些被信任的用户也会被自己的社交关系所影响,这就表明了联系在一起的用户会相互影响,导致社交联系之间的用户偏好具有相似性.用户的信任关系影响着用户偏好的推断,同时用户受到其信任用户的社交关系影响,而这些社交关系影响在社交网络中递归传播和扩散.因此,基于社交推荐算法研究的关键就在于信任信息的挖掘和利用.在基于社交网络的推荐领域中,比较有代表性的模型为Diff Net,该模型未充分考虑到信任问题,同时,在递归计算长距离的社交关系时,有额外的噪声,影响推荐预测的质量.本文提出了基于Diff Net改进的社交推荐模型-EIDNet.首先,该模型在模拟社交关系影响扩散过程时,通过用户对物品的历史交互记录建立用户间的信任关系,并融...     

信息不对称语境下公众食品安全信任机制的构建

在概述公众食品管理基本理论的基础上,论述了当前公众食品安全信任机制难以形成的主要困境,并指出构建公众食品安全信任机制的主体范围和基本原则,通过培育基于司法建设的社会环境、健全政府行政管理体制与方式、加强食品企业的行业自律建设和提升公众参与食品安全的力度实现公众食品安全信任机制的初步构建。