几种岩土工程地基处理技术管窥

该文主要介绍了岩土工程地基处理技术的相关内容,阐述了几种不同地基加固处理技术的应用策略,以期提高岩土工程地基处理的效果及经济。在岩土工程中合理有效地选择和应用地基处理技术,可以带来良好的社会效益和经济效益。     

基于智能手机用户行为习惯的App使用预测算法研究

互联网的发展不仅推动了智能手机的普及,而且涌现了大量的手机App。大量被安装在手机中的应用程序不仅增加了用户寻找App的时间和难度,而且占用了手机大量的内存空间,致使手机卡顿,严重影响了用户体验。利用智能手机用户使用App的行为习惯特征,预测用户将要使用的App,并将其应用到智能手机中用以预加载App和智能清理手机内存是解决上述问题的方法之一。在深入了解PrefixSpan算法和Bayesian网络算法的前提下,考虑智能手机用户对每个App的喜爱程度,将其加入到PrefixSpan算法的剪枝步骤中;采用贝叶斯网络算法整合智能手机用户的App使用记录和App使用时长等特征,提出一套新的预测用户下一个将要使用的App的算法——WAPA(Weighted App Prediction Algorithm)。实验证明,该算法预测准确率最高可达86.3%,较其他算法可提高大约4%。     

智能物联 舒适家居系统升级的重要方向

A.O.史密斯在中国市场始终坚持本土化的管理和本土化的研发,其近年来在舒适家居市场的一系列动作,可以看出,依然是秉承着以用户为中心的原创型创新,在更好满足消费者需求的同时,为行业带来新活力。节能省气看得见,引领采暖系统进入AI智控新时代。近几年,行业一直在推冷凝式产品,但却推广得非常难。从全球市场来看,欧洲之所以冷凝炉得以普及,是因为有政策的引导。     

以创新驱动为支撑实现新作为

任何企业,只有盈利性的增长,才会有持久健康的发展,才能够在行业中拥有不断稳固的影响力。但,怎样做才能够实现盈利性的增长?需要有创新能力,而且是源源不断地创新,既包括产品的创新,也包括管理的创新。A.O.史密斯作为一家有着146年历史的美国公司,深耕中国市场20多年间,无论进入哪个行业。     

基于奖励值RNN和A2C模型的音乐生成

我们提出了一个新的方法—基于奖励值RNN的优势演员-评论家算法(R-A2C)来生成音乐。我们的模型首先使用一个带有注意力机制的RNN模型(Recurrent neural network)预处理数据并将此作为先验策略,然后我们将包含先验策略和用户反馈信息的奖励值RNN增加到A2C(Advantage Actor-Critic)模型中,使得任意用户给定的约束与循环网络的风格相结合,以此来鼓励演员生成更符合用户需求的音乐,实验表明我们的模型取得了预期的效果。     

一种基于用户行为特征的精准容量预测方法

随着大流量套餐业务的推广,用户行为随之转变,网络资源的需求也不断升高。因此,文章提出一种基于用户行为特征的精准容量预测方法,提前做好市场容量预判,并结合用户行为特征实现场景化网络解决方案,确保用户感知。     

基于多尺度双线性卷积神经网络的多角度下车型精细识别

针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题，提出基于多尺度双线性卷积神经网络（MS-B-CNN）的车型精细识别模型。首先，对双线性卷积神经网络（B-CNN）算法进行改进，提出MS-B-CNN算法对不同卷积层的特征进行了多尺度融合，以提高特征表达能力；此外，还采用基于中心损失函数与Softmax损失函数联合学习的策略，在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心，在训练过程中新增加样本时，网络会约束样本的分类中心距离，以提高多角度情况下的车型识别的能力。实验结果显示，该车型识别模型在CompCars数据集上的正确率达到了93.63%，验证了模型在多角度情况下的准确性和鲁棒性。