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。     

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。     

以用户为中心的可见光通信协作传输中训练资源分配算法

以用户为中心的可见光通信协作传输是近年来出现的新架构,这导致虚拟小区之间出现重叠。为避免导频污染问题,每个虚拟小区中的光接入点(AP)或者虚拟小区中选择相同AP的用户发送的训练序列应该是正交的。针对可见光通信中以用户为中心的协作网络,研究训练资源的正交分配问题,提出了一种新的导频分配算法,联合导频分配和用户选择问题,以期最大限度地增加虚拟小区内可被接入的用户数。分析和仿真结果表明,该导频分配方案可以有效改善导频污染问题,提高训练资源利用率,并且相比已有的导频分配方案,性能有所改进。     

更胜一筹 AWE白电展现“中国魅力”

<正>2015年,李克强总理着重强调了中国的"工业4.0计划",作为制造行业的排头兵,白电行业率先实践着这一战略。2015中国家电博览会(AWE)总体给人的感受大概是:白电、厨电在创新上要更胜于黑电。其中,尤以白电产品在工业设计上水平更高、外观更具时尚感、节能环保趋势进一步深化,且更注重通过智能化技术的应用以及增加健康功能来提升产品的用户体验。     

FDD牌照来了!能否扭转4G格局?

时事背景自2013年12月工信部向三大运营商颁发4G牌照(制式均为TD-LTE)以来,FDD牌照就处于一个相当尴尬的境地。2014年,工信部又分4次向中国电信和中国联通颁发"LTE/第四代数字蜂窝移动通信业务(LTE FDD)"试商用经营许可,批准二者在56个试点城市展开LTE FDD和TD-LTE混合组网试验。虽然FDD牌照正式发放的传闻不断,但却始终"犹抱琵琶半遮面"。而在这一年时间内,中国移动4G用户就突破了1亿大关,这让移动电话用户增速不断放缓的中国联通和中国电信如坐针毡,不少舆论认为FDD牌照已经成为联通和电信的最后一棵救命稻草。