基于深度神经网络的点击率预测模型

针对现有深度神经网络点击率预测模型在对用户偏好建模时,难以有效且高效地处理用户行为序列的问题,提出长短期兴趣网络（Long and short term interests network, LSTIN）模型,充分利用用户历史记录上下文信息和顺序信息,提升点击率预测精准性和训练效率。使用基于注意力机制的Transformer和激活单元结构完成用户长、短期兴趣建模,对用户短期兴趣进一步使用循环神经网络（Recurrent neural network, RNN）、卷积神经网络（Convolutional neural networks, CNN）进行处理,最后使用全连接神经网络进行预测。在亚马逊公开数据集上开展实验,将提出的模型与基于分解机的神经网络（DeepFM）、深度兴趣网络（Deep interest network, DIN）等点击率预测模型对比,结果表明提出的模型实现了考虑上下文信息和顺序信息的用户历史记录建模,接受者操作特征曲线下面积（Area under curve, AUC）指标为85.831%,相比于基础模型（BaseModel）提升1.154%,相比于DIN提升0.476%。且因区分用户长、短期兴趣,模型能够在提升预测精准性的同时保障训练效率。      

大跨斜拉桥非一致激励地震响应研究

以海南某拟建斜拉桥为例,计算了该桥的动力特性,分析了该结构在一致输入地震激励和非一致输入地震激励下的非线性地震响应。计算结果表明:与一致输入地震激励下的结构响应相比,在非一致输入地震激励下桥梁结构最大响应值均有不同程度的增大。考虑纵向行波效应时,结构的纵向位移以及关键部位的内力响应值增大,这些响应值将随着地震波波速的提高而减小,并逐步接近一致输入地震激励下的响应值。     

基于时序驱动的管道结蜡程度预测及清管效果评价

为避免凭经验盲目确定清管周期,造成过度清管现象的发生,基于结蜡过程的缓慢时序性,在研究生产数据参数与结蜡程度关系的基础上,通过改进K-means算法确定不同时序下的结蜡程度,并将数据引入卷积神经网络（CNN）,利用CNN模型的特征提取和自适应学习能力,实现不同结蜡程度持续时间的在线更新,依据结蜡等级和清管周期的变化构建清管效果评价指数模型,实现了清管作业的事前预警。结果表明,不同管道在完整结蜡周期内的等级时间不同,周期长短也不同,体现了输入参数差异引起的结蜡程度不同,改进Kmeans算法将结蜡程度分为4个等级;本文模型的总体平均误差为0.781 d,小于RNN模型和LSTM模型的2.025 d、1.225 d;待评价管道的清管效果评价指数为0.828,说明本次清管效果良好。研究结果可为管道完整性管理水平的提升提供实际参考。     

面向稀疏数据的协同过滤用户相似度计算研究

基于用户的协同过滤通过获取最近邻的偏好实现对目标用户偏好的预测推荐,相似度计算为其核心步骤.传统数值相似度计算依赖于用户共同评分项的评分数值,用户-项目评分矩阵稀疏程度的加剧导致数值相似度计算准确性降低,难以为目标用户选取可靠的最近邻,影响推荐效果;现有结构相似度大多利用用户共同评分项占比度量,计算简单,受数据稀疏影响...     

基于改进剪枝算法的入针点位置决策

新冠肺炎疫情暴发以来,全球已有超过23万名医护人员感染新冠病毒,非人工接触手背静脉自动注射方式因其良好的隔离性受到众多医护工作者的欢迎,而实现非接触式手背静脉自动注射的关键是实现手背静脉检测与分割及入针点位置的决策。针对手背静脉检测问题,提出了一种基于U-Net改进的指导注意力机制的图像处理算法（AT-U-Net）,并基于自建手背静脉数据库进行了实验,其准确率达到93.6%。根据手背静脉检测的结果,提出了一种基于剪枝算法的手背静脉入针点位置决策方法（PT-Pruning）。通过PT-Pruning提取手背静脉主干线,综合考虑每条静脉血管入针点区域的血管截面积及弯曲值,最终获得手背静脉最优入针点。与自建的手背静脉入针点数据库进行对比,有效入针点注射区域检测准确率达到96.73%,最优入针点注射区域检测准确率达到96.5%,为后续机械自动注射奠定了基础。     

基于近邻的不均衡数据聚类算法

针对经典K–means算法对不均衡数据进行聚类时产生的“均匀效应”问题,提出一种基于近邻的不均衡数据聚类算法（Clustering algorithm for imbalanced data based on nearest neighbor,CABON）。CABON算法首先对数据对象进行初始聚类,通过定义的类别待定集来确定初始聚类结果中类别归属有待进一步核定的数据对象集合;并给出一种类别待定集的动态调整机制,利用近邻思想实现此集合中数据对象所属类别的重新划分,按照从集合边缘到中心的顺序将类别待定集中的数据对象依次归入其最近邻居所在的类别中,得到最终的聚类结果,以避免“均匀效应”对聚类结果的影响。将该算法与K–means、多中心的非平衡K_均值聚类方法（Imbalanced K–means clustering method with multiple centers,MC_IK）和非均匀数据的变异系数聚类算法（Coefficient of variation clustering for non-uniform data,CVCN）在人工数据集和真实数据集上分别进行实验对比,结果表明CABON算法能够有效消减K–means算法对不均衡数据聚类时所产生的“均匀效应”,聚类效果明显优于K–means、MC_IK和CVCN算法。      

深圳前海合作区某项目高区大跨连桥结构设计要点与分析

项目位于深圳市前海合作区，包含T3、T5两栋高层办公塔楼，两栋塔楼的体型、高度、振动周期存在明显差异。两栋塔楼通过位于2～3层的低区连桥和位于10～12层的高区连桥连接。为了确保连桥设计得合理、规范、安全，对连桥进行了专项设计，采用有限元模拟的方法，从连桥结构形式的选取、连桥支座连接形式对塔楼的影响、滑动支座滑移量求解、连桥舒适度分析等方面对连桥的结构设计进行了较为深入的分析。研究结果表明，连桥与高度及质量相对较小塔楼采用滑动支座连接，与高度及质量相对较大塔楼采用刚性连接的方式比较适用于连桥两端塔楼高度、体型、振动周期显著不同的结构，并且不需要通过连桥来整合两栋塔楼共同形成抗侧刚度的结构。此种连接方式既有利于解决连桥构件截面尺寸、变形、舒适度的控制等问题，又能避免出现多塔“复杂连接”设计，并且基本上不增加塔楼的设计难度及成本。