基于循环时间卷积网络的序列流推荐算法

针对循环神经网络(Recurrent Neural Network,RNN)模型在序列流推荐中只能从宏观上捕捉序列的演变模式,忽略了物品(Item)间内部的微观联系,无法长程建模序列数据的变化规律的问题,提出了多维度序列建模算法循环时间卷积网络(Recurrent Temporal Convolutional Network,RTCN)。首先,将每个物品表示成定长向量,采用多层因果卷积和扩张卷积操作扩大感受野范围,建立序列元素间的长程依赖关系。利用残差连接网络提取不同层次的特征信息,解决反向传播中梯度衰减甚至消失的问题。综合设计时间卷积网络(Temporal Convolutional Network,TCN)提取序列流中前后物品间的局部特征,将物品信息映射到隐藏空间,得到细粒度的特征向量。为进一步建立元素间的宏观联系,将特征向量依次输入门限循环单元(Gated Recurrent Unit,GRU),迭代更新现有隐藏状态并预测下一时刻的输出。RTCN通过时间卷积网络,从输入序列流提取出长时间、多维度、细粒度的局部关联特征;经过门限循环网络,建模序列间的长距离依赖关系,捕捉序列元素的演变模式,并预测下一个出现的物品。利用网站、手机应用和音乐3个不同场景中的数据对模型进行了实验。实验结果显示,RTCN模型在召回率(Recall)和平均排序倒数(MRR)两个指标上比RNN模型高出6%~13%,比传统推荐算法高出9%~59%。通过对比不同的损失函数,模型在交叉熵损失函数下表现最优。此外,由于TCN中的卷积层具有多通道的结构,当数据维度丰富时,该模型对物品和用户的上下文信息具有很强的综合能力。     

卧式加工中心立柱有限元分析与优化

应用SolidWorks软件建立卧式加工中心立柱的三维模型,通过Simulation插件对立柱三维模型进行有限元静力学分析,得出立柱在最不利工况下的变形和应力分布.为提高卧式加工中心立柱的静态刚度,寻求更优的结构,对立柱模型填充实体后以最佳刚度质量比为目标进行拓扑优化,根据优化结果重新设计和布置筋型.对优化后的卧式加工...     

加工中心丝杠冷却结构的设计与试验

滚珠丝杠副是加工中心传动的重要功能部件,降低丝杠温升的影响是加工中心设计中的一个重要课题。对加工中心丝杠的热源进行分析,并介绍了热传导原理。设计了一端进油一端出油、同一端进出油、螺母冷却等加工中心丝杠冷却结构,并基于不同冷却结构进行了温升测试,对比冷却效果。     

卧式加工中心零点漂移问题的分析与预防

介绍了卧式加工中心零点漂移问题的现象和危害，对零点漂移问题进行了诊断与分析，并提出了零点漂移问题的预防措施和处理方法。