基于图神经网络和LSTM的社交推荐算法

推荐系统可以帮助人们从海量数据中得到真正需要的信息。本文提出了一种基于图神经网络和长短期记忆网络的推荐融合模型GNN-L。首先使用长短期记忆网络和注意力网络联合捕获物品的潜在特征,然后利用图神经网络从用户物品图和用户社交图获得用户的潜在特征,最后将两种潜在特征通过多层感知器得出评分预测的结果。对真实数据集进行验证,结果表明,GNN-L的均方根误差和平均绝对误差都低于本文对比的其他算法模型,该模型能更好地进行精准推荐。     

数据挖掘中神经网络技术的应用探讨

介绍了在数据挖掘中应用广泛的神经网络、反向传播神经网络技术,以及反向传播神经算法在性能方面的特点,介绍了反向传播在数据挖掘中的实用模型,最后阐述了数据挖掘方法与神经网络模型结合的广阔前景。     

改进YOLOX-S算法的安全帽和口罩检测

针对建筑工地等危险场景下需要对相关人员佩戴安全帽和口罩进行检测,提出基于改进YOLOX-S算法对安全帽和口罩小目标进行同时、实时检测．首先,在YOLOX-S中CSPLayer结构引入ECA注意力机制,引导模型更加关注小目标信息的通道特征,增强模型对有用特征的利用能力;其次,在主干特征提取网络的三个特征层后添加ConvNext Block模块,增强模型对有用特征的利用能力;最后,在加强特征提取网络中引入BiFPN的加权特征融合机制,将原来concat变为BiFPN＿concat,增加了对每个输入特征添加可学习的权值,来学习不同输入特征的重要性,区分特征融合过程中不同特征的重要程度,更好关注待检测的目标信息．实验结果表明,改进后算法的mAP为93.2%,比原始YOLOX-S算法平均精确度提升了3.1%.     

基于YOLOX-Swin的高效建筑火灾烟雾检测和疏散模拟方法（英文）

为了实现高效的建筑火灾应急救援疏散,分析了将目标检测技术应用于建筑火灾应急处置的可能性.将目标检测算法应用于火灾预警阶段,将Transformer、卷积神经网络CNN和轻量级注意力机制模块CBAM相结合,对火焰和烟雾局部和全局特征进行提取,提高目标检测算法的精度并实现对火灾发生位置的快速定位.提出一种用于路径搜索的改进的蚁群算法,对启发函数和信息素挥发系数进行改进.在案例中,建立栅格图模型,结合定位信息,通过仿真模拟的方式验证方法的有效性.结果表明：相比与YOLOX算法,YOLOX-Swin模型平均精度提高1.5%;改进蚁群算法降低了传统蚁群算法的搜索范围,提高模型的收敛速度,有效避免了模型陷入局部最优解的困境.将火灾预警和火灾人员疏散相结合,建立完整的建筑火灾应急处置方案.     

基于机器视觉的汽车角窗玻璃混线检测算法

针对汽车玻璃角窗生产线上轮廓、材质与厚度相近似的汽车玻璃容易产生混淆的问题,提出融合轮廓特征与颜色特征的汽车玻璃混线检测算法。通过改进的几何矩匹配算法实现汽车玻璃的轮廓检测;利用色彩特征实现汽车玻璃的材质与厚度的检测,结合轮廓特征与色彩特征实现了汽车玻璃的混线检测。实验证明,提出的混线检测算法有效提高了汽车玻璃混线检测的准确率,有利于提升汽车玻璃检测的自动化水平。     

基于深度置信网络的酒店入住管理系统研究

为了解决当下智能酒店出现无法人证合一以及资源不必要浪费问题，通过视频流人脸识别技术与行人再识别技术应用，结合模糊集理论改进的深度置信网络模型实现人体检测，提出一种新型智能化的酒店入住管理系统模型。人脸识别技术、多数据融合技术以及“居民身份证网上功能凭证”，为模型提供了可靠的技术支持。结合模糊控制理论的深度置信网络人体检测模型相较于传统人体感应模型，可观察范围由单一场景拓展到复杂多因素场景，有效排除了各种因素的干扰。     

运用LVQ网络进行机械状态检测的研究

利用LVQ神经网络的原理和方法,用于检测某机械设备减速机的工作状态.这里将减速机状态分为正常状态、轻微故障状态和严重故障状态3类.在LVQ神经网络理论下,对影响减速机工作状态的要素进行分析,得出在LVQ神经网络模型下的特征属性,再结合MATLAB工具对减速机的工作状态进行检测,检测结果与实际表现相吻合.实验证明这种基于LVQ网络的分类方法是行之有效的.     

Stacking集成学习在销售预测中的应用

销售预测在公司的生产和管理中尤为重要,影响着公司的计划、生产、物流、销售等各方面.为突破单一模型在销售预测中的局限性,提出一种基于Stacking集成算法的销售预测组合模型.首先结合历史销售数据构造新特征,再利用相关性分析进行特征选择,提高模型性能和可解释性,最后以随机森林、BP神经网络、Prophet算法为基学习器,...     

基于HOG与残差网络的行人检测算法

为了提高行人检测的准确性,提出一种改进的方向梯度直方图(HOG)算法,首先对图像进行两种方式的HOG特征向量的提取,方形划分和圆形划分方式,并对圆形划分得到的梯度直方图进行权值优化调整,再结合残差网络(Res Net)提取的深度模型特征,最佳特征向量用主成分分析算法(PCA)降维,通过SVM算法对行人进行检测。通过对HOG与Res Net特征融合算法进行仿真,并与其他行人检测算法对比,在提升准确率与降低漏检率上取得了很好效果。     

引入双循环机制深度学习模型的文本情感分析

深度神经网络模型通常使用注意力机制或融合卷积神经网络来提取特征,但由于注意力机制抓取的特征过于单一,存在提取特征不完善的问题。 将循环机制引入卷积神经网络中,构建了具有双循环结构的网络模型(DRCNN),从而改善模型的特征提取能力,将其与双向长短期记忆网络结合,提出一种带有注意力机制、特征提取能力更强的混合模型(BiLSTM-DRCNN)并应用于情感分类任务中。通过情感分类的实验分析表明,BiLSTM-DRCNN 神经网络模型具有比较好的性能,与融合卷积神经网络(CNN)和双循环长短期记忆神经网络(BiLSTM)模型相比,综合评价指标提高2%以上;与BiLSTM-CNN、Fusion Model 模型相比,综合评价指标提高了近1%,且收敛速度更快。