排序方式： 共有2条查询结果，搜索用时 78 毫秒
1
1.
基于深度混合模型评分推荐 总被引：2，自引：0，他引：2
从用户-项目评分矩阵中学习用户对项目的个性化偏好,对于评分推荐来说至关重要。许多推荐方法如潜在因子模型,无法充分利用评分矩阵中的交互信息学到较好的个性化偏好而得到较差推荐效果。受深度学习中Wide and Deep模型应用于APP推荐启发,本文提出一种深度混合模型并命名为DeepHM用于评分推荐。与Wide and Deep模型相比,使用DeepWide和DNN部分重构Wide模型和Deep模型得到DeepHM,并且DeepWide和DNN部分共享交互信息输入。因此,DeepHM可以更有效地使用评分矩阵中的用户和项目的交互信息学到个性化偏好信息。DeepHM将评分推荐作为分类问题旨在提高推荐准确性。实验表明在公开的Movielens数据集上DeepHM算法相比现有的基于评分推荐模型具有更好的效果。 相似文献
2.
为提高汽车的安全性,设计了一种基于数字信号处理技术(DSP)的嵌入式辅助驾驶系统.该系统通过实时收集的汽车行驶信息来建立汽车的运动模型,并藉此来实时监控汽车的运动状态;系统在必要情况下系统能给司机警示,在紧急情况下系统还能自动驾驶汽车以避开危险.系统硬件采用DSP与ARM两个芯片协同工作的模式,其中DSP芯片为协处理器,负责处理行驶车辆及其附近目标的运动信息,ARM芯片为主芯片,负责建立本车的运动模型并进行辅助驾驶.还以自动刹车过程为例,着重介绍了软件系统的运行原理和主要算法、模型等. 相似文献
1