基于异构网络表示学习的评分预测模型

深入分析电商行业的用户个性化数据并提供推荐服务近年来已成为业界的热点。推荐服务的基础是对用户的潜在兴趣进行挖掘,并对商品的感兴趣程度进行预测。因此,以此为背景,研究用户对商品的评分预测。对电商业的关系型数据在推荐系统中的应用进行了研究,提出了通过使用网络表示学习进行评分预测的方法。首先,将关系型数据构建成异构网络,用户和商品为网络中的节点。然后,设计了兼顾网络结构信息和节点之间相似性的个性化异构网络采样方法,并对节点进行表示学习。最后,将学习到的用户、商品表示向量输入到神经网络中进行训练,利用优化后的神经网络模型进行评分预测。实验结果表明:所提方法在YELP 13、Movielens 100k、Movielens 1m数据集上都有较高的准确率,对比常用方法,准确率提升6.5%以上。      

基于深度学习的日间逐小时地表PM2.5浓度反演

以长三角地区作为研究区域,提出了使用深度学习算法来实现主被动遥感数据结合反演地表PM2.5浓度的方法。基于MPL观测数据,使用雾霾层高度(HLH)替换了边界层高度(BLH)特征,对已有的基于气溶胶光学厚度(AOD)结合大气BLH来反演PM2.5浓度的算法进行了改进。为提高数据覆盖率,对研究区域内的MAIAC AOD进行了填补与评估。利用多种机器学习算法实现了日间逐小时的PM2.5浓度估算,模型验证相关性最高可达0.87。该方法能够为观测气候变化、应对大气污染提供有效帮助。     

一种航天器交会与接近路径规划算法

针对非合作交会与接近任务中近程导引段航天器的三维路径规划问题,提高其在多约束条件下的寻优性能,提出一种融合混沌映射、自适应随机动态扰动、随机探索机制以及反向学习策略的混合蝙蝠算法。首先,利用Circle混沌映射进行种群初始化,提高种群多样性;在全局搜索中引入自适应随机动态扰动系数,并在位置更新时进行位置限定,提高算法全局寻优的性能;在局部搜索中融入柯西分布的逆累积分布函数,避免算法进入局部最优。同时,引入分段随机的反向学习策略,进一步提高种群多样性,平衡全局寻优与局部探索的性能。然后,以基于升序排列的路径节点进行三次样条插值编码,构造躲避障碍物求解航天器三维路径的适应度函数,结合混合蝙蝠算法求得平滑路径曲线。最后,通过对比仿真表明了所提方法的最优路径次数较对比算法增加,最差路径次数减少,路径平均解减少。     

一种面向空间非合作目标的强化学习多臂协同俘获策略研究

针对空间非合作目标清除任务中的目标适应性以及俘获动作规划复杂性等问题,提出了一种基于强化学习方法并结合“多臂分组协同”机制的包络俘获策略。首先构建了多臂俘获机构的物理模型和运动学模型,之后利用SAC(soft actor-critic)算法并引入前演训练（PT）设计了强化学习控制器,接着基于“多臂分组协同”奖励机制设计奖励函数以训练得到最优俘获动作。为了验证俘获策略对单目标作业的高效性和对多目标作业的高适应性,对各种目标分别进行仿真实验。仿真结果表明：所得的俘获策略可以对多种构型的目标实现高效、高适应地俘获。     

高校常态化、长效化开展党史学习教育的实践路径

中国共产党一百多年的辉煌历程形成了十分珍贵、独特的红色文化资源,这是共产党人永恒不变的精神财富,高校应充分挖掘党史红色文化资源育人新内涵、新形式、新功能,把党史学习教育与红色精神传承相结合、与红色情感交融相结合、与新时代发展特点相结合,丰富育人载体。开展红色文化教育和实践,探索高校常态化、长效化开展党史学习教育机制,不断提高党史学习教育的实效,进而提升高校育人成效。     

基于改进Q学习的IMA系统重构蓝图生成方法

重构蓝图定义了故障状态下系统软硬件资源的重新配置方案,是实现综合模块化航空电子系统重构容错的关键。提出了一种基于改进Q学习的重构蓝图生成方法,综合考虑负载均衡、重构影响、重构时间、重构降级等多优化目标,并应用模拟退火框架改进探索策略,提高了传统Q学习算法的收敛性能。实验结果表明,与模拟退火算法、差分进化算法、传统Q学习算法相比,本文提出的改进Q学习算法效率更高,所生成重构蓝图质量更高。     

基于深度学习的图像匹配方法综述

图像匹配是飞行器视觉导航中的一项关键技术。基于深度学习的图像匹配方法在近几年快速发展,其特征提取网络比传统方法具有明显优势与广阔的应用前景。基于深度学习的图像匹配方法可以按照网络结构的不同分为单环节网络模型匹配方法和端到端网络模型匹配方法。首先对单环节网络模型中的特征检测模型、描述符学习模型、相似度度量模型和误差剔除模型逐一进行了深度调研及分析,然后对端到端匹配网络模型中的单网络结构方法和多网络结构组合方法进行了针对性的综述,并对经典的端到端匹配网络模型算法进行了介绍和分析。最后,结合目前基于深度学习的图像匹配方法存在的问题,指出未来可能的发展趋势和方向,为后续研究者在深度学习图像匹配的研究提供一定参考。     

基于强化学习的航空器机场智能静态路径规划

随着人工智能迅速发展以及“智慧机场”的提出,研究人工智能在机场如何有效地辅助机场管制人员,驾驶员指挥航空器在地面滑行具有重要意义。本文提出一种基于强化学习的滑行路径规划方法,构建航空器机场地面强化学习移动模型,并以海口美兰机场为案例采用 Python 内置工具包 Tkinter 进行场面仿真;在此基础上,考虑机场航空器滑行规则,采用 Off-Policy 中 Q-Learning 算法求解贝尔曼方程,实现航空器在 Model-based 环境中进行静态路径规划。结果表明：本文所提方法能够实现停机位到跑道出口智能静态路径规划     

基于小波包分析与多核学习的滚动轴承故障诊断

为了更准确地诊断滚动轴承故障,提出了一种基于小波包分析与多核学习的滚动轴承故障诊断方法.该方法首先对振动信号进行3层小波包分解,将振动信号分解为不同频带的信号,提取各频带的相对能量特征,构建特征向量;然后采用多核学习算法从训练样本集中学习核函数与分类器;最后使用训练出的分类器识别滚动轴承故障类型.为了验证方法的有效性,进行了滚动轴承故障诊断实验,实验结果表明该方法的故障诊断准确率达到98.25%,与传统的基于小波包与支持向量机的滚动轴承故障诊断方法相比,其故障诊断准确率更高,同时由于避免了核函数的选择问题,该方法更便于实际应用.