基于场因子分解的xDeepFM推荐模型

极深因子分解机（eXtreme deep factorization machine, xDeepFM）是一种基于上下文感知的推荐模型,它提出了一种压缩交叉网络对特征进行阶数可控的特征交叉,并将该网络与深度神经网络进行结合以优化推荐效果。为了进一步提升xDeepFM在推荐场景下的表现,提出一种基于场因子分解的xDeepFM改进模型。该模型通过场信息增强了特征的表达能力,并建立了多个交叉压缩网络以学习高阶组合特征。最后分析了用户场、项目场设定的合理性,并在3个不同规模的MovieLens系列数据集上通过受试者工作特征曲线下面积、对数似然损失指标进行性能评估,验证了该改进模型的有效性。     

联合经验模式分解和混沌理论的稳态视觉诱发电位脑电识别

针对多目标稳态视觉诱发电位(SSVEP)信号识别准确率低、线性识别方法抑制噪声的同时也会抑制信号本身特征等问题,基于经验模式分解对信号的降噪特性、达芬混沌系统对微弱周期信号的敏感性及噪声的免疫特性,提出了一种非线性多目标SSVEP信号识别算法。首先,采用共平均参考算法将多通道SSVEP信号融合成单通道信号,通过傅里叶变换求得SSVEP信号的相位谱,为达芬混沌系统周期策动力添加相位;接着,采用经验模式分解降噪,将获得的第一个本征模函数输入到达芬混沌系统中,利用基于频谱差异的混沌系统状态判别方法,求解各目标的刺激频率幅值;最后,根据最大刺激频率幅值确定刺激目标,实现了对多目标SSVEP信号的识别。研究结果表明：相较于典型相关分析法,所提非线性信号处理方法的平均识别准确率提高了7.3%,平均信息传输速率提高了3.84 bit/min。该研究为探究非线性SSVEP信号解码算法提供了新方向。     

融合多小波分解的深度卷积神经网络轴承故障诊断方法

针对卷积神经网络及其与信号降噪预处理集成方法面临高噪声环境和低质量数据挑战时难以有效地提取信号有用特征的问题,提出了一种融合Geronimo-Hardin-Massopust多小波分解的深度卷积神经网络模型(GHMMD-DCNN)。该模型思想是将多小波包分解与卷积神经网络深度融合,即设计多个一级多小波分解层以提取信号的低频分量和高频分量,再将多个一级多小波分解层与卷积层交替联接,使模型能够多尺度地提取并学习信号有用的时频域信息,信号分解和特征学习交替执行,进而实现强噪声鲁棒特征提取。在不同工况下的航空高速轴承振动数据上进行测试,结果表明：所提模型训练时能够快速达到稳定收敛,并且识别准确率均能达到99.9%以上;提出的方法在强噪声干扰下的故障辨识准确度和识别稳定性均优于对比方法,验证了其优秀的抗噪声干扰能力;在少训练样本测试中,提出的方法在单类训练样本数量为60时的平均诊断准确率高达91.19%,相比于其他方法最低提升了13.19%,验证了GHMMD-DCNN模型具有更优的低样本泛化能力。     

基于硬阈值惩罚函数的高维降秩回归

为了解决多元回归问题中高维数据的复共线性,有一种方法是构造惩罚函数,来对估计矩阵的秩进行约束,它被称为降秩回归.为了得到更精确的估计,这里考虑用硬阈值函数做奇异值惩罚函数.通过局部线性近似方法,将原本的估计转换为可计算的模型.这个新的模型是可计算的且是连续的.在模拟和真实的数据集上与其他的模型进行实验比较分析,结果表明...     

利用图像数据的相关性实现图像抗信元丢失编码

提出了ＡＴＭ（异步转移模式）环境下图像抗信元丢失编码的信息分散原则。根据这一原则提出了图像的相关分解和相关补偿技术。通过相关性分解为信元丢失的补偿提供了最相关的数据,通过最相关补偿获得最佳的补偿效果。     

THE TYPE OF A CLASS OF VILENKIN CONVOLUTION OPERATORS

在满足第二个数公理的零紧Ａｂｅｌ群Ｇ的空间Ｌ（Ｇ）中研究了一类Ｖｉｌｅｎｋｉｎ卷积算子的性质．该类算子包括Ｖｉｌｅｎｋｉｎ－Ｆｏｕｒｉｅｒ级数的部份和、Ｆｅｊｅｒ平均等作为特例．文中证明了这类算子是弱（１,１）型和强（ｑ,ｑ）型的,１＜ｑ＜∞．     

有限co-H-复形上的同调分解(Ⅱ)

考虑与若干球的一点触空间∨ｌｋ＝１Ｓｎｋ有关的同调分解问题,得到有关结果．然后利用∨ｌｋ＝１Ｓｎｋ上的同调分解获得群［∨ｌｋ＝１Ｓｎｋ,Ｙ］的秩的表达式,即任取∨ｌｋ＝１Ｓｎｋ上的一个同伦可结合的ｃｏ－Ｈ－结构,都有ρ［∨ｌｋ＝１Ｓｎｋ,Ｙ］＝ｋ＞０βｋ（∨ｌｋ＝１Ｓｎｋ）γｋ（Ｙ）     

基于螺旋理论的机构弹性的几何分解

介绍一种对模拟机器人弹性的６×６刚度和柔顺矩阵进行对角化的几何分解方法．采用螺旋理论,从三个正交的外载螺旋柔顺轴和三个正交的变形螺旋柔顺轴推导得一个相似变换,对角元素是线性及旋转柔顺和刚度的静态值．这与应力、应变及转动惯量的主轴和主值类似,证明了对非奇异及奇异情况,分解总是存在的,并给出了分解表达式．     

投影矩阵分解定理的一种证明

利用初等矩阵理论方法,证明了投影矩阵分解定理．此定理是研究复杂系统的基础定理．对称分析理论和正交分析理论是研究复杂系统的基本理论,而矩阵象是研究对称性和正交性的主要工具．此定理的主要作用是研究处理矩阵象的运算规律,这些规律是提出的GL算法、零成分搜索法、对称性全局方差分析、正交性全局方差分析等新方法的数学基础．     

关于Beltrami方程组的很弱解

从考虑向量值函数的每一个分量出发,将Ｂｅｌｔｒａｍｉ方程组转化为一类散度型椭圆组;从而来建立Ｂｅｌｔｒａｍｉ方程组很弱解的正则性：存在可积指数ｒ１和ｒ２,１＜ｒ１＜ｎ＜ｒ２＜∞,使得方程组在低于自然可积指数Ｓｏｂｏｌｅｖ空间Ｗ１,ｒ１ｌｏｃ（Ω,Ｒｎ）中的很弱解,都属于空间Ｗ１,ｒ２ｌｏｃ（Ω,Ｒｎ）,即：ｆ仍是经典意义下的弱解