基于时空循环神经网络的下一个兴趣点推荐方法

来源 :智能系统学报 | 被引量 : 0次 | 上传用户:lich1234554321
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
下一个兴趣点推荐已经成为基于位置的社交网络(location-based social networks,LBSNs)中一个重要任务。现有的模型没有深入考虑相邻签到兴趣点之间的转移时空信息,无法对用户访问下一个兴趣点的长短时间偏好和远近距离偏好进行有效建模。本文通过对循环神经网络(recurrent neural network,RNN)进行扩展,提出一个新的基于会话的时空循环神经网络模型(sesson-based spatial-temporal recurrent neural network,SST
其他文献
摘 要:国槐抗旱能力强、适应范围广,近些年在辽西地区得到了较快的推广应用。该文结合辽西地区实际,对国槐育苗与种植管理技术进行了总结,包括育苗、移栽、抚育管理、病虫害防治等,以供参考。  关键词:国槐;高效;育苗;种植  中图分类号 S79 文獻标识码 A 文章编号 1007-7731(2021)15-0087-02  国槐(Sophora japonica L.),又被称为豆槐、槐花木等,是
深入分析了三坐标雷达测高性能影响因素,提出测高精细化处理的定义及技术框架,从“精细化测高技术状态调整”“精细化测高算法应用及点航迹处理”“精细化测高误差修正”“精
摘 要:选用18个杂交粳稻新品种,采用钵苗机插方式进行种植,通过调查分析其生育期、产量主要构成因素和田间实际产量等指标,遴选出适宜在庐江县及相近生态区域种植的杂交粳稻品种,以推动杂交粳稻的快速发展。结果表明,嘉优中科3号、嘉优中科6号、春优161这3个品种综合表现突出,适宜在庐江县及相近生态区域进行钵苗机插种植。  关键词:杂交粳稻;新品种;钵苗机插  中图分类号 S511.2+2 文献标识码
摘 要:為了解江西典型天然南方红豆杉(Taxus chinensis var. mairei)种子雨和土壤种子库的特征及时间上的动态变化,在江西省分宜县上村实验林场南方红豆杉天然群落内选取6株结实雌株进行种子雨和土壤种子库调查研究,其中3株进行种子雨调查,共布设60个种子雨收集器,每隔5d调查1次;另4株(重复1株)进行土壤种子库调查,以雌株为中心,在东西南北4个方向上分别设置3个采样点,每个采样
摘 要:为了鉴定、评价水稻新品种在我国华南稻区的丰产性、稳产性、适应性、抗性及米质等性状的表现,为华南稻区水稻新品种推广提供科学依据,于2018年开展了华南稻区晚籼水稻新品种比较试验。结果表明,奇两优1068、晶两优绿丝苗、N两优658等3个品种的产量及综合性状表现突出,适宜在我国华南稻区作晚稻推广种植。  关键词:水稻;新品种;生育期;农艺性状;产量;抗性;米质  中图分类号 S511 文献
摘 要:小龙虾种虾投放与水稻茬口衔接2017—2020年试验结果表明:在控制其他条件基本一致的情况下,在水稻第1次烤田后10~20d投放种虾,可以达到最佳组合效果。水稻第1次烤田后10d投放种虾,小龙虾多田平均单产1643.21kg/hm2;水稻第1次烤田后20d投放种虾,小龙虾平均单产1640.70kg/hm2;水稻第1次烤田前10、5d投放种虾,小龙虾平均单产分别为922.35、472.35k
针对图像生成过程中由于物体运动或相机抖动产生的运动模糊问题,提出了利用残差密集网络的运动模糊图像复原方法。设计对抗网络结构,以残差密集网络为生成器,通过长短连接实现不同层次特征的融合,生成复原图像,以深度卷积网络为判别器,判断图像真伪,在生成器和判别器的对抗中提高网络性能;采用对抗损失和内容损失结合的损失函数,提高网络的复原效果;以端到端的方式,省略模糊核的估计过程,输入模糊图像直接获取复原图像。
摘 要:2019—2020年度通过对油菜新品种机械化生产试验示范,观察新品种的适机性状,比较其产量和抗性,以筛选出适应机械化生产的油菜新品种。结果表明:浙油杂1403、徽优098、越油518和宁R101等4个品种,分别较对照秦优10号(CK1)增产83.49%、63.19%、38.35%和34.23%;较对照沣油737(CK2)增产57.98%、40.51%、19.12%和15.57%。示范结果显
本文主要研究了基于迁移学习的无监督跨域人脸表情识别。在过去的几年里,提出的许多方法在人脸表情识别方面取得了令人满意的识别效果。但这些方法通常认为训练和测试数据来自同一个数据集,因此其具有相同的分布。而在实际应用中,这一假设通常并不成立,特别当训练集和测试集来自不同的数据集时,即跨域人脸表情识别问题。为了解决这一问题,本文提出将一种基于联合分布对齐的迁移学习方法 (domain align lear
室内自主喷涂机器人可以实现室内墙面喷涂的自动化以此提升喷涂的效率,减少人力物力的投入。而基于计算机视觉的室内窗户检测算法则是该机器人的关键技术。对于室内窗户检测,由于环境光照、窗户形状和窗户透光属性的存在,传统方法无法得到较好的效果。针对此问题,设计一种基于深度学习的室内窗户检测算法。该算法主要对中心点网络(CenterNet)的特征提取网络进行修改,减少部分卷积操作,使用Ghost模块替换原始的