-
题名基于多头注意力机制的残差网络深度学习推荐模型
被引量：3
- 1
-
-
作者
张圆梦
李少波
周鹏
杨明宝
-
机构
贵州大学计算机与科学技术学院
贵州大学贵州省公共大数据国家重点实验室
贵州大学机械工程学院
-
出处
《计算机与数字工程》
2024年第7期1955-1958,1965,共5页
-
文摘
深度学习由于其强大的特征表达能力,在推荐研究领域的应用逐渐广泛。DIN(Deep Interest Network)是一种基于注意力机制和用户兴趣进行推荐的深度学习模型,针对其存在的特征训练完备性较低、推荐精度有待提高的问题,提出一种基于DIN改进的融合多头注意力模块与残差网络的深度学习推荐模型:MHAR-DIN(Multi-Head Attention Residual Deep Interest Network)。利用多头注意力模块基于用户历史行为进行注意力的打分,充分考虑用户的兴趣偏好,并引入残差网络结构将特征越过训练直接接入全连接器,解决过深网络难以训练的问题。在公开数据集MovieLens上与经典深度学习推荐模型的对比实验表明,所提MHAR-DIN模型具有一定有效性和可行性。
-
关键词
多头注意力机制
残差网络
推荐算法
din
深度学习
-
Keywords
multi-head attention mechanism
residual network
recommendation algorithm
din
deep learning
-
分类号
O141.4
[理学—基础数学]
-
-
题名基于深度学习的服装图案刺绣风格化设计探析
- 2
-
-
作者
李圆
陈志豪
张慧
于淼
-
机构
青岛大学纺织服装学院
-
出处
《武汉纺织大学学报》
2023年第5期9-16,共8页
-
基金
国家自然科学基金(52073151)
山东省自然科学基金(ZR2019PEE022)
+2 种基金
中国纺织工业联合会科技指导性项目(2018078)
教育部产学合作协同育人项目(202101102013)
纺织行业智能纺织服装柔性器件重点实验室开放课题(SDHY2106)。
-
文摘
为了将基于深度学习的图像风格迁移技术引入纺织服装中刺绣元素设计领域,拓展刺绣在服装中的创新思路和表现形式,本文利用DIN算法进行服装图案风格迁移处理,将图像风格化处理技术应用到服装图案设计中,对服装图案进行图案刺绣风格化处理,在实现服装图案的刺绣化效果的同时减少人力物力的投入。与基于AdaIN算法的图像风格化处理相比,较好的保留了原图的结构且更显自然,验证了该方法的有效性。研究认为DIN算法在服装图案刺绣风格化处理上具有一定可行性,可利用图像风格迁移技术更好的实现刺绣在服装设计中的应用与研究。
-
关键词
刺绣
风格化
din算法
AdaIN算法
深度学习
-
Keywords
Embroidery
Stylized
din algorithm
AdaIN algorithm
Deep learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
