长尾现象在序列推荐系统中长期存在,包括长尾用户和长尾项目两个方面。虽然现有许多研究缓解了序列推荐系统中的长尾问题,但大部分只是单方面地关注长尾用户或长尾项目。然而,长尾用户和长尾项目问题常常同时存在,只考虑其中一方会导致...长尾现象在序列推荐系统中长期存在,包括长尾用户和长尾项目两个方面。虽然现有许多研究缓解了序列推荐系统中的长尾问题,但大部分只是单方面地关注长尾用户或长尾项目。然而,长尾用户和长尾项目问题常常同时存在,只考虑其中一方会导致另一方性能不佳,且未关注到长尾用户、长尾项目各自的信息匮乏问题。提出一种利用GRU双分支信息协同增强的长尾推荐模型(long-tail recommendation model utilizing gated recurrent unit dualbranch information collaboration enhancement,LT-GRU),从用户与项目两个方面共同缓解长尾问题,并通过协同增强的方式丰富长尾信息。该模型由长尾用户和长尾项目双分支组成,每个分支分别负责各自的信息处理,并相互训练以充实另一方的信息。同时,引入一种偏好机制,通过演算用户与项目的影响因子,以动态调整用户偏好与项目热度,进一步缓解长尾推荐中信息不足问题。在Amazon系列的6个真实数据集上与6种经典模型进行实验对比,相较于长尾推荐模型中最优的结果,所提模型LT-GRU在HR与NDCG两个指标上分别平均提高2.49%、3.80%。这表明,在不牺牲头部用户和热门项目推荐性能的情况下,有效地缓解了长尾用户和长尾项目问题。展开更多
电池荷电状态(state of charge,SOC)的准确估计近年来成为新能源发展的重中之重,也是电池管理系统(BMS)中最核心的部分。针对改进卡尔曼滤波算法(EKF)与门控循环单元神经网络算法(GRU)的缺陷,提出了一种基于3DGRU-EKF的改进SOC估算算法...电池荷电状态(state of charge,SOC)的准确估计近年来成为新能源发展的重中之重,也是电池管理系统(BMS)中最核心的部分。针对改进卡尔曼滤波算法(EKF)与门控循环单元神经网络算法(GRU)的缺陷,提出了一种基于3DGRU-EKF的改进SOC估算算法。首先使用二阶RC电池等效模型,利用复合脉冲功率特性测试(HPPC)进行电池参数辨识;随后对电池模型进行状态空间方程的建立,并利用EKF算法进行更新迭代来估算电池的SOC,可以得到卡尔曼增益与SOC估算误差;最后将2个量结合HPPC工况下的电压与电流作为3DGRU网络的输入,真实的SOC作为输出来训练神经网络。实验结果表明,提出的3DGRUEKF算法估算SOC的均方根误差(RMSE)与平均绝对误差(MAE)均小于0.5%,具有良好的效果。展开更多
窄路段作为交通场景中不可避免的瓶颈路段,其短时车流量预测对优化路径规划、改善交通状况具有重要意义。针对窄路段的时效性,同时考虑适用模型的准确度,提出一种基于佳点集初始化种群、非线性参数控制及柯西变异扰动的改进鲸鱼优化算法...窄路段作为交通场景中不可避免的瓶颈路段,其短时车流量预测对优化路径规划、改善交通状况具有重要意义。针对窄路段的时效性,同时考虑适用模型的准确度,提出一种基于佳点集初始化种群、非线性参数控制及柯西变异扰动的改进鲸鱼优化算法(IWOA)-门控循环单元(GRU)的窄路短时车流量预测模型,以SUMO(Simulation of Urban Mobility)仿真数据进行了实证研究。对比实验结果显示,IWOA具有较好的全局性、收敛速度且更加稳定。基于IWOA-GRU的窄路短时车流量预测模型,均方根误差(RMSE)指标相较于WOA-GRU、PSO-GRU、长短期记忆神经(LSTM)网络分别降低10.96%、28.71%、42.23%,平均绝对百分比误差(MAPE)指标分别降低13.92%、46.18%、52.83%,有较为显著的准确性和稳定性。展开更多
针对语音和文本情感特征提取不充分,不同模态特征融合效果差等问题,为提高情感识别任务的准确率,提出了一种基于PVTCSE-RBGRU与复合交叉注意力的双模态情感识别模型。首先设计了PVTCSE(Pyramid Vision Transformer-CNN-Squeeze and Exci...针对语音和文本情感特征提取不充分,不同模态特征融合效果差等问题,为提高情感识别任务的准确率,提出了一种基于PVTCSE-RBGRU与复合交叉注意力的双模态情感识别模型。首先设计了PVTCSE(Pyramid Vision Transformer-CNN-Squeeze and Excitation)语音特征编码器,在全局情感特征的基础上进行特征深度处理,兼并局部情感特征并建模特征通道之间的相互依赖关系;接着提出了RBGRU(RoBERTa-BGRU)文本特征编码器,并行处理序列的同时加强文本特征的情感信息表达,充分考虑文本的上下文依赖关系;然后通过复合交叉注意力融合语音文本特征,对模态内部和模态之间的情感关系进行建模,改善了不同模态特征的异质性。在IEMOCAP数据集上的情感识别精度可达76.40%,表明了所提出模型在情感识别任务上的有效性。展开更多
文摘长尾现象在序列推荐系统中长期存在,包括长尾用户和长尾项目两个方面。虽然现有许多研究缓解了序列推荐系统中的长尾问题,但大部分只是单方面地关注长尾用户或长尾项目。然而,长尾用户和长尾项目问题常常同时存在,只考虑其中一方会导致另一方性能不佳,且未关注到长尾用户、长尾项目各自的信息匮乏问题。提出一种利用GRU双分支信息协同增强的长尾推荐模型(long-tail recommendation model utilizing gated recurrent unit dualbranch information collaboration enhancement,LT-GRU),从用户与项目两个方面共同缓解长尾问题,并通过协同增强的方式丰富长尾信息。该模型由长尾用户和长尾项目双分支组成,每个分支分别负责各自的信息处理,并相互训练以充实另一方的信息。同时,引入一种偏好机制,通过演算用户与项目的影响因子,以动态调整用户偏好与项目热度,进一步缓解长尾推荐中信息不足问题。在Amazon系列的6个真实数据集上与6种经典模型进行实验对比,相较于长尾推荐模型中最优的结果,所提模型LT-GRU在HR与NDCG两个指标上分别平均提高2.49%、3.80%。这表明,在不牺牲头部用户和热门项目推荐性能的情况下,有效地缓解了长尾用户和长尾项目问题。
文摘电池荷电状态(state of charge,SOC)的准确估计近年来成为新能源发展的重中之重,也是电池管理系统(BMS)中最核心的部分。针对改进卡尔曼滤波算法(EKF)与门控循环单元神经网络算法(GRU)的缺陷,提出了一种基于3DGRU-EKF的改进SOC估算算法。首先使用二阶RC电池等效模型,利用复合脉冲功率特性测试(HPPC)进行电池参数辨识;随后对电池模型进行状态空间方程的建立,并利用EKF算法进行更新迭代来估算电池的SOC,可以得到卡尔曼增益与SOC估算误差;最后将2个量结合HPPC工况下的电压与电流作为3DGRU网络的输入,真实的SOC作为输出来训练神经网络。实验结果表明,提出的3DGRUEKF算法估算SOC的均方根误差(RMSE)与平均绝对误差(MAE)均小于0.5%,具有良好的效果。
文摘窄路段作为交通场景中不可避免的瓶颈路段,其短时车流量预测对优化路径规划、改善交通状况具有重要意义。针对窄路段的时效性,同时考虑适用模型的准确度,提出一种基于佳点集初始化种群、非线性参数控制及柯西变异扰动的改进鲸鱼优化算法(IWOA)-门控循环单元(GRU)的窄路短时车流量预测模型,以SUMO(Simulation of Urban Mobility)仿真数据进行了实证研究。对比实验结果显示,IWOA具有较好的全局性、收敛速度且更加稳定。基于IWOA-GRU的窄路短时车流量预测模型,均方根误差(RMSE)指标相较于WOA-GRU、PSO-GRU、长短期记忆神经(LSTM)网络分别降低10.96%、28.71%、42.23%,平均绝对百分比误差(MAPE)指标分别降低13.92%、46.18%、52.83%,有较为显著的准确性和稳定性。
文摘针对语音和文本情感特征提取不充分,不同模态特征融合效果差等问题,为提高情感识别任务的准确率,提出了一种基于PVTCSE-RBGRU与复合交叉注意力的双模态情感识别模型。首先设计了PVTCSE(Pyramid Vision Transformer-CNN-Squeeze and Excitation)语音特征编码器,在全局情感特征的基础上进行特征深度处理,兼并局部情感特征并建模特征通道之间的相互依赖关系;接着提出了RBGRU(RoBERTa-BGRU)文本特征编码器,并行处理序列的同时加强文本特征的情感信息表达,充分考虑文本的上下文依赖关系;然后通过复合交叉注意力融合语音文本特征,对模态内部和模态之间的情感关系进行建模,改善了不同模态特征的异质性。在IEMOCAP数据集上的情感识别精度可达76.40%,表明了所提出模型在情感识别任务上的有效性。
