基于DeepFM的校准游戏推荐系统研究

针对传统推荐模型只能提取低阶特征,不能挖掘高阶组合特征,且推荐结果往往没有考虑到Bias的问题,本文提出一种适用于游戏推荐场景的基于DeepFM的校准游戏推荐方法.此方法充分发挥了DeepFM能够挖掘低阶和高阶特征的能力,利用Steam平台的数据集训练优化模型,并进行了测试验证,同时还运用校准推荐对结果进行去偏得到最后...     

基于深度学习的运动车辆与静止车辆识别

本文提出了一种基于YOLOv3算法的运动车辆与静止车辆的识别方法.其利用卷积神经网络提取运动车辆与静止车辆的特征,对网络的输出层Softmax进行修改,并通过大量实验优化权重模型参数;利用AICITY CHALLENGE数据集制作训练和检测数据库.测试结果表明,改进后的YOLOv3算法能更好地识别多种现实生活场景中的运动车辆与静止车辆,取得了95.55％的mAP与34.7 frame/s的检测速度,具有很好的检测性能与实时性;检测精度达到了98％,足够满足实用需求.