激活函数在卷积神经网络中的对比研究

近年,深度学习的快速发展致使越来越多的人从事相关的研究工作.但是,许多研究者在搭建深度神经网络模型时只是根据标准算法或改进算法直接搭建,而对算法本身及影响模型性能的因素不甚了解,致使在许多应用中或多或少存在盲目套用现象.通过研究深度神经网络,选择其中的重要影响因素激活函数进行深入研究.首先,分析了激活函数如何影响深度神经网络;接着对激活函数的发展现状及不同激活函数的原理性能进行了分析总结;最后,基于Caffe框架用CNN对Mnist数据集进行分类识别实验,对5种常用激活函数进行综合分析比较,为设计深度神经网络模型时选用激活函数提供参考.     

通信网告警加权关联规则挖掘算法的研究

关联规则挖掘算法是通信网告警相关性分析中的重要方法。在处理数量庞大的告警数据库时,算法的效率显得至关重要,而经典的FP-growth算法会产生大量的条件模式树,加权算法MINWAL (O)则需要多次扫描数据库,使得在通信网环境下挖掘关联规则的难度非常大。该文提出了一种高效的基于加权频繁模式树的通信网告警关联规则挖掘算法,算法性能测试表明,该算法与已有的加权关联规则挖掘算法相比较,节约了大量的存储空间,提高了算法的挖掘速度,对通信网的故障诊断和故障定位有着积极的意义。     

低温下DAT-IAT 工艺污水处理厂活性污泥培养驯化

目的解决大型DAT—IAT工艺的污水处理厂低温条件下的污泥培养驯化和启动调试．方法在反应器水温11～13℃的低温不利条件下，采用连续流方法成功地进行了活性污泥培养驯化和启动调试．结果培养驯化周期30d左右，活性污泥絮体基本形成．水中污染物去除率分别为BOD5 77．6％～95．2％；CODCr 29．5％～86．3％；SS64．7％～91．5％；NH3-N90％；TP64．7％～67．6％．各项出水水质和能耗等指标达到或优于设计目标．结论采用连续流方法可在低温条件下完成DAT—IAT污水处理工艺活性的污泥培养驯化．     

我国城镇供水水质安全面临的问题与保障对策

从生活饮用水水质安全的角度 ,评价了我国城镇供水水质安全的现状 ,分析了城镇供水水质安全所面临的各种挑战 ,探讨了影响水质安全的主要问题 ,并提出城镇供水水质安全保障对策和技术措施     

基于多维度上下文和双聚类的个性化推荐算法

随着数据的爆炸式增长,推荐系统中传统的协同过滤推荐算法出现了难以处理稀疏数据和准确率降低的问题.对此,提出一种基于多维度上下文和双聚类的个性化推荐算法(MCB).该算法采用K-means聚类方法分别对用户和项目进行双聚类,并在传统的项目评分预测算法上进行改进,提出一种多维度的个性化评分预测(MPRP)算法.MPRP算法...     

稀疏贝叶斯方法在通信告警序列预测中的应用研究*

针对通信网告警中预示重大故障的告警数量少、不适合用传统预测方法的特点,提出了一种基于稀疏贝叶斯的通信告警序列预测方法（PBM）,并与支持向量机（SVM）预测方法进行了比较。实验结果表明,PBM方法非常适用于小样本的通信告警预测,其不仅具有SVM的预测性能,而且在样本数目增加时的预测误差率要小于SVM,具有非常好的预测精度。     

辽宁城镇供水水质安全面临的挑战与保障对策

分析辽宁城镇供水水质安全存在的问题，指出了辽宁城镇供水水质安全面临的主要威胁因素；水资源短缺与过量开发，水源受到污染与水源水质较差，落后的净水工艺和水质二次污染；影响供水水质安全的主要水源水质问题有：有机污染物，消毒副产物，病源微生物，氨氮和高含量铁锰物质；提出了城镇供水水质安全保障对策；加强水污染控制，保护水源安全；采用先进适用的安全优质水处理技术，替代传统落后,改造现有给水处理工艺和设备；强化输送蓄贮处理中的二次污染控制，保障用水点水质安全；建立城镇供水水质安全监测体系。     

CAST工艺在阜新啤酒厂生产废水处理中的应用

以阜新啤酒厂生产废水处理工程为例,介绍和总结了应用CAST法处理啤酒废水方案选择的依据、工艺流程、主要设计参数和实际处理效果.实践结果表明,工艺系统处理效果稳定,可达到排放标准;投资较低,运行费用较少.平均出水水质:CODCr25～86mg/L,去除率96%～98%;BOD521～25mg/L,去除率97%～98%;SS52～64mg/L,去除率88%～92%.每m3废水总投资1100元,运行成本0 56元/m3.CAST工艺为处理啤酒生产废水及其他中等浓度有机废水提供了一条新的技术途径.     

通信网告警相关性分析中有效的关联规则挖掘算法

关联规则挖掘算法是通信网告警相关性分析中的重要方法。在处理数量庞大的告警数据库时,算法的效率显得至关重要,而经典的FP-growth算法会产生大量的条件模式树,使得在通信网环境下挖掘关联规则的难度非常大。针对上述问题,提出了一种基于分层频繁模式树的LFPTDP算法,采用分层模式树的方法产生频繁项集,从而避免了产生大量的条件模式树,并用动态剪枝的方法删除大量的非频繁项。算法分析及仿真表明,LFPTDP算法具有较好的时间和空间效率,是一种适合于通信网告警相关性分析的关联规则挖掘算法。