论文部分内容阅读
基于空间-时间-状态网络的上门取送服务设计
【出 处】
：
东南大学
【发表日期】
：
2021年01期
其他文献
随着互联网的普及,来自新闻、博客、社交网络等媒体的文档爆炸增长,从中发现特定信息的需求因而日益强烈。对于大规模文本,主题模型可以自动地发现其中的关键主题,从而成为一种有效的组织、探索和理解信息的方式。近年来,神经网络的发展为主题建模提供了灵活的学习框架。因此,基于神经网络的主题模型（又称神经主题模型）引起了广泛的关注。然而,现有的神经主题模型依然面临许多挑战,如无法在主题推断过程中利用文档间关系、
近年来,IEEE 802.11 WLAN技术快速发展并广泛部署于家庭、校园、企业园区、机场等诸多场景,为用户终端设备提供高速率的无线连接。随着终端设备数量的爆炸式增长以及互联网应用的日益丰富,大多公共场所的WLAN网络呈现出用户密集的态势。在用户密集环境下,由于频谱信道资源有限,增量部署AP并不能有效提升网络容量,且用户间的信道争用更为激烈,传统的关联控制机制使得终端选择信号强度最高的AP进行接入
核方法是人工智能领域中卓有成效的统计学习技术,是改善学习器解决非线性问题能力的关键方法。但近年来,随着机器学习快速发展,经典核已难满足愈加苛刻的拟合和泛化性能需求,甚至无法有效利用。已有理论和实验研究表明其核心瓶颈在于局部性限制与计算效能低下。而新兴的谱核与深度核分别从映射性质与复合架构两方面,各自尝试突破局部性和计算效能的问题,对核方法的进一步发展提供启发性思考。然而,目前业界对谱核和深度核的研