针对通信组网对抗中干扰资源分配的优化问题,提出了一种基于最大策略熵深度强化学习(MPEDRL)的干扰资源分配方法.该方法将深度强化学习思想引入到通信对抗干扰资源分配领域,并通过加入最大策略熵准则且自适应调整熵系数,以增强策略探索性加速收敛至全局最优.该方法将干扰资源分配建模为马尔可夫决策过程,通过建立干扰策略网络输出分配方案,构建剪枝孪生结构的干扰效果评估网络完成方案效能评估,以策略熵最大化和累积干扰效能最大化为目标训练策略网络和评估网络,决策干扰资源最优分配方案.仿真结果表明,所提出的方法能有效解决组网
RippleNet对用户偏好传播进行建模,并运用在推荐系统中,取得了良好的效果,但RippleNet没有考虑知识图谱中的实体权重,导致推荐的实体不够精确.提出了一种加入复杂网络节点影响力的Cn?RippleNet模型,在构建基于知识图谱的复杂网络之后,抽取其最大子网模型,计算图谱网络中节点影响力,并将其作为实体的权重添加至图谱实体中,最终计算出推荐结果.实验结果表明,该方法将RippleNet的AUC和ACC的值提高到了93.0％和85.6％,弥补了RippleNet没有考虑图谱实体影响力的问题,使推荐结
在桥梁拆除中,拱桥相比其他桥型更容易发生失稳破坏,施工存在很大难度和安全风险.文章结合拆桥工程实例,阐述大跨度双曲拱桥上部孔跨结构拆除的技术方法,通过选择合理的方案,既实现高效、安全的施工需要,又有效降低对周边环境的影响,节省工程费用.以期为类似工程提供参考.