1058021RV減速器編碼器綜合性能檢測(cè)DFS60E-T5AL00720薦系統(tǒng)是解決信息過(guò)載的有效方法,在過(guò)去二十多年里,研究人員不斷提出新的推薦算法和相關(guān)技術(shù),使得推薦系統(tǒng)得到了長(zhǎng)足的發(fā)展。但是就目前來(lái)看,推薦系統(tǒng)相關(guān)技術(shù)的研究仍有很多問(wèn)題和挑戰(zhàn)亟需解決。本論文針對(duì)現(xiàn)有推薦系統(tǒng)方法對(duì)輔助信息的利用和特征提取、多源輔助信息的融合等問(wèn)題展開(kāi)研究,重點(diǎn)聚焦于如何高效地提取輔助信息特征以及如何處理多源輔助信息融合問(wèn)題。論文的主要的研究工作如下:（1）針對(duì)輔助信息特征的高效提取問(wèn)題,本文提出一種基于半自動(dòng)編碼器的協(xié)同過(guò)濾推薦算法。算法利用半自動(dòng)編碼器（Semi-Autoencoder）提取用戶(hù)和物品的輔助信息特征,并將提取出來(lái)的特征通過(guò)映射矩陣分別映射到矩陣分解模型的用戶(hù)和物品的隱含向量上,實(shí)現(xiàn)特征提取與矩陣分解模型聯(lián)合學(xué)習(xí),充分發(fā)揮輔助信息對(duì)矩陣分解模型的補(bǔ)充作用。實(shí)驗(yàn)結(jié)果表明本文提出的模型的推薦效果取得了有效的提升,驗(yàn)證了半自動(dòng)編碼器提取輔助信息特征的有效性。（2）針對(duì)多源輔助信息特征融合問(wèn)題,本文提出了一種融合交互歷史和輔助信息的深度協(xié)同過(guò)濾方法。將用戶(hù)和物品的交互歷史當(dāng)做一種輔助信息,使用深層降噪自編碼器提取用戶(hù)和物品的輔助信息特征,并把多種提取出來(lái)的輔助信息特征當(dāng)作本文設(shè)計(jì)的特征融合網(wǎng)絡(luò)的輸入,輸出多種輔助信息融合后的特征。設(shè)計(jì)這個(gè)融合網(wǎng)絡(luò)的目的是將多種輔助信息特征映射到同一特征空間下,解決了多源輔助信息的融合問(wèn)題。實(shí)驗(yàn)結(jié)果也表明本文提出的模型在有融合網(wǎng)絡(luò)時(shí)的推薦準(zhǔn)確性要比沒(méi)有融合網(wǎng)絡(luò)時(shí)好,、嵌入容量和隱寫(xiě)安全性或水印魯棒性、水印圖像質(zhì)量等方面存在不足。因此針對(duì)上述問(wèn)題,本文的主要研究?jī)?nèi)容包括:首先,提出了一種基于生成對(duì)抗網(wǎng)絡(luò)的新型端到端隱寫(xiě)模型IIH-GAN（Image Information Hiding-GAN）。設(shè)計(jì)基于SE-Res Net塊的編碼器和,通過(guò)優(yōu)化網(wǎng)絡(luò)通道之間的相互依賴(lài)性及提高全局特征自動(dòng)選擇的能力,實(shí)現(xiàn)更加準(zhǔn)確、高質(zhì)量的信息嵌入和提取;并通過(guò)判別器與編碼器-的對(duì)抗訓(xùn)練,保持載體圖像的分布不改變,提高隱寫(xiě)對(duì)抗安全性。為解決對(duì)真實(shí)場(chǎng)景中的真實(shí)圖像進(jìn)行解碼的問(wèn)題,我們?cè)诰幋a器和之間添加了一個(gè)四舍五入層。為了彌補(bǔ)基于生成對(duì)抗網(wǎng)絡(luò)的隱寫(xiě)在抵抗目前強(qiáng)大的基于深度學(xué)習(xí)的隱寫(xiě)分析算法檢測(cè)的不足,我們將對(duì)抗樣本添加到基于生成對(duì)抗網(wǎng)絡(luò)的隱寫(xiě)模型中。其次,提出了一種基于生成對(duì)抗網(wǎng)絡(luò)的新型端到端魯棒盲水印模型器以及用于抵抗噪聲攻擊的可微分噪聲層,判別器用于保持水印圖像的不可見(jiàn)性?；诰幋a器,以及判別器和可微分噪聲層的聯(lián)合訓(xùn)練使得水印的魯棒性大大提高,能夠抵抗各種不同類(lèi)型以及強(qiáng)度的噪聲攻擊。在噪聲層中,本文考慮了豐富多樣的噪聲攻擊類(lèi)型以及高強(qiáng)度的噪聲攻擊。對(duì)于不可微分的JPEG壓縮噪聲,提出了一種新型的可微分網(wǎng)絡(luò)層進(jìn)行模擬。后,實(shí)驗(yàn)結(jié)果證明所設(shè)計(jì)隱寫(xiě)模型IIH-GAN相對(duì)當(dāng)前方法在性能方面具有較大改善;并且當(dāng)添加對(duì)抗樣本時(shí),本文算法被基于深度學(xué)習(xí)的高級(jí)隱寫(xiě)分析模型檢測(cè)出來(lái)的準(zhǔn)確率從97.43%降低到49.29%,從而提高了隱寫(xiě)安全性。相對(duì)于當(dāng)前基于深度學(xué)習(xí)的水印方法,不管是針對(duì)單一噪聲還是復(fù)合噪聲,以及在抵抗高強(qiáng)度噪聲攻擊時(shí),我們提出的IRBW-GAN模型在提升水印嵌入容量的同時(shí)顯著提升了水印圖像質(zhì)量以及水印提取正確率。我們模擬的JPEG壓縮網(wǎng)絡(luò)層更接近真實(shí)的JPEG壓縮,從而能夠?qū)崿F(xiàn)更好的抵御圖像壓縮方面的魯棒性。

1058021RV減速器編碼器綜合性能檢測(cè)DFS60E-T5AL00720比單個(gè)運(yùn)動(dòng)機(jī)構(gòu)的移動(dòng)機(jī)器人有更高的性能,其具有較高的穩(wěn)定性,可適應(yīng)復(fù)雜的外部環(huán)境,本文所設(shè)計(jì)的六腿滾動(dòng)式奔跑機(jī)器人是一種輪式腿型的復(fù)合式機(jī)器人,但其奔跑運(yùn)動(dòng)是交替支撐和彈跳飛行的過(guò)程,可以將其視作雙足仿生機(jī)器人的奔跑運(yùn)動(dòng)。本文以經(jīng)典的彈簧負(fù)載倒立擺為簡(jiǎn)化依據(jù),將多自由度、復(fù)雜的機(jī)器人系統(tǒng)解耦為俯仰和橫滾兩個(gè)方向上的運(yùn)動(dòng),用拉格朗日法分別建立動(dòng)力學(xué)模型,并在兩個(gè)運(yùn)動(dòng)方向上的平衡點(diǎn)處對(duì)其進(jìn)行了線性化,之后轉(zhuǎn)化為狀態(tài)空間方程,對(duì)兩個(gè)標(biāo)稱(chēng)系統(tǒng)進(jìn)行了可控可觀性分析。針對(duì)欠驅(qū)動(dòng)六腿滾動(dòng)式奔跑機(jī)器人的控制問(wèn)題,考慮存在外部干擾和模型參數(shù)不確定的影響,基于動(dòng)力學(xué)模型,在機(jī)器人俯仰和橫滾兩個(gè)方向上分別提出了魯棒H∞和滑模變結(jié)構(gòu)的控制策略。針對(duì)機(jī)器人在運(yùn)動(dòng)過(guò)程中彈性腿的長(zhǎng)度變化情況,在俯仰方向上設(shè)計(jì)了魯棒H∞制器用以補(bǔ)償機(jī)器人模型中的參數(shù)不確定性,在橫滾方向上設(shè)計(jì)滑模變結(jié)構(gòu)控制器以提高機(jī)器人的快速響應(yīng),通過(guò)MATLAB進(jìn)行仿真驗(yàn)證,結(jié)果表明所設(shè)計(jì)的控制器可對(duì)外部干擾進(jìn)行有效抑制。為進(jìn)一步對(duì)所設(shè)計(jì)的控制器進(jìn)行性能分析傳感器、伺服驅(qū)動(dòng)器和伺服直流電機(jī),完成了上位機(jī)的調(diào)試和下位機(jī)軟件的編寫(xiě),提出了控制系統(tǒng)總體設(shè)計(jì)方案,包括系統(tǒng)外設(shè)初始化,MPU6050初始化、姿態(tài)信息的讀取和編碼器脈沖的讀取,運(yùn)用C代碼編寫(xiě)了所設(shè)計(jì)的控制算法,并在硬件平臺(tái)上進(jìn)行了驗(yàn)證。