一种协同过滤物品推荐方法，包括以下步骤：步骤1：建立m×n用户‑物品评分矩阵A，m为用户数量，n为物品数量；步骤2：学习n×n物品‑物品相似度矩阵W；步骤3：将矩阵W分解为矩阵P和矩阵Q；步骤4：根据如下公式预测用户u对物品j的评分；步骤5：使用训练集训练模型，然后在测试集上检验推荐的准确度。本发明能够克服稀疏性问题，并更准确地为用户推荐物品。

一种基于非授权(Grant‑Free)的导频随机接入方案，大规模MIMO系统的Grant‑Free导频随机接入方案省略了用户(UE)与基站(BS)之间的握手过程，允许用户直接在可用时频资源块上传输导频序列和数据信息，减小了传输时延和信令开销，但也存在难以检测用户数和估计用户与基站之间信道信息的问题。本发明让每个用户在多个时隙上的相同导频资源块上分别随机选择一个导频序列；基站接收到所有用户的导频序列和数据信息后，利用大规模MIMO系统的信道正交特性，使用迭代干扰消除算法(SIC)；可以成功计算出用户数和用户与基站之间的估计信道信息。本发明利用Matlab对上述过程进行模拟仿真，仿真结果表明该方案用较高检测用户成功检测率和较低用户估计信道误差。本发明对未来5G通信领域具有一定的应用价值。

一种基于人脸和姿态识别的口罩佩戴情况监测方法，包括以下步骤：步骤1：获取监控视频；步骤2：对视频数据中的图像进行人脸检测，检测图像中是否存在人脸；步骤3：若图像中存在人脸，则对人脸进行识别并进行身份认证，确定人脸所对应的目标身份，若无法确定所有目标身份则回到步骤1；步骤4：对检测得到的人脸区域进行口罩检测，检测目标是否佩戴口罩以及是否正确佩戴口罩；步骤5：若目标没有佩戴口罩或没有正确佩戴口罩，则对目标发出提醒；步骤6：对目标进行姿态检测，若手部触碰口、鼻区域，则对目标发出提醒，反之继续进行姿态检测。本发明能够自动监测并提醒人员佩戴口罩的情况，并纠正佩戴口罩时的不良习惯。

一种基于深度学习的人体行为预测方法，通过视频图像的帧序列，处理视频场景，之后系统进行上下文感知和动作感知，并利用场景中丰富的语义特征进行编码，最后通过系统获得的视觉信息来预测人体行为，包括了未来动作的类型以及活动的路径。该预测方法使用了深度学习网络的方法来处理视频中所含有的丰富的视觉信息，同时可以实现动作类型的预测以及活动路径的预测。该方法使用到了几个联合模型，提高了视频分析能力，从而提高了行为预测的准确率和效率，实现了智能化个性服务，尤其是在安全领域的应用可以降低事故发生率。

一种基于功率退避的mMTC非正交随机接入方法，为解决大规模机器类通信(massive Machine Type Communications,mMTC)中冲突碰撞率高、接入吞吐量低等问题，根据设备定时提前(Timing Advance,TA)信息进行mMTC设备分组，基站利用不同设备组TA信息的差异来区分选择相同前导码设并利用迭代干扰消除(Successive Interference Cancellation,SIC)检测设备数据信息，进而满足mMTC场景的海量接入需求，本发明能够显著提升成功接入设备数。

一种基于大规模MIMO的随机接入方法，包括如下步骤：1.用户选择随机接入块并向基站发送随机接入请求；2.基站端估计给定一个时域资源内的用户数，并估计每一个用户的定时偏移和频域码识别；3.使用得到的参数进行信道相应估计；4.判断用户是否需要重传，记录重传的用户，重传用户重新发起随机接入请求；5.进行第二次信道相应估计，记录成功请求的用户数；6.随机接入结束。本发明在考虑频率误差和时间误差的情况下，在一定程度上改善了现有方法在估计用户数方面受到频域资源数N的限制的问题，在估计用户的时间误差和信道信息方面也有了很大的改善。

一种提高协同过滤模型稳定性的方法，由于产品的视觉外观对消费者的抉择有着越来越重要的影响，产品视觉特征在推荐中越来越受到关注。利用新的网络结构BDN(Brain‑inspired Deep Network)提取的美学特征相较于从传统卷积神经网络提取用来表示图像的CNN特征，对于推荐系统能起到更好的推荐效果。但并未有学者研究过美学特征对于推荐算法鲁棒性的影响，因此本发明中我们主要就随时间变化的美学因子是否会影响模型的鲁棒性展开。我们通过对模型动态美学因子嵌入式矩阵加对抗性扰动发现其会使模型鲁棒性下降，在此前提下，采用对模型进行对抗性训练的方式进行改善，增强了原有模型的鲁棒性和泛化能力。

一种增强协同推荐系统鲁棒性的算法，随着用户生成的内容平台的日益普及，大量的用户行为数据不断地以不断增加的规模生成。研究具有流数据输入的推荐系统是很重要的。一方面，必须克服用户生成的内容推荐系统挑战，例如处理大型稀疏数据集。另一方面，存在一些新的挑战，例如需要基于三元动力学对内容进行建模。用户生成内容推荐的最新进展侧重于探索消费者，项目及其生产者之间的三元关系，以提高推荐绩效。然而，迄今为止，还没有努力研究用户生成的内容表示的稳定性及其对推荐性能的影响。本发明中提出了一种名为“消费者和生产者推荐的对抗性训练”的新颖解决方案，这是一种用对抗性训练使模型更健壮，更通用的推荐系统。

一种改进的天牛须搜索算法求解非正交随机接入(Non‑Othogonal Multiple Access,NOMA)最优吞吐量的方法，利用粒子群算法对天牛须搜索算法进行改进，来获得最优的功率退避因子，使每个资源块的能够成功接入的设备数最大，进而提高设备的总吞吐量。本发明平衡了群体极值和个体极值关系，解决了粒子群算法个体收敛慢的问题，也克服了天牛须搜索算法陷入局部极值的局限性。本发明被首次应用在基于功率退避的非正交随机接入领域，可以有效得提升接入的吞吐量。

本发明公开了一种刚性拉杆瞬时破断试验装置，包括左侧连接件、右侧连接件、破断体和初始夹紧装置；在所述破断体的两端分别连接所述左侧连接件和右侧连接件；所述初始夹紧装置用于在初始状态下夹紧所述破断体；其特征在于，所述左侧连接件包括第一刚性连接部、第二刚性连接部以及第一柔性连接部，所述第一柔性连接部连接在第一刚性连接部与第二刚性连接部之间；所述右侧连接件包括第三刚性连接部、第四刚性连接部以及第二柔性连接部，所述第二柔性连接部连接在第三刚性连接部与第四刚性连接部之间。本发明可用以模拟建筑结构连续倒塌试验中刚性拉杆的瞬时断裂，可提高模拟建筑结构倒塌试验精度。