简介：单隐层前向神经网络的学习能力是有限的.特别地,作为分类器,单隐层前向神经网络对于图像的复杂信息和不同图像之间的细节信息很难学习和处理.文章借鉴深度神经网络的思想,将单隐层矩阵输入的神经网络拓展到多隐层神经网络,并采用传统的反向传播算法对其训练并给出学习算法.通过多个数据库的实验对比,结果显示所提出的算法具有良好的效果.

简介：深度学习是人工智能领域发展的一个不可或缺的部分,并且广泛应用于图像识别方面.为了进一步降低宫颈癌细胞图像的识别错误率,本文提出了一种基于卷积神经网络的改进算法.该算法通过搭建卷积神经网络框架,对下采样过程中特征提取阶段的池化模型进行改进,在下采样过程中对池化域内的每个元素分配合适的权值得到下采样特征图.实验结果表明,我们所提出的基于卷积神经网络的改进算法降低了对宫颈癌细胞图像的识别错误率.

简介：行人重识别在视频监控领域是一个非常具有挑战性的问题,不同的摄像头位置角度、光照等因素会使同一行人的图像差异较大.文章提出一种DGD（DomainGuidedDropout）卷积神经网络（CNN）与样本相对距离结合的行人重识别算法：首先,通过卷积神经网络来提取来自多个域的数据中具有一般性及鲁棒性的特征;其次,通过计算各个特征样本之间的相对距离来筛选出更具有一般性及鲁棒性的特征;最后,比较筛选出的特征间的欧氏距离进行重识别.实验结果表明,该算法能够提高行人重识别的效率.

简介：行人检测在智能监控、自动驾驶、辅助驾驶、智能机器人等研究领域有着广泛的应用.传统的行人检测方法大多使用滑动窗口遍历图片的方式,导致计算量大,检测速度受到限制.目前基于深度学习的行人检测方法进入了一个快速的发展阶段,但是还存在例如小尺寸行人漏检等很多问题.现提出基于卷积神经网络的多尺度行人检测方法,分析了增加检测层、并联卷积层与改变卷积核尺寸对行人检测性能的影响.在KITTI数据集上的实验结果表明,该方法可以实现较好的行人检测效果.

简介：人脸关键点定位是计算机视觉的一部分,在人脸识别、人脸表情识别、人脸动作捕捉等工作中有重要的作用.非约束条件下人脸关键点定位,其难点在于人脸关键点位置在复杂环境下呈现非线性变化,影响人脸关键点定位的精准性.现提出基于级联卷积神经网络的人脸关键点定位方法,分析了级联深度模型全局回归阶段多尺度特征融合对人脸关键点定位的影响;同时提出了一种具有可学习参数的人脸关键点定位损失函数.经过大量实验表明,这里提出的人脸关键点定位算法能够有效的提高针对非约束条件下人脸关键点定位精确度.

简介：针对传统交通控制与诱导模型及算法的不足，提出了具有中心协调系统（CCOS）的交通控制与诱导协同模型。利用数据融合技术将历史数据的短时交通预测、交通事件检测结果以及实时交通流数据设计面向交通动态的信息融合，并采用神经网络技术构建基于神经网络的交通控制诱导协同模型，同时对模型的参数进行了确定。。通过典型的路网进行仿真实验和对比分析，实验验证了该模型具有可行性和有效性。

简介：摘要:随着大数据时代的到来和计算机能力的提升，传统的目标检测方法难以处理庞大的图像数据以及无法满足人们对目标检测精度和速度上的要求，而卷积神经网络具有强大的特征学习能力，突破了传统目标检测方法的瓶颈，基于卷积神经网络的图像目标检测技术在诸多领域掀起了新的应用热潮。首先，文中介绍了卷积神经网络在目标检测任务上的优越性；其次，梳理了基于卷积神经网络的图像目标检测在医学、工业、农业领域中的典型应用，并对其中几种典型卷积神经网络的结构进行归纳总结分析；最后，讨论了目标检测的应用方面仍然存在的问题，并对基于卷积神经网络的图像目标检测应用的未来研究发展方向进行展望。

简介：绘画作品的数字化对有效使用绘画资源具有重要意义，传统图像分类方法并未考虑绘画作品主观特性，且大部分特征需要人工提取，存在细节特征丢失等问题．在此提出基于卷积神经网络的绘画图像分类方法，分析了卷积核大小、卷积神经网络结构宽度、训练样本数量对分类结果的影响，以优化网络结构和参数．实验结果表明，该方法对绘画图像分类的有效性，在不同绘画图像数据集的分类实验上也得到了较好的分类结果．

简介：基于起升机构液压系统故障诊断的特点,提出基于故障树的模糊神经网络作为汽车起重机起升机构液压系统故障诊断的方法。该方法利用故障树知识,提取汽车起重机起升机构液压系统故障诊断的输入变量和输出变量,引入模糊逻辑的概念,运用模糊隶属度函数来描述这些的程度,利用共轭梯度优化算法对神经网络进行训练,并通过实例分析,验证了汽车起重机起升机构液压系统模糊神经网络故障诊断的有效性。

简介：在此提出一种改进的深度卷积神经网络模型,该模型通过增加并联卷积层,拓展卷积神经网络宽度实现,有利于提取图像特征,提高网络性能;卷积层中对特征图像采用批量归一化方法进行预处理,加快网络训练.实验结果表明,该模型能更准确地学习宫颈癌细胞图像特征,从而有效降低了分类错误率.

简介：将神经网络运用到动态流量的软测量中,探索解决液压伺服系统中对瞬时动态流量的测试问题是该领域的一个难点和热点问题,该文在概要介绍了神经网络动态流量软测量系统的总体设计和神经网络结构的确定方法之后,重点讨论了神经网络的训练策略,最后通过实验验证了该训练策略的性能.

简介：目的:通过对志愿者观看3D影片之后的脑电信号进行主成分分析,选取最能代表立体视觉疲劳度的主成分,运用BP神经网络对疲劳等级进行建模,提高对疲劳度等级的预测准确度。方法:采集15名志愿者观看五部不同3D影片前后的脑电信号,先对脑电信号进行疲劳度分级并选取特征通道;再对特征通道的脑电信号进行主成分分析选取影响最大的特征主成分,利用BP神经网络进行建模,根据建立的模型对立体视觉引起的疲劳等级进行预测,将预测结果与已知的疲劳等级进行对比。结果:根据文献中的疲劳等级将实验结果分成三个等级;据累计贡献率超过90%选取的前四个主成分建立的预测模型,准确度达95.4%。结论:运用主成分分析和BP神经网络的方法对立体视觉疲劳度进行预测,预测准确度较高,与直接根据脑电特征参数建立模型的方式相比简便和准确,这一方法对立体视觉引起的疲劳度分级及预测提供了新的思路。

简介：针对机动车保有量作为交通系统的一部分所具有的不确定性和趋势性等特点,通过熵权法确定灰色系统理论和广义模糊神经网络的加权系数来建立组合预测模型,对机动车保有量进行预测。经过实例验证,该组合预测模型与单预测模型相比,能够更准确地预测机动车保有量,与实际值符合较好,可以为有关部门的规划提供可靠的数据依据。

简介：摘要：随着社会的发展，我国进入人工智能时代，互联网技术被广泛应用在各个领域中，计算机网络安全也成为影响用户隐私安全和财产安全的关键。计算机网络系统十分复杂，面临着许多安全风险，而随着人工智能的持续发展，计算机网络安全问题逐渐趋于多样化和复杂化，风险系数显著增高。但目前对网络安全风控措施的研究与应用却相对滞后，使计算机网络存在安全隐患。在此背景下，人们需明确计算机网络安全的影响因素，寻找有效的风控措施，以确保计算机网络系统稳定、安全地运行，充分保障用户的信息与财产安全。

简介：近年来随着深度学习技术的引入,基于深度学习的人脸识别算法的性能得到了极大的提升.基于深度学习的人脸识别算法通常需要大规模的人脸数据作为训练集,但是制作一个大规模的人脸识别数据集,需要耗费大量的人力物力.为了在训练数据有限的条件下进一步提高人脸识别算法识别性能,特提出两种训练样本增强的方法：一是基于三维可形变人脸模型,根据单张人脸图像生成其对应的多姿态人脸图像;二是基于人脸关键点检测技术,根据单张人脸图像生成其对应＂戴眼镜＂人脸图像.通过这两种样本增强方法,对有限的训练样本进行扩充,从而有效提升了人脸识别算法的性能.

简介：目前安全气囊已在汽车上得到普遍应用，但其点火算法却没有统一的设计标准。详细论述了设计安全气囊点火算法的理论依据，包括乘员损伤准则、气囊点火条件和点火时刻确定法则。介绍了几种传统的安全气囊点火算法，并对其优缺点进行了对比。着重阐述了几种智能安全气囊点火算法的研究成果和发展前景，指出了安全气囊点火算法未来的发展方向。

简介：采用帝国竞争算法研究某轻型货车车架质量最优化问题。以某轻型货车弯曲和扭转工况为基础，进行有限元静态分析，得到车架最危险工况为扭转工况。以最小化车架质量为目标函数，引入扭转工况中的最大位移和最大应力为约束条件，建立数学模型，运用帝国竞争算法及罚函数法求解车架优化问题。将帝国竞争算法的求解结果与ANSYS零阶优化算法的结果进行比较，帝国竞争算法得到的车架质量更小，体现了较好的全局收敛能力，具有较好的实用价值和适用性。

简介：在目标模型的建立过程中,将积分直方图引入到粒子滤波跟踪框架中,提出了一种快速的颜色直方图计算方法,极大地提高了粒子滤波跟踪算法的实时性。为了进一步提高算法的鲁棒性,引入了一种基于邻域颜色特征的匹配搜索机制,当跟踪精度下降时,能够对跟踪结果进行优化,减小跟踪误差。实验结果表明了该算法的有效性。

简介：降维与分类一直是机器学习的研究热点，在很多领域有着成功的应用．针对基因数据分类存在特征维数过高、冗余数据和高噪声等问题，现提出一种基于ReliefF和自适应粒子群（APSO）优化的混合降维算法．即先通过ReliefF和APSO算法选择特征子集，然后使用超限学习机作为评价函数对基因数据进行分类，最后通过循环迭代得到最优的分类精度．实验证明，混合降维算法与已有的算法相比分类精度更高、更稳定，它适用于基因表达数据降维．

简介：为了避免成像物体在核磁共振成像（magneticresonanceimaging,MRI）系统实际操作中的旋转难题,现提出一种基于径向基函数（radialbasisfunction,RBF）神经网络和微分进化（differentialevolution,DE）思想的磁共振电阻抗成像（magneticresonanceelectricalimpedancetomography,MREIT）算法.该算法只利用单方向磁感应强度,首先RBF神经网络对肺部仿真模型可行域电阻值和仿真计算磁场强度与真实电磁场强度之间的不匹配目标函数建立非线性模型,其次用微分进化算法寻找最优解.通过在二维、三维肺部仿真模型的仿真实验研究.结果表明,该算法在允许的误差范围内可以有效地对病变的肺部组织进行阻抗图像重构,统计结果与基于微分进化思想的MREIT算法相比,明显缩短了计算复杂度与计算时间.