简介：摘要：建筑管理是一个复杂的系统工程，包括施工、维护、运营等多个环节，需要大量的数据进行分析和处理。人工神经网络是一种模仿人类神经系统的计算模型，可以对大量数据进行学习和处理，因此在建筑管理中有着广泛的应用。本文主要介绍了人工神经网络的基本原理和应用方法，探讨了人工神经网络在建筑管理中的应用前景和优势。研究结果表明，人工神经网络可以有效地解决建筑管理中的问题，提高建筑管理的效率和质量，具有重要的应用价值。

简介：摘要：混凝土搅拌状态总是随着时间在不断变化，及时准确的判断目前混凝土搅拌罐是否处于关闭、搅拌和空仓状态，可以极大的节约计算机资源，减少资源损耗。本文基于卷积神经网络技术对混凝土搅拌状态进行识别，并从图像输入尺寸、激活函数和学习率三个方法选取最佳参数配置。实验证明，该方法具有直观性、实时性等特点。

简介：摘要：建筑管理是一个复杂的系统工程，包括施工、维护、运营等多个环节，需要大量的数据进行分析和处理。人工神经网络是一种模仿人类神经系统的计算模型，可以对大量数据进行学习和处理，因此在建筑管理中有着广泛的应用。本文主要介绍了人工神经网络的基本原理和应用方法，探讨了人工神经网络在建筑管理中的应用前景和优势。研究结果表明，人工神经网络可以有效地解决建筑管理中的问题，提高建筑管理的效率和质量，具有重要的应用价值。

简介：

简介：摘要：随着人工智能技术的迅猛发展，图像识别算法已经成为了许多领域的关键技术。神经网络作为一种强大的模式识别工具，在图像识别任务中发挥着重要作用。随着神经网络模型的不断扩展和复杂化，算法的性能优化成为了一个紧迫的问题。本研究旨在对基于神经网络的图像识别算法进行优化研究，以提高其准确率和效率。介绍神经网络在图像识别中的基本原理和应用场景。将深入探讨当前常用的图像识别神经网络模型，将重点关注神经网络算法优化的方法与技术，损失函数的设计、正则化技术和参数优化等。

简介：摘要：针对深度学习下的图像识别技术，分析图像识别和卷积神经网络的工作原理。通过了对AlexNet模型、ResNet模型、MobileNet卷积模型的学习，总结了三种算法模型的各自特点，实现了深度学习环境的搭建，最后进行实验对比三个模型的分类准确率和训练效率，为深度学习下的图像识别算法研究提供参考。

简介：摘要：随着城市交通复杂度的增加，传统的交通流预测方法已难以满足精准化、个性化的交通需求。为此，本文提出了一种基于神经网络的交通流预测模型。在模型设计过程中，考虑到交通流量具有显著的时间序列特性，采用深度学习中的长短期记忆网络（LSTM）进行建模。研究结果表明，与传统方法相比，神经网络模型在准确率和稳定性方面有显著提升。模型不仅能预测整体的交通流量变化趋势，也能准确预测具体路段和时间段的交通流量。此研究为城市交通规划和精细化管理提供了新的技术方案和理论依据，对解决城市交通拥堵问题具有积极的实践意义。

简介：摘要：研究了一种用神经网络的方法搭建滚珠丝杆的模型，基于对滚珠丝杆原理的分析和抽象，简化并形成四阶丝杆台模型，并通过激光位移传感器提供实测数据并训练模型，利用matlab/simulink环境下进行仿真实验，并以此模型来预测不同输入下的输出数据是否符合实际，从实验对比结果来看，理论与实际基本吻合，验证了该丝杆模型的可行性，为后续对接伺服系统进行应用研究奠定基础。

简介：摘要：传统的交通控制系统在应对复杂、动态的交通流中显示出局限性，急需一种更加智能化的解决方案。而神经网络技术作为人工智能领域的一个重要分支，以其出色的数据处理和模式识别能力，为创新交通控制系统提供了新的可能性。通过利用神经网络对交通数据进行实时分析和预测，可以显著提高交通系统的响应速度和调控精度。因此，本研究旨在设计一种基于神经网络的智能交通控制系统，以期提高交通效率，减少拥堵，优化城市交通流。

简介：摘要：在基于神经网络方法预测实验快堆一回路钠泵上部轴承温度的研究过程中，发现全连接神经网络虽然预测结果的相对误差较小，但是预测模型的泛化能力不佳，因此提出了通过卷积神经网络提取数据特征的方法，在保证预测模型精度的前提下提升预测模型的泛化能力。最终预测模型的泛化能力得到了有效提升，该预测模型的预测结果可以给操作员及时提供及时的信息，由操纵员根据结果采取正确的操作。

简介：摘要

简介：摘要：随着智能算法的不断发展，BP神经网络也逐渐被应用于图像处理领域。通过不断训练获得能够与实际情况相匹配的网络结构，在通过测试后，可利用BP神经网络对后续图像进行处理，完成自主的运算过程，减少人工参与度。在对目标进行识别的过程中，BP神经网络可大大减少工作量，提高图像处理的效率。

简介：摘要网络优化之中，常用故障诊断。这类诊断途径搭配着TD-LTE架构内的新式体系。这类诊断体系布设了神经网络，建构了精准模型。经过诊断流程应能输出拟定好的辨识结果，设定化解途径，提升原有的智能化水准。按照运行成效来拟定可行的设计，缩减体系负担，降低平日之中的修护耗费。

简介：摘要：计算机网络故障诊断一直是网络管理的关键问题之一。传统方法常常需要经验丰富的网络管理人员来进行问题定位和解决，而基于神经网络的网络故障诊断方法可以通过学习网络故障的模式来实现自动化诊断。下面介绍一种基于神经网络的计算机网络故障诊断方法。首先，收集一定量的网络故障数据，包括了网络故障的类型、发生位置、故障描述等。将这些数据作为训练集，设计一个神经网络模型，对网络故障数据进行监督学习。模型的输入可以是网络设备的日志信息、网络负载信息、网络报文信息等，输出为网络故障的类型和位置。在测试阶段，当网络出现故障时，将网络信息作为输入，经过模型进行预测，得到网络故障的类型和位置。可以通过网络故障的类型和位置来判断故障的严重程度和修复方法，从而提高网络故障的解决效率和准确性。

简介：摘要：船舶通信网络运行过程中的数据资源调度主要由大数据资源调度任务和通信节点资源决定，考虑这两者具有一定的不确定性，由此将导致船舶通信网络工作过程中产生干扰信息，降低船舶通信网络信息传输质量。因此研究一种高效的干扰信息识别方法对于提升船舶通信网络信息传输质量产生重要影响。

简介：结合支持向量机和神经网络各自的优点，提出了一种新颖的自适应支持向量回归神经网络（SVR—NN）．首先，利用支持向量回归方法确定SVR—NN的初始结构和初始化权值，基于支持向量自适应地构造SVR—NN神经网络的隐层节点；然后，使用退火过程的鲁棒学习算法更新网络节点参数和权值．为了验证所提出方法的有效性，给出了自适应SVR-NN应用于非线性动态系统辨识的实例．仿真结果表明，与以前的神经网络方法相比，基于SVR-NN网络的辨识方案能获得相当好的性能，它具有很快的收敛速度．因此，自适应的SVR—NN为非线性系统辨识提供了极有吸引力的新途径．

简介：针对智能车模型,提出了基于机器视觉的神经网络转向控制算法。该算法的输入为一张道路图的黑线位置值,输出为前轮转角。试验结果表明,这种算法能够很好地学习操作员给定的控制策略,具有较好的稳定性和鲁棒性。

简介：染色温度控制系统中存在着严重的非线性、较大的时变性和时滞性,难以用数学方法建立精确的数学模型,用传统的常规控制很难达到较好的控制效果,本文将人工智能中的神经网络控制技术和模糊控制技术结合,采用闭环控制方式实现染色缸染色温度控制.

简介：讨论了一类递归神经网络算法的稳定性问题。给出了增广的Lyapunov-Krasovskii泛函,考虑了更多激活函数的信息。在Lyapunov-Krasovskii导函数中引入了自由权矩阵,降低了保守性,同时结合凸组合理论,处理了时变时滞,得到了以线性矩阵不等式形式的稳定性判定准则,此判定准则易于验证和推广。数值例子和仿真验证了文中方法的可行性。

简介：对神经网络应用于数字水印技术进行了改进,选择了一种DWT变换嵌入算法的BP四层模型作为神经网络的训练模型,它能更好地实现了水印的盲提取。实验结果表明,该算法对常用的图像处理如压缩、低通滤波、加噪、剪切、旋转和缩放等攻击具有较好的鲁棒性和不可见性。