简介:摘要:深度学习是人工智能领域的重要研究方向,TensorFlow是目前流行的深度学习框架。首先对TensorFlow框架及其环境搭建进行了介绍,在Tensorflow框架基础之上实现了U-Net网络模型;然后论述了基于该框架的卷积神经网络模型在脑出血CT图像分割中的应用。
简介:摘 要 航材保障面临着库存积压、库存结构不合理等问题,严重影响了航材保障质量效益。其中原因之一,就是航材消耗规律把握不够准确,在一定程度上影响了航材订货决策的科学性。因此,本文将尝试根据航材的消耗规律运用BP神经网络预测方法建立模型,并通过实例计算预测,验证所建立模型的准确度,对预测结果进行分析评价航材。
简介:摘要:随着自动驾驶技术的发展,红绿灯识别成为了关键的技术之一。本文提出了一种基于神经网络的红绿灯识别方法,该方法采用卷积神经网络和循环神经网络结合的方式对红绿灯进行分类。实验结果表明,本文提出的方法可以有效地识别不同场景下的红绿灯,准确率可以达到90%以上。
简介:针对网络态势感知中的预测精度问题,提出了基于广义径向基函数(RBF)神经网络的网络安全态势预测方法。该方法利用K-means聚类算法确定RBF的数据中心和扩展函数,并采用最小均方算法调整权值,得出态势值前后之间的非线性映射关系,并进行态势预测。仿真试验表明,该方法能较准确获得态势预测结果,提高网络安全的主动安全防护。
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。