简介：摘要:改进的向量生成模型和特征提取模型分别从融合后的环境体系中对关键词深层解读。通过CNN建模指代特征提取，以向量矩阵作为输入，融合后的分向样本作为输出集合多义词样本循环多层分向提取。模型内部特殊采用分向相对卷积思想，保留了空间信息内的词语完整释义。向量化指代分析中采用改进CBOW模型的PYP算法，观测每个单词的参数分布，模拟上下文窗口结构，加入权重系数验证结构和内容的概率分布可行。

简介：面部的特征点准确定位对于表情识别和面部动画合成等应用具有重要的意义。随着网络时代自拍的盛行，人们对于实际应用场景中不同光照，角度和遮挡条件下的准确特征点定位提出了更高的要求。本文设计了一种基于级联的深度卷积神经网络的面部特征点定位算法，在初步特征点识别的基础上利用级联网络进行回归优化拟合，从而达到了精确定位的效果。

简介：利用卷积神经网络在图像识别方面的优势,提出了一种基于深度卷积神经网的哈萨克手写字母识别方法（DCNN-KLR）,成功建立了一种哈萨克手写文字识别模型。与传统的方法（SVM＋HOG）相比,不仅训练方便、速度快,而且提高了哈萨克手写文字的识别率。在5708个数据样本上进行训练和测试,将样本分为33类和100类,正确识别率分别达到93.29%和92.38%。

简介：摘要：随着近年来深度学习的迅速发展，不同的深度学习算法在各个领域取得了重大突破，其中卷积神经网络的“权值共享”的概念，使得大规模的网络训练变得简单，所以在图像识别领域中应用的十分广泛。本文首先介绍人像采集和图像预处理，接着利用经典卷积神经网络模型为人脸识别建模，然后评估模型性能，最后利用训练好的模型，并设置人像概率阈值，识别结果。

简介：摘 要 : 本次论文针对于图像处理提出了，基于卷积神经网络的一种自动分割的方式。把图像进行去噪音处理 ， 归因化，然后再进行标注。使用有效的融合多尺度和残差连接卷积神经网络器进行训练，进而得到一个被优化的卷积神经网络的分割模型，再把这个图像加载到一个优化的模型里面，把原图以及恢复分辨率以后的图像进行掩码，进而得到一个高清的分割结果。把最后处理结果和利用 ps 处理的结果进行对比，结果表明 ， 本次研究中使用的方法非常可靠，得到的结果和标准结果很接近，而且能够实现自动分割，进而可以有效的解决在三维重建中的分割任务等问题。

简介：摘要:该系统基于物联网Android应用开发，采用图像识别、数据分析等技术，对农田的数据实时监测和分析，实现降温、浇水、施肥、除草功能并通过APP将数据实时呈现在农户面前，通过摄像头观察农田同时监测农田可能出现的动物并报警进行驱赶，识别鸟类具体名称并上传至云端进行统计，解决了小型农田多且难以管理的问题并间接统计当地鸟类物种多样性，实现人与自然的和谐相处。

简介：自组织特征映射网络(SOM网络)是一种具有聚类功能的网络,为了进一步对土壤进行分类,特意将自组织特征映射神经网络应用于其中。围绕着自组织特征映射神经网络在土壤分类中的应用展开,将土壤的7个理化指标表示其性状并作为输入向量,对输入向量进行仿真并训练。根据自组织特征映射神经网络的基本原理和算法,对中国某地区的10个土壤样本进行分类,并结合相关文献的研究成果进行对比,以MATLAB作为测试环境,运用神经网络训练和仿真土壤样本数据,结果表明SOM网络可以为土壤分类提供一种新的思路和方法,对土壤分类的效果较好。

简介：摘 要：利用MIT和KITTI车辆图片数据库制作数量充足的训练样本和测试样本，对样本进行镜像化和灰度化等处理。然后运用MATLAB平台搭建了用于检测车辆前方目标的深度卷积神经网络，使其能够区分前方的车辆和行人，帮助车辆在面对不同目标时做出不同的决策。对卷积神经网络的参数进行反复调试，使网络性能得到明显提升，识别率达到95%以上。

简介：摘要：本项目提出了一种基于卷积神经网络的端到端MOOCs学习者辍学预测模型。卷积神经网络的广泛应用证明了其强大的特征提取能力，本课题尝试将卷积神经网络用以对MOOCs学习者的学习行为数据进行有效特征的提取，并将特征提取和分类整合到一个框架中，通过它们的协同学习来提高模型的预测能力。

简介：垃圾邮件处理作为一种典型的文本分类应用问题，受到高维数据的困扰。为提高垃圾邮件检测的效率和准确率，提出一种基于PLS特征提取和SVM的入侵检测算法，首先对原始垃圾邮件数据利用偏最小二乘算法降低维度，再采用遗传算法寻优转换特征子集，并通过支持向量机SVM进行分类。Matlab仿真实验表明，本算法能有效降低数据维数，提高检测的准确率。

简介：特征空间的构建及组合优化是模式识别中的关键问题,它强烈地影响模式识别中分类器的性能。采用BP神经网络模型,对油气信号特征量优化方法进行了研究,并实现了油气信号的特征提取及优化。实验数据表明,该方法对油气信号特征空间降维效果明显。

简介：从DEM（数字高程模型）中提取地形、地貌信息是当今GIS空间分析领域中的一个重要方面.利用ArcGIS软件的Hydrology模块,对丹江口水库上游的汉江流域的ASTERGDEM（先进星载热发射和反射辐射仪全球数字高程模型）进行了相关处理,提取了研究区域水流流向、汇流栅格生成、河网水系、子流域边界等流域特征信息,讨论分析了信息提取过程中存在的问题及解决方法.

简介：本文系统的论述了模糊控制，神经网络以及模糊神经网络的发展及现状，探讨了模糊神经网络发展当中的一些问题，指出了模糊神经网络现阶段存在的不足与发展方向。

简介：以某地区购网有功功率的负荷数据为背景，建立了三个BP神经网络负荷预测模型——SDBP、LMBP及BRBP模型进行短期负荷预测工作，并对其结果进行比较。针对传统的BP算法具有训练速度慢，易陷入局部最小点的缺点，采用具有较快收敛速度及稳定性的L—M优化算法进行预测，使平均相对误差有了很大改善，具有良好的应用前景。而采用贝叶斯正则化算法可以解决网络过度拟合，提高网络的推广能力，使平均相对误差和每日峰值相对误差降低，但收敛速度过慢（慢于SDBP模型），不适于在实际应用中采用。

简介：摘要：从神经网络算法客体判断标准出发，列举了实践中容易判断是否属于专利法保护客体的情形；并结合实际的案例， 探讨了在算法中不包含特定应用领域时，如何判断神经网络发明是否属于专利法保护客体。

简介：摘要:

简介：使用多聚焦图像融合（Multifocusimagefusion,MFIF）方法的最终目的是增加LR多聚焦图像中的高频成分,该方法采用低分率（lowresolution,LR）多聚焦图像恢复技术让高分辨率（highresolution,HR）多聚焦图像恢复.在IEDCNN参考模型的基础上采用多聚焦图像融合模型,并利用局部目标特征提取和NSCT变换相结合的动态模型结构,还在图像融合时引入了蚁群算法.经过实验表明：本文采用的方法比IEDCNN更具优势,尤其是图像融合效果,清晰度更佳,同时也让振铃效应得到了有效的抑制.

简介：绝大多数通信信号都是具有周期平稳信号特征，CAB类算法是一种基于信号周期平稳特性下的波束形成算法。但是，由于算法中存在的矩阵求逆的巨大运算量的要求是算法的实时应用性变差。本文利用TH神经网络的巨量并行性的特点来解决算法中的这一问题，实验结果表明其性能优良。

简介：本文通过对人工神经网络的基本概念特点发展等加以介绍,使读者能对作为当今尖端科技的人工神经网络技术有一定的了解与认识。

简介：神经网络由于其非线性处理能力强。性能稳定等特点得到了广泛应用和研究。主要应用于模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。神经网络中使用最为广泛的就是前馈神经网络。其网络权值学习算法中影响最大的就是误差反向传播算法(back-propagation简称BP算法)BP算法存在局部极小点。收敛速度慢等缺点。基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算，进而训练网络。