简介：摘要：最近几年，伴随着我国都市化步伐的快速推进，各城镇的发展用地年复一年地增多，持续向农村地区扩散，占用了大量农村土地。因此，密切关注农村土地的使用状况，对于农村发展规划、城市化进程的调控和生态环境的评估等方面极其重要。人工神经网络因其非线性的映射功能、概括能力以及出色的错误容忍能力，在克制干扰、自我适应性分辨等领域展现出明显的优越性。基于此，文章就人工神经网络在农村土地利用分类中的应用展开了相关研究。

简介：摘要：为解决单目图像中冗余像素点不利于深度神经网络快速完成深度信息检测的问题，提出一种基于卷积神经网络的深度线段分类算法。对 ＮＹＵ -Ｄｅｐｔｈ 数据集使用线段检测算法进行线段检测得到原始图像的线段特征图。通过数据预处理结合深度数据得到表征深度信息的线段集合及其标签，提出适用于线段特征的卷积神经网络，实现单目图像中深度线段的分类。本论文从不同方面阐述基于卷积神经网络的深度线段分类算法，希望为研究卷积神经网络的专家和学者提供理论参考依据。

简介：摘 要：回顾了卷积神经网络的发展历程,介绍了卷积神经网络的基本运算单元。在查阅大量资料基础上，重点介绍了有代表性的 AlexNet、VGGNet、GoogLeNet、ResNet等，对他们所用到的技术进行剖析，归纳、总结、分析其优缺点，并指出卷积神经网络未来的研究方向。

简介：摘要：卷积神经网络是一种新型的无导师学习算法,在近几年有了较大发展,其主要思想为利用层间节点竞争产生隐含函数来处理非线性系统，在处理非平稳信号方面,它的优势主要体现在:可以利用网络中所有隐含层,使得原始数据与新产生的参数都保持一定关系,从而实现了非线性函数逼近;通过使用简单、有效等方法来减少输出矢量对算法时间和计算量要求较高之处。本文将介绍一下卷积神经网模型结构及相关技术特性以及一些典型应用场景下常用学习算法进行分析研究。

简介：土地利用定量评价一直是土地科学研究的热门问题,BP神经网络定量评价方法是被应用于土地利用评价中的新方法。介绍BP神经网络的概念,阐述BP神经网络评价方法的原理,分析其优点,从拓扑结构确定、输入数据处理、评价工具选择、评价模型的学习、利用评价模型评价五个方面,解析BP神经网络在土地利用定量评价中的应用,为土地利用定量评价提供一种具备可操作性的方法。

简介：

简介：摘要遥感影像在很多领域都发挥着不容忽视的作用，科学技术的发展不仅使得遥感影像的分辨率越来越高，对于影像分类也提出了更高的要求。在这种情况下，以往高分遥感影像分类算法的计算精度逐渐无法满足分类要求，需要对算法进行改进和创新。基于此，本文提出了卷积神经网络分类算法，能够有效减少图像分类处理过程中比例缩放、平移等变形所引发的误差问题，提升分类精度。

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：摘要：随着技术的不断发展，计算机和互联网的普遍应用，社会生活的各个领域每分每秒在源源不断的产生大量的数据和信息。在司法领域，大量的卷宗文档数据在法院生产，人工对卷宗进行分类难以满足大数据量分类的需求，这时候使用机器进行卷宗分类就显得尤为必要。我们提出了一种基于深度学习卷积神经网络的方法，对司法卷宗进行自动分类。在实验中，我们的方法达到了94.53%的准确率，大幅提升了工作效率。

简介：无

简介：摘要:手机屏幕的缺陷检测操作期间，深度卷积的神经网络往往起着关键作用，对实测效果 影响极大，要求技术员能够充分掌握此方法。鉴于此，本文主要围绕着深度卷积的神经网络基础下手机屏幕的缺陷检测开展深入的研究和探讨，仅供参考。

简介：本文对签名技术的研究背景和发展状况做了简单介绍,描述了在线和离线鉴定系统的优缺点。考虑大部分人对自己的签名有独特的写法和设计,并不同于其对平常文字的书写,综合比对了国内外笔迹鉴定公开数据库,针对个人签名设计、开发了一套基于Android离线签名鉴定系统,并建立了更具实用性的签名数据库xtu_302sg。本文使用深度卷积神经网络（ConvolutionalNeuralNetwork,CNN）提取签名图片特征做身份鉴定,相对于传统方法取得了不错的效果。

简介：

简介：摘要卷积神经网络在自然语言处理中的应用是近年的研究热点。文章通过对几项典型工作的分析，研究了卷积神经网络在各项自然语言处理任务中的性能与效果。并对卷积神经网络语言模型的改进规律进行了总结。

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：摘要目的提升心电图心律失常分类算法的性能，为临床心电诊断提供辅助依据。方法将一维心电图数据按照R点进行切分，将切分后的数据生成2D图像。利用数据增强技术将样本进行扩增，再利用二维卷积神经网络（2D-CNN）中的2D卷积层、2D最大池化层、Flatten层和全连接层，对图像特征进行提取，并通过Softmax分类器进行分类。利用带有权重系数的损失函数来增强模型对于S类和V类的学习。采用MIT-BIH数据集进行模型训练并评估算法性能。结果样本扩增和使用带有权重系数的损失函数能够提升模型的召回率和特异性指标，同时保持模型对室性异位搏动（VEB）和室上性异位搏动（SVEB）分类的精确率的指标。结论所提出模型的准确率为99.02%，SVEB的召回率为96.4%，表明该分类方法可以辅助医护人员诊断心脏疾病。

简介：以卷积神经网络为代表的深度学习算法在医学影像分析领域正引起广泛美注，并取得了令人惊叹的进步。为了进一步提高卷积神经网络在计算机辅助筛查肺结节应用的准确率，本文设计了2种改良的深度卷积神经网络，这些改进加快了神经网络的训练速度．有效地防止了算法的过拟合。相比只采用二维卷积核的其他检测模型，该模型能够有效地学习到CT影像三维重建后的图像特征。通过实验，改进的检测模型在LUNAl6数据集上的准确率明显好于其他模型，这种网络结构也可用于医学影像领域中其他三维图像的检测场景。最后，构建了一套适用于远程医疗的“计算机辅助肺癌筛查与诊断系统”，该系统能够自动检测出CT影像中肺结节，并给出结节的良恶性概率评估。通过该系统的应用，可以有效缓解放射科医生超高的劳动强度，提高阀片效率，服务更多患者；减少漏诊和误诊发生的次数，有助于提高肺结节的诊断准确率；从而促进我国肺癌早筛工作的推广。

简介：【摘要】

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：摘要：深度学习和人工智能已成为我国当下的热门讨论话题，卷积神经网络模型作为深度学习模型中具有代表性的模型之一受到了许多研究者的关注。本文在介绍卷积神经网络模型发展历程的基础上，探讨了卷积神经网络模型在目标检测、语义分割以及自然语言处理方面的应用，以期能为该领域的研究者选择模型时提供参考。