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：摘要从米级高分辨率遥感影像中提取精准的建筑物时，影像中的树木和道路影响提取精度的主要噪声对象。本文利用卷积神经网络和贝叶斯结合的方法，较好地解决了这一问题，首先将人工去除遮挡后的建筑物和没有被遮挡的建筑物、林地、道路作为样本建立三个独立的样本库，利用一个5层的全卷积神经网络模型对样本分别进行学习，获取各自的特征向量集；然后对特征矢量集进行混合高斯建模，以估计噪声对象与房顶混合的条件概率密度函数。利用高分2影像进行了训练和测试，结果表明，本文方法能够较好地消除树木和道路的影响，提取建筑物的精度能够达到91%。

简介：无

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：随着我国经济在快速发展，社会在不断进步，尽早发现高压电缆局部放电信号类型并采取相应措施，对于有效避免绝缘系统遭受破坏至关重要。针对高压电缆中4类常见的典型缺陷产生的局部放电信号，本文提出一种基于卷积神经网络的高压电缆局部放电信号分类方法。首先构建缺陷模型，采集4类缺陷的局部放电信号作为样本，并用电压幅值-相位谱图作为输入数据集；然后利用多层卷积核进行特征提取，多分类器进行分类回归；最终得到训练完成的卷积神经网络。比较而言，基于反向传播（backpropagation，BP）神经网络和自编码神经网络的分类方法分类效果不稳定，整体准确率较差，本文方法的特征提取能力更强，对每一类信号的分类效果都较好，具有更广阔的应用前景。

简介：摘要：随着我国经济在快速发展，社会在不断进步，尽早发现高压电缆局部放电信号类型并采取相应措施，对于有效避免绝缘系统遭受破坏至关重要。针对高压电缆中4类常见的典型缺陷产生的局部放电信号，本文提出一种基于卷积神经网络的高压电缆局部放电信号分类方法。首先构建缺陷模型，采集4类缺陷的局部放电信号作为样本，并用电压幅值-相位谱图作为输入数据集；然后利用多层卷积核进行特征提取，多分类器进行分类回归；最终得到训练完成的卷积神经网络。比较而言，基于反向传播（backpropagation，BP）神经网络和自编码神经网络的分类方法分类效果不稳定，整体准确率较差，本文方法的特征提取能力更强，对每一类信号的分类效果都较好，具有更广阔的应用前景。

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：掌纹特征的提取是掌纹识别中最关键的一个环节，特征提取算法的好坏很大程度上决定了系统的识别率和效率的高低．结合近年来发表的文献，按照分析和描述的方式对掌纹的特征提取方法进行了分类，并对主要特征提取算法进行了分析和特性比较，最后总结了掌纹多特征融合方法是未来掌纹特征提取方法进一步的研究方向．

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] 本文旨在解决面向公路场景的精准单目深度估计问题。由于视觉transformer在建模长程相关性方面表现出色，我们使用Swin Transformer来建模全局上下文以实现准确的深度估计。同时，我们设计了一个卷积神经网络分支来帮助模型捕捉公路图像的局部细节。消融实验验证了卷积神经网络分支捕获局部特征的有效性。在KITTI公路场景图像上的实验结果表明，该方法比现有的最先进的单目深度估计方法具有更好的性能。

简介：摘要为了能对船舶结构的损伤类型进行分类识别，提出了一种基于传递率函数和卷积神经网络的损伤类型识别方法。首先，利用传递率函数对不同损伤类型下的振动响应信号进行处理，得到训练样本集和测试样本集，然后将训练样本集作为网络模型的输入，不断更新网络模型的各参数，最后通过测试样本集输出故障识别结果。通过仿真不同厚度和不同弹性模量的结构损伤情况，验证了该方法对损伤类型识别的有效性。

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：摘要：随着科技的发展，我国进入互联网时代，这便使得互联网中的大数据被越来越多的人使用和重视。信息时代，群众可以从互联网中了解到自己想要的讯息，不管所属何种领域，都会挖掘大数据的经济价值以及科技价值。在目前对于分析大数据的方法来说，难度系数较高，是需要研究出一种新的分析方案，帮助挖掘大数据中存在的更多经济价值和科学价值。在当前可以采用无限深度神经网络方法来分析大数据，这种方法可以对大数据中的信息进行综合、整理、分析，为人们筛选出具有价值的信息。在本文中，将会对大数据分析的无限深度神经网络方法进行分析，希望对有需要的人有所帮助。

简介：将快速的基于区域的卷积神经网络模型调整后应用到古籍文字分割以及OCR,能够很好的解决由于扭曲和不清晰排版带来的分割和OCR准确率低的问题。