简介：摘要:随着数字通信技术的不断发展，通信系统面临着越来越多的挑战和需求，如大规模数据传输、高效能量利用和可靠性提升等。神经网络和深度学习作为人工智能领域的前沿技术，在通信系统中的应用研究引起了广泛关注。本文旨在探讨神经网络和深度学习在通信系统中的应用现状、优势及挑战，并提出一些可行的解决方案和未来发展趋势。

简介：摘要目的构建并验证多模态MRI图像3D卷积神经网络（convolutional neural network, CNN）模型对肝纤维化（liver fibrosis, LF）分类的价值。材料与方法回顾性分析经病理证实为LF，并行肝脏3.0 T MRI检查的224例LF患者的T1WI、T2WI、表观扩散系数（apparent diffusion coefficient, ADC）图像，按8∶2的比例随机分为训练集和测试集。对图像进行预处理后，应用训练集图像对模型进行网络结构迭代训练，建立3D-CNN深度学习模型对无显著LF（S0～S1）、显著LF（≥S2）进行分类。经过优化的CNN由三个卷积层、三个池化层和两个全连接层组成。训练完成后，用测试集数据对CNN模型进行测试，使用准确度（accuracy, ACC）曲线、损失函数（loss）曲线及受试者工作特征（receiver operating characteristic, ROC）曲线评价模型的性能。结果基于多模态MRI的3D-CNN深度学习模型在训练集中对LF分类的ROC曲线下面积（area under the curve, AUC）值为0.94，在测试集中的AUC为0.98。结论多模态3D-CNN深度学习模型可对无显著LF和显著LF进行分类，为LF的无创性评估提供更多选择。

简介：摘 要：通常我们所了解的人脸识别算法是指将人的五官特征或者局部特征经过图像处理，上传到系统后端，再和数据库的人脸照片进行比对，最终识别出所需要的类别。人脸识别算法比较广泛应用于监控、公安系统、考试系统、门禁检查、身份识别等领域，而基于特征提取的人脸识别算法是人脸识别系统中的关键部分，接下来我们将通过本文了解一下关于人脸识别算法的特征提取需要注意的事项。

简介：CI作为主变换装置中牵引传动系统的主要部件,性能质量是安全运营的关键点.在对设备进行检修时,必须对牵引变流器发生的故障进行分析、记录,深入分析原因和方法,提出了以变流器输出电流作为故障特征参数的方法,提高故障判断处理的效率,已达到提高运营管理的目的.

简介：人脸识别作为身份识别的重要技术之一,已经开始广泛应用到人们的日常生活。人脸特征提取方法--主成分分析(PCA)可以在提取样本特征的同时降低样本维数,在此基础上提出的白化主成分分析(WPCA)可以降低图像中相邻像素的相关性,核主成分分析(KPCA)能够更好地提取适合分类的特征。本文主要分析了在不同光照和噪声情况下,三种常用的人脸特征提取方法—主成分分析(PCA)、白化主成分分析(WPCA)、核主成分分析(KPCA)均采用最近邻分类方法进行识别所用时间和识别率。

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：摘要：特征提取是对原始数据关键特征的表达，能凸显原始数据的主要信息，避免和非主要信息产生“等价”变换，而弱化了主要信息价值。对于时间序列的电池组数据，设计基于注意力机制的时间序列特征提取算法，从而快速地对采集的数据进行有效降维与压缩。

简介：摘要目的探讨基于深度学习的人工智能在非炎性主动脉中膜变性中的辅助诊断及其应用价值。方法选取2018年1—6月首都医科大学附属北京安贞医院保存的89例非炎性主动脉中膜变性标本组织HE切片，扫描成数字切片后进行人工标注，在标注区域总提取1 627幅中膜病变HE图像。结合一种改进的基于ResNet18的卷积神经网络模型，进行非炎性主动脉病理图像的4分类研究，并对模型应用进行检测。结果4分类模型对中膜变性病理改变中最常见的平滑肌细胞核缺失病变的识别准确率、灵敏度及精确率分别为99.39%、98.36%、98.36%。弹力纤维断裂和/或缺失病变识别精确率为98.08%；层内型黏液样细胞外基质聚集病变识别准确率为96.93%。模型整体准确率为96.32%，受试者工作特征曲线下面积值可达0.982。结论初步验证了深度学习神经网络模型在非炎性主动脉病变图像分类方面的准确性，该方法可以有效提升病理医师诊断效率。

简介：摘要人工神经网络具有智能化的特点，可以解决传统信息在处理上无法解决的问题，在自动化、信息等领域应用广泛。近些年来，它在遥感图像处理中也发挥着重要的作用，对于图像的分类、压缩、复原和重建等都有着较大的帮助。本文以BP人工神经网络为例，探究了它在图像压缩中的具体应用。

简介：BP神经网络分类器在信号识别领域得到了比较广泛的应用，针对其低信噪比环境下识别率相对较低的问题，引入人工蜂群算法（ABC），将求解BP神经网络各层权值、阂值的过程向蜜蜂寻找最优蜜源的过程转变，最后阐述了一种以人工蜂群算法为基础的神经网络分类器设计方法（ABCBP算法），并以2ASK，2FSK，2DPSK信号为例，对信号进行小波包分解后，将信号各频段的能量值数据作为实验样本，对其进行了信号分类。仿真结果表明：基于人工蜂群算法的优化BP神经网络分类器，即使在5dB的信噪比环境下，仍可达到94％以上的识别率，并具有较好的稳定性，这为信号识别领域中分类器的设计提供了一个很好的理论依据。

简介：摘要目的研究一种基于深层卷积神经网络(DCNN)全自动近视性黄斑病变(MMD)筛查及其严重程度评估系统。方法收集安徽省第二人民医院6 068张眼底图像构建训练集，并选取公开的眼底图像数据集构建测试集。对眼底图像进行预处理及扩增、MMD病变等级标注、数据清洗。构建全自动MMD筛查系统，该系统由两级网络结构组成，第一级网络结构用于识别MMD是否存在，第二级网络结构用于判断MMD病变的严重等级。比较VGG-16、ResNet50、Inception-v3和Densenet这4种常用的DCNN方法在MMD筛查及严重程度识别任务中的准确率、特异性、敏感度、精确率、F1值、曲线下面积(AUC)、Kappa系数性能。结果Densenet网络模型在MMD筛查任务中表现最优，其敏感度、特异性、精确率、F1值和AUC分别为0.898、0.918、0.919、0.908和0.962。Inception-v3网络模型在MMD严重程度识别任务中表现最优，其敏感度、特异性、精确率、F1值和AUC分别为0.839、0.952、0.952、0.892和0.965。可视化结果显示，本研究所采用的网络结构模型可自动学习MMD严重等级判断的临床特征，准确识别弥漫性和局灶性脉络膜萎缩区域。结论基于DCNN的眼底图像MMD筛查方法可自动化提取MMD的有效特征，并准确进行MMD筛查及其严重等级判断，可有效辅助临床。

简介：目的：针对脑肿瘤形状、位置及大小等多变性,提出一种适合磁共振成像（MRI）脑肿瘤分割的卷积神经网络模型的改进方法。方法：将卷积神经网络应用到脑肿瘤分割上,并针对脑肿瘤的特点,提出多尺度卷积神经网络模型（MSCNN）,通过多尺度的输入与多尺度下的采样,克服脑肿瘤的个体差异,同时适应脑肿瘤不同图像层之间的大小位置差异,弱化肿瘤边缘与正常组织灰度相近的影响。结果：通过对30例患者的多模态磁共振图像进行分割,得到平均Dice系数为83.11%;平均灵敏度系数为89.48%;平均阳性预测值（PPV）系数为78.91%。结论：MRI脑肿瘤分割的改进方法可使分割精度得到明显提高,多尺度卷积神经网络能自适应脑肿瘤的差异性,并准确有效地分割脑肿瘤。

简介：摘要近年来，我国的电力系统有了很大进展。针对传统电力电缆绝缘损伤检测方法存在检测流程复杂和无法大规模整体检测的缺点，本文结合图像无损接触方式和深度学习方法，提出了一种基于深度学习的电力电缆图像破损批量检测方法。该方法创新性地建立了基于残差和深度可分离模块的轻深度卷积神经网络模型，和以往的卷积神经网络模型相比，网络极好地平衡了系统的识别时间和识别精度，能实现高效、无损、快速的大规模电缆外表面多样化异常检测。和传统学习方法和已有深度卷积神经网络模型的实验结果对比表明，本文方法具有良好的实时性、鲁棒性和识别率，识别正确率达到99.47%。

简介：

简介：摘要：CIFAR-10数据集是由10个类中的60000幅的32*32幅彩色图像构成的，其包含了十种不同的涉及动物，交通工具等图片，可以通过训练其数据集来对其相似类别的图片进行识别，CIFAR-10强调了网络结构训练和评估的规范组织方式。并且能提供了构建更大和更精细的模型的模板。本文通过根据训练数据集来识别不同类别的图片，来进行对CIFAR-10数据集的研究。

简介：摘要：为有效进行化纤纸管外观自动化检测，本文提出并研发了一套基于PVANet轻量化卷积神经网络模型的化纤纸管外观缺陷智能检测系统。PVNET最大亮点在于对Faster RCNN网络结构特征提取部分做了重新设计，采用了包括串联C.ReLU、Inception和HyperNet等构建模块，使网络轻薄，在确保准确性的前提下兼顾实时目标检测性能。经测试，基于本文方案研发的智能检测识别率高达98.8%，完全满足化纤纸管产线自动化检测需求。

简介：

简介：摘要：随着现代工程技术的不断发展，越来越多的高档建筑和结构工程采用了螺栓连接方式。而螺栓球节点是一种重要的结构连接方式，其安全性对于整个结构的稳定性至关重要。然而，由于长期使用和外界因素的影响，螺栓球节点存在着许多健康隐患，如腐蚀、疲劳、裂纹等问题，这些问题可能会导致螺栓球节点的失效，从而危及整个结构的安全。

简介：摘 要：喉癌是种复发率较高的癌症，对于喉癌的早期CT识别是重要的检查手段，而最终的确诊还是得靠病理结果。CT是一种断层扫描技术，将患者检查部位断层扫描生成n张CT图片，每张CT图片都是2D图片，利用2D卷积只能识别其中一个层面的特征，不能完全利用检查部位所有特征进行检测识别。相比较之下，3D卷积神经网络能更全面的利用所有特征。

简介：摘要：本文旨在设计并实现基于卷积神经网络的实时图像识别系统。首先概述了卷积神经网络的基本原理、主要结构及其在图像识别中的应用。随后详细介绍了实时图像识别系统的总体架构设计，包括图像预处理、特征提取以及卷积神经网络模型的构建与优化。阐述了系统实现的具体流程、性能评估与优化方法。本文的研究对于推动图像识别再矿山行业的应用具有重要意义。