简介：摘要：本研究旨在探讨基于卷积神经网络的人脸识别系统设计策略。人脸识别技术在当代社会中具有重要的应用价值，因此本研究着重于利用卷积神经网络在人脸识别中的优势和特点。通过对相关技术的综述，本文介绍了传统人脸识别方法以及卷积神经网络的基本原理和发展历程。在人脸图像预处理部分，我们讨论了数据采集和清洗、图像增强技术，以及数据集划分与预处理的重要性。接着，我们深入探讨了基于CNN的人脸特征提取，包括卷积层和池化层的作用与选择，深度学习特征提取方法，以及人脸关键点检测与特征表示。在人脸识别网络架构设计方面，我们讨论了网络模型选择与设计，参数优化与调整，以及深度学习模型评估指标。进一步，我们提出了优化与改进策略，包括数据增强与迁移学习，模型优化方法研究，以及多尺度与多模态信息融合。   

简介：摘要：针对单通道振动信号输入不能全面表达结构损伤特征信息问题，提出基于多通道一维卷积神经网络的结构损伤识别方法，融合多传感器振动信号信息，直接从原始振动信号中自主提取学习结构损伤特征，实现对结构损伤模式的识别。通过简支梁数值模拟对所提方法进行验证，结果表明：所建立的多通道一维卷积神经网络模型（1D-CNN）能够准确地识别结构的损伤位置和损伤程度，且具有一定的抗噪能力。

简介：摘要：卷积神经网络在医学图像的应用越来越广泛，但在医学图像重建效果上需要我们进一步提高。由此我们提出一种全新的图像重建网络Y-Net，该网络基于经典的U-Net网络进行改进，考虑到磁共振图像序列的时间相关性，增强相邻图像的信息以获得关键信息更准确丰富的重建效果。通过增强相邻信息以获取更加丰富的图像信息。实验证明所提出的方法具有一定改进效果。

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：摘要：本文聚焦于基于卷积神经网络的大数据图像挖掘与分析方法研究。随着大数据时代的到来，图像数据呈爆炸式增长，传统方法难以满足高效处理需求。卷积神经网络以独特优势在图像领域展现出强大潜力。文章阐述了卷积神经网络的基本结构与工作原理，探讨了大数据图像挖掘中的数据收集整理、模型构建及训练优化，以及图像分析中的分类、目标检测和分割算法。为大数据图像处理提供了新的思路和解决方案。

简介：摘要目的建立基于卷积神经网络的人工智能烧伤深度识别模型并测试其效果。方法在本诊断试验评价研究中，收集中南大学湘雅医院(下称笔者单位)2010年1月—2019年12月收治的符合入选标准的221例烧伤患者伤后48 h内创面照片484张，采用随机数字编号。采用图像查看软件圈出目标创面，由笔者单位烧伤整形科3名具有5年以上专科工作经验的主治医师判断烧伤深度，用不同颜色标记浅Ⅱ度、深Ⅱ度或Ⅲ度烧伤后，按224×224像素的尺寸切割得到完整大小的图像块5 637张。采用图片生成器将3种深度烧伤图像块均扩充至10 000张后，将每种烧伤深度图像块按7.0∶1.5∶1.5比例分为训练集、验证集和测试集。在Keras 2.2.4 Python 2.8.0版本下，采用卷积神经网络中的残差网络ResNet-50构建人工智能烧伤深度识别模型，输入训练集进行训练，利用验证集对模型进行调整、优化。利用测试集测试构建的模型识别各类烧伤深度的准确率，计算精确率、召回率及F1指数；通过降维工具tSNE将测试结果降维可视化生成二维tSNE云图，观察各类烧伤深度分布情况；根据模型对3种烧伤深度识别的敏感度及特异度，绘制出相应受试者工作特征(ROC)曲线，计算ROC曲线下面积。结果(1)经测试集测试，人工智能烧伤深度识别模型识别浅Ⅱ度、深Ⅱ度、Ⅲ度烧伤的精确率分别为84%(1 095/1 301)、81%(1 215/1 499)、82%(1 395/1 700)，召回率分别为73%(1 095/1 500)、81%(1 215/1 500)、93%(1 395/1 500)，F1指数分别为0.78、0.81、0.87。(2)tSNE云图显示，人工智能烧伤深度识别模型测试集测试结果中不同烧伤深度之间总体重叠较少，其中浅Ⅱ度与深Ⅱ度、深Ⅱ度与Ⅲ度烧伤之间重叠相对较多，而浅Ⅱ度与Ⅲ度烧伤之间重叠相对较少。(3)人工智能烧伤深度识别模型识别3种烧伤深度的ROC曲线下面积均≥0.94。结论采用ResNet-50网络建立的人工智能烧伤深度识别模型可较准确地识别烧伤患者早期创面照片中烧伤深度，特别是浅Ⅱ度与Ⅲ度烧伤，有望用于临床烧伤深度辅助诊断，提高诊断准确率。

简介：摘要神经网络的快速发展，使得神经网络在很多领域得到应用。许多论著提及将神经网络运用在电力系统谐波检测上。在众多的神经网络方法中，深度学习神经网络（DLNN）脱颖而出。本文意在阐述深度学习神经网络的基本思想和基本算法，以及探讨深度学习神经网络在电力系统谐波检测方面的应用。并在Matlab中对其算法进行验证。对于推广深度学习神经网络在电力系统其他方面的应用具有一定的积极意义。

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：通过计算机视觉系统获取地砖图像,经过图像处理提取得到相关的图像特征数据,再将特征参数作为输入建立RBF神经网络模型,利用神经网络所具有的自组织、自学习和分布式存储信息的特点对地砖进行可控的自动分类。实验证明,此方法为地砖检测分类提供了一个有效的途径。

简介：摘要：随着遥感技术的不断进步和深度学习算法的快速发展，逐渐出现了一系列应用于遥感图像分类的神经网络模型。本文通过对近年来相关文献的综述，总结了各种神经网络模型在遥感图像分类中的应用情况、优缺点及发展趋势，旨在为遥感图像分类领域的研究者提供参考和启示。

简介：摘要目的构建基于卷积神经网络的儿童病毒性脑炎MRI分类与早期诊断模型，探讨其对儿童病毒性脑炎早期诊断、精准治疗和改善患儿预后的价值。材料与方法收集浙江大学医学院附属儿童医院2020至2022年期间颅脑MRI影像数据1077例，其中病毒性脑炎患儿577例，非病毒性脑炎儿童500例。运用卷积神经网络中的Squeeze-and-Excitation Residual Networks（SE-ResNet）模型构建儿童病毒性脑炎MRI分类与早期诊断模型并与Convolutional Block Attention Module Residual Networks（CBAM-ResNet）、Mobile Networks（MobileNet）、Residual Networks（ResNet）、Shuffle Networks（ShuffleNet）模型进行了对比。结果所有模型在训练集上都达到了收敛。SE-ResNet、CBAM-ResNet、MobileNet和ShuffleNet模型在训练集训练100轮后准确率都达到90%以上，而只有CBAM-ResNet模型和本研究选用的SE-ResNet模型在验证集上同样取得了90%以上的准确率。在测试集上，CBAM-ResNet具有最高的准确率73.91%，ResNet具有最高的召回率75.45%，但只有本文所用SE-ResNet模型在准确率和召回率都达到较高水平，并且取得最好的F1得分和曲线下面积（area under the curve, AUC）值：准确率为70.83%，召回率为72.73%，AUC为0.77，F1得分为0.7183。结论运用人工智能技术结合MRI实现儿童病毒性脑炎早期诊断是可行的，本研究为进一步实现全面的儿童脑炎早期诊断、精准治疗和改善脑炎患儿预后提供了理论和应用基础。

简介：摘要：作为一个复杂的神经网络系统，大脑区域和基因协同有效地存储和传递信息。本文提出将协作相关性抽象为脑区基因网络(BG-CN)，并提出了基于图卷积神经网络的阿尔兹海默症的早期治疗系统，图卷积神经网络(GCN)，用于研究脑区内部和脑区之间的信息传递。该结果可用于阿尔茨海默病(Alzheimer ' s disease, AD)的诊断和病因提取。首先，建立了BG-CN的亲和聚合模型来描述脑区间和脑区内的信息传递。其次，基于亲和聚合模型，设计了具有脑区间卷积和脑区内卷积操作的GCN体系结构。通过在AD神经成像倡议(ADNI)数据集上的充分实验验证，GCN的设计更符合生理机制，提高了可解释性和分类性能。此外，GCN可以识别受损的大脑区域和致病基因，这可能有助于AD的精准医疗和药物设计，并为其他神经系统疾病提供有价值的参考。

简介：摘要：目前， 国土资源是国家最为宝贵的基本资源，科学有效的国土空间规划，有利于促进国土资源管理的高效化。如何有针对性地开展国土空间规划，已经成为国土资源管理的焦点问题。

简介：摘要：9月3日电中华人民共和国质量监督检验检疫总局和中国国家标准化管理委员会日前联合发布《土地利用现状分类》，标志着我国土地利用现状分类第一次拥有了全国统一的国家标准。《土地利用现状分类》国家标准采用一级、二级两个层次的分类体系，共分12个一级类、56个二级类。其中一级类包括∶耕地、园地、林地、草地、商服用地、工矿仓储用地、住宅用地、公共管理与公共服务用地、特殊用地、交通运输用地、水域及水利设施用地、其他土地。

简介：摘要： 一直以来我国的土地规划长期处于各自为政的状态，且规划内容存在着矛盾，这种情况严重制约了我国社会经济的发展。为了能更好地推进集约利用土地，保证经济持续快速健康的发展，对国土空间规划的土地利用分类方案进行研究是非常必要的。

简介：摘要：在社会经济持续快速发展的进程中，为科学全面地做好国土空间规划工作，同时也为了更好地优化以及提升土地资源的利用实效，应该充分结合自身的发展需求，行之有效地进行高效化的土地利用分类工作。在土地利用分类的过程中，有必要科学全面地构建完善化的方案，确保国土空间规划工作真正取得实效，进一步提升土地资源的整体利用成效。

简介：摘要：土地一直以来就是我们赖以生存的根本，它是我们发展的基础，同时也是我们从事经济活动的最为根本的生产要素。而针对国土空间规划，管理水平的高低可以说也决定着其体系建设的成功与否，提升规划管理水平，可以推进国土空间规划体系的进一步发展和进步。为最大程度提升土地利用实效，有必要结合国土空间规划的要求以及目标，行之有效地建构科学且清晰化的土地利用分类方案。

简介：摘要：国土空间合理规划和统一规划需要建立专门的用地分类标准，这是对土地资源科学整合利用的关键，可充分发挥不同类型土地资源的功能作用，有利于社会整体的可持续发展。本文对现行土地利用分类标准进行了分析，并从国土空间统筹规划的角度出发，阐述了建立专门的用地分类体系、制定合理的土地利用分类方案能够为国土空间规划编制提供可靠依据，从而可以满足不同领域的发展用地需要，推进土地的集约利用。

简介：摘要：国土资源是现代高质量经济社会发展的重要载体，是确保各种社会行为有序实施的关键要素，需从国土空间规划的客观现实出发，做好土地利用分类。基于此，本文详细论述了国土空间规划的土地利用分类方案。

简介：摘要：本文首先阐述了国土空间规划概述，接着分析了国土空间规划中土地利用分类方案，希望能够为相关人员提供有益的参考和借鉴。