基于BP神经网络的行人和自行车交通识别方法

研究了基于BP神经网络的行人和自行车识别方法.首先对图像提取4个特征,形成特征向量作为BP神经网络的输入;然后设计BP神经网络的结构,网络输出为对行人和自行车的识别;为了确定BP神经网络合理的隐层神经元数目,分别对不同隐层神经元数目的神经网络进行了实验分析.最后利用实测的数据对BP神经网络进行训练、仿真实验,并对实验结果进行分析;结果表明:最佳网络的正确识别率为84%,行人和自行车的正确识别率分别为89%和71%.     

一种基于分类的改进BP神经网络图像压缩方法

探讨了神经网络用于图像压缩和解压缩技术,实现了一种基于分类的改进BP神经网络压缩方法:按图像各部分像素特征将图像分为平滑块、中间块和边缘块,不同的分类块采用不同的隐含层数,从而在保证重建图像丰富细节的同时,提高图像的压缩比.同时,对3层BP神经网络进行优化,提高了网络的收敛速率,实验结果证明本算法在取得较大的压缩比的同时能保证图像的恢复质量.     

粗糙集和神经网络相融合的钻井安全评价模型

针对动态性、随机性和不确定性较强的钻井作业现场,开展了安全评价的研究。提出了一种基于粗糙集和BP神经网络对作业现场进行安全评价的方法。首先以粗糙集为基础来构建BP神经网络的前置系统,对采集到的样本数据进行属性约简。其次,根据约简结果以及作业当天的事故情况完成了BP神经网络输入层和输出层的设计,并根据输入层和输出层神经元的个数通过试凑法确定网络隐含层的神经元数量范围,并采用训练样本对不同神经元个数所对应的网络模型进行训练,选择网络误差最低的网络作为所构建的网络模型。最后,选取16 d的测试样本对网络进行验证,将网络的输出同作业现场的实际结果进行比较,有14 d的网络结果与实际结果相符,测试准确率达到了87.5%。     

基于深度卷积生成对抗网络的植物图像识别方法的研究

提出使用深度卷积生成对抗网络进行植物图像识别方法.首先,利用生成式对抗网络生成植物图像样本,然后,利用判别网络中的卷积神经网络来提取图像特征,实现对生成网络产生的样本进行判别,以提升模型对图像数据分布的理解,从而达到了通过构建卷积神经网络对生产样本的质量进行测试的目标.实验结果表明,该方法生成的植物图像能够有效的提高卷积神经网络的识别准确率.     

BP网络研究及其在肺癌诊断系统中的应用

以三层BP网络为例,讨论了网络的学习算法,并在VC 6.0语言环境下编制了BP算法程序,在这个基础上建立了基于BP网络的肺癌智能诊断系统,深入研究BP网络在实际应用中的结构设计、参数选择和样本数据的来源,应用含有动量参数的BP算法训练网络,并给出了BP算法动态演化过程的训练调试界面和临床测试界面.目的是用训练好的BP网络来识别肺癌细胞的病变情况,实验表明神经网络能够对细胞图像进行正确的分类,证明了该系统对肺癌诊断具有可行性.     

矿井涌水水源的主成分分析和BP神经网络判别

为准确判别矿井涌水水源,针对矿井各主要含水层的水化学特征数据样本,利用主成分分析法消除变量中的重复信息,采用BP算法对网络进行训练,实现对随机挑选样本的判别,并与Bayes判别结果进行比较.结果表明：主成分分析与BP神经网络相结合的方法判别涌水水源的正确率为82.35％,优于Bayes判别法.该研究为有效开展矿井防治水工作提供了参考.     

基于生物阻抗技术的淡水鱼新鲜度检测方法研究

针对单独以阻抗模值条件或相角条件对淡水鱼新鲜度检测存在判别准确度不高的问题,提出了综合阻抗模值和相角两个条件并结合神经网络对淡水鱼新鲜度进行检测的方法.以模值和相角作为输入因子,以TVB-N作为输出因子,建立了淡水鱼新鲜度3层BP神经网络预测模型.实验结果表明,该模型对于淡水鱼新鲜度判别准确率达到95%,相对于单独模值条件或相角条件判别,准确度显著提高.     

采用BP和RBF神经网络的厦门市工程造价预测模型

收集55个厦门市典型工程造价指标,利用SPSS软件对数据进行预处理,选取11个工程特征作为造价的主要影响因素,分别建立基于多层前馈(BP)和径向基函数(RBF)神经网络的工程估价模型.从55个案例中随机抽取10个作为预测样本,剩下的45个作为训练样本,进行BP,RBF神经网络预测模型的训练和测试.结果表明:通过参数优选的RBF神经网络工程造价预测模型,预测误差在5%以内,网络泛化能力更优越,可用于实际工程造价的辅助估算.     

基于计算机视觉的织物疵点自动检测

用小波变换结合BP神经网络对织物疵点进行检测和分类.采用平纹坯布作为试样,对油渍、缺经、缺纬疵点进行识别.摄相机摄取256×256图像,将拾取图像进行小波分解,然后把小波分解后的图像灰度值作为特征参数输入到BP神经网络进行检测识别.实验结果表明,用这种方法识别织物疵点,识别率可达到98%.     

反向传播神经网络联合遗传算法对复合材料模量的预测

为减少测试成本和缩短设计周期,基于机器学习方法对树脂基复合材料模量的预报方法进行了研究.采用一种全新预测方法——神经网络联合遗传算法(GA-ANN),将T800/环氧复合材料的强度、泊松比和失效应变作为反向传播(BP)神经网络的3个输入变量,在遗传算法(GA)中得出最优阈值和权重,并将所得数值赋给对应的网络参数,更新BP神经网络以更高的准确率预测树脂基复合材料的模量;同等条件下,用Adam算法进行预测.对比这两种方法,结果充分证明了GA-ANN的可行性.     

在WINDOWS局域网上组建INTRANET网

本文介绍了在局域网环境下,利用ＷＩＮＤＯＷＳ系统建立ＩＮＴＲＡＮＥＴ网。     

网络型病毒与计算机网络安全

传统的计算机病毒分类法常以寄生对象为标准将病毒分为文件型、引导型和混合型，但根据当前病毒发展的趋势，应增加一类网络型病毒。网络型病毒的寄生对象广泛、传播速度快、危害广，它利用Internet的开放性和软件系统的缺陷，破坏网络中的各种资源以及网络通讯，某些种类的网络病毒还是黑客工具。因此结合多个具体实例，分析了网络型病毒对网络安全的危害，提出网络型病毒的防治应首先从管理措施上着手，并综合防火墙技术、病毒防治软件、软件更新、数据备份等多种技术措施。     

网络软件技术与网络教育

计算机网络技术正在飞速地发展,它对传统教育的影响是重大的,随着网络教育的发展和普及,必将导致教育界一场空前的革命,文章通过对计算机网络软件技术的分析,给出了计算机网络教育的解决方案。     

Complex Network Classification with Convolutional Neural Network

Classifying large-scale networks into several categories and distinguishing them according to their fine structures is of great importance to several real-life applications.However, most studies on complex networks focus on the properties of a single network and seldom on classification, clustering, and comparison between different networks, in which the network is treated as a whole.Conventional methods can hardly be applied on networks directly due to the non-Euclidean properties of data.In this paper, we propose a novel framework of Complex Network Classifier(CNC) by integrating network embedding and convolutional neural network to tackle the problem of network classification.By training the classifier on synthetic complex network data, we show CNC can not only classify networks with high accuracy and robustness but can also extract the features of the networks automatically.We also compare our CNC with baseline methods on benchmark datasets, which shows that our method performs well on large-scale networks.     

从信息网到社会网的转变看网络文化的特点及教育意义

网络发展经历了从信息网到社会网的转变。信息网受到新技术力量的推动不断演进,符合超摩尔定律且表现出三网合一的趋势。社会网以信息网为基础,依靠社会性软件建立全新的虚拟世界,重塑社会关系。社会网作为无尺度网络,能通过网络形成＂小世界＂,注重联通主义理论。具有高度聚合作用的社会网为教育带来了宝贵的启示。     

NETWARE网络和WINDOWS NT网络的共存

从机房实际情况出发,讨论了WINDOWS NT SERVER的安装,通过工作站同时登录NT网和NETWARE网,享用NT网络和NETWARE网络技术,提出切合实际的方法。     

校园网中防止网络二层环路的技术研究

分析了校园网出现环路的主要原因,重点介绍了生成树协议的工作原理和算法实现。算法验证了采用生成树协议STP可以防止校园网中的二层环路,同时针对STP算法方面存在拓扑收敛速度慢的缺点,提出了快速生成树协议RSTP,并通过真实的实验环境提出了解决校园网二层环路的技术研究和详细的实现过程。     

主动网络管理技术研究

提出一种基于主动网络技术的网络管理体系结构。通过将网管主动包委派到被管对象附近的网管主动节点，快速主动地发现和处理网络事件，从而克服传统网络管理技术存在的管理效率低、伸缩性差的缺陷，实现分布式的智能网络管理。网管主动节点和主动包是该体系结构中的2个基本部件，文中给出了它们的构造方法。该主动网络管理体系结构不但能集成到目前的TCP／IP网络中，满足该类网络的管理需要，而且还能平滑过渡到对未来主动网络的管理。     

一种用神经网络估计网络可靠性的方法

提出一种用神经网络估计网络系统可靠性的方法．用节点数为n的网络系统的结构参数、网络中边的可靠度以及网络可靠性的精确值对神经网络进行训练，使神经网络学习到网络结构参数、网络中边可靠度与网络可靠性之间的映射关系．并利用同样的训练数据，应用GCV方法对神经网络模型的误差进行估计．对于节点数为n的其它网络系统，只要将有关数据输入获得的神经网络，就可得到该网络可靠度的估计值．     

IP网与PSTN网的融合

文章阐述了采用软交换为核心的下一代网络实现网络的融合—IP网与PSTN网的融合。