利用深度卷积神经网络算法识别传统篆体书法的应用研究

利用先进的数字化和智能化技术对我国古代文化遗产进行数字化应用和有效保护,以更快捷、更高效的方式解决凭借人力无法解决的问题,具有重要的现实意义.通过研究深度卷积神经网络在书法文字检测识别任务上的应用,设计了一个篆体书法文字检测识别的完整系统,包括数据采集、数据扩充、算法训练与测试和算法模型部署等流程.整个系统以YOLOv...     

基于运动历史图像与卷积神经网络的行为识别

针对人体行为识别难于兼顾速度与精度的问题,提出了一种结合运动历史图像(MHI)与卷积神经网络的行为识别算法.该算法首先从原始视频序列中计算MHI,不仅减少了待处理的信息量,还提取了行为识别中的关键时空信息;接着以MHI作为输入,搭建了深度卷积神经网络,可以更好地表达时空信息;最后利用随机梯度下降法与dropout策略训练网络,实现行为类别分类.对比不同卷积神经网络训练与测试实验,该算法在Weizmann行为识别数据集上取得了95%的平均识别率,相较于未改进的网络结构提升了1.2%;对于持续时间为1.6s的行为动作,该算法的识别时间为1.56s.实验结果表明,所提算法在维持较高识别准确率的同时,实现了人体行为的在线实时识别与分类.     

基于卷积神经网络的煤矸石图像识别研究

在分析煤矸石分拣环境特点及煤矸石视觉特点的基础上,提出改进的卷积神经网络煤矸石图像识别算法,并从损失函数、模型参数以及准确率3个方面进行分析研究。结果表明:改进后的卷积神经网络图像识别算法能有效地避免分选环境中的噪声影响;与传统的分选方法相比,具有更快的识别速度和更高的准确率,能更好地满足实际工程需要。     

基于卷积神经网络的三电平断路故障诊断方法研究

逆变器作为一种电力变换的装置,具有性能优越、使用方便等优点,在生产中不可或缺.具有大功率的三电平逆变器核心元器件发生故障时,仅仅依靠人工检查很难直接判断出故障类型,存在一定的安全隐患,而且因为三电平的故障类型差异性很大,造成数据集分布不平衡的问题.针对现有数据集故障样本少、数据集不平衡的问题,本文应用合成少数类过采样技...     

关于卷积神经网络损失函数的改进算法

经典的卷积神经网络模型损失函数在设计时只考虑输出与标签之间的比较,没有涉及到图片之间的差异.为了提高卷积神经网络模型提取特征的差异,提出了基于Triplet network模型约束的卷积神经网络模型,这种方法提高了卷积神经网络提取有效特征的能力,减少数据集数量对于模型的影响.在MNIST数据集和cifar-10数据集上进行实验,提出的新模型在这2个数据集上比经典的卷积神经网络模型识别效果更好.     

基于改进YOLOv4的虾苗智能识别算法研究

近年来,虾类养殖发展迅速,已经成为我国水产养殖中的新型支柱产业,给国家及养殖企业带来了巨大的经济与社会价值.在对虾类进行养殖的过程中,对虾苗进行识别和数量统计为虾苗运送销售、科学喂养虾苗、挑选优质虾苗等环节提供了强力支持.因此,对虾苗进行智能识别与统计对虾类养殖业具有很重要的现实意义.但是,因虾苗图像存在反光、虾苗个体...     

一种基于小波、分形与神经网络的汽车车型识别方法

提出了利用小波分析、分形理论和神经网络技术进行车型图像的识别方法,主要包括用小波理论进行汽车图像的消噪和边缘检测、分形编码和神经网络分类等3个部分,经过实验证明,该方法取得了较佳的识别效果。     

基于代价敏感卷积神经网络的集成分类算法

针对不平衡数据集中少数类样本分类识别率较低的问题,提出一种基于代价敏感卷积神经网络(cost sensitive convolutional neural network,CSCNN)和AdaBoost的分类算法(classification algorithm based on cost sensitive conv...     

基于卷积神经网络的时空权重姿态运动特征提取算法

在传统姿态运动特征提取过程中存在有效提取效率低的问题,于是提出了基于卷积神经网络(convolutional neural network,CNN)算法的时空权重姿态运动特征提取算法.针对所选择的运动时空样本,提取相应的时空运动关键帧并以静态图像的形式输出;采取运动目标检测、图像增强等多项措施完成初始运动图像的预处理工...     

基于神经网络算法的频谱分析

提出一种信号频谱分析的神经网络方法,研究了神经网络算法的收敛性,给出了频谱分析的应用实例.研究结果表明,该频谱分析方法不涉及复数的乘法运算和加法运算,计算精度高,便于软件和硬件实现,特别适合于DSP软硬件实现,因而是一种有效的信号频谱分析方法.     

一种基于神经网络的RSSI定位算法

针对商场、地下室等室内环境GPS室内信号较弱、定位误差较大的问题,本文提出了一种基于神经网络的RSSI定位算法,通过对基本的BP算法加以改进,优化其功能,最后进行实验验证。     

基于深度学习的联邦集成算法

联邦学习是多源隐私数据保护领域研究的热点,其框架在满足数据不出本地的情况下,可以训练出多方均满意的共同模型,但存在本地模型参数难以整合且无法在安全的情况下将多源数据充分使用的问题,因此提出基于深度学习的联邦集成算法,将深度学习与集成学习应用到联邦学习的框架下,通过优化本地模型的参数,提高了本地模型准确率;使用不同的集成算法来整合本地模型参数,在提升模型准确率的同时兼顾了多源数据的安全性。实验结果表明：与传统多源数据处理技术相比,该算法在mnist、digits、letter、wine数据集训练模型的准确率依次提升1%、8%、-1%、1%,在保证准确率的同时也提升多源数据与模型的安全性,具有很重要的应用价值。     

一种基于神经网络辨识的预测方法

针对时变的非线性系统,将传统的预测控制与神经网络逼近任意非线性函数的能力相结合,提出一种基于神经网络辨识的预测方法.同时选用含有调整参数的双曲正切函数作为节点的激活函数,弥补由于未考虑激活函数的输出值域、影响神经网络辨识精度和速度不足的问题.仿真结果表明,它适用于无滞后和有滞后的时变非线性系统,辨识收敛速度快、精度高,并具有较强的自适应性和鲁棒性.     

基于三维卷积和CLSTM神经网络的水产养殖溶解氧预测

提出了一种基于三维卷积和卷积长短期记忆(convolutional long short-term mem-ory,CLSTM)神经网络的水产养殖溶解氧预测模型.首先,将输入向量及其转置相乘形成一个单通道矩阵,把一定时间段内的单通道矩阵堆叠成一个立方体作为输入数据;然后,将输入数据进行连续两次三维卷积来细化溶解氧相关因...     

基于相近关系的粗糙因子神经网络的模式识别方法

针对经典粗糙集理论中的不可分辨关系对连续属性值中噪声数据缺乏容错性的情况,提出一种基于个体属性值距离的相近关系,定义了相近关系下的粗糙集理论的基本概念.在相近关系的基础上,提出了衡量粗糙隶属度的方法,研究了该隶属度函数的性质,利用该函数作为粗糙因子设计了粗糙因子神经网络,可减小噪声污染的影响,并使网络的收敛速度得到提高.最后,通过对某型歼击机操纵面故障的模式识别的仿真研究验证了文中方法的正确性和有效性.     

基于改进遗传算法的车辆路径问题研究

车辆路径问题是一个典型的组合优化类问题,而传统的算法无法满足顾客需求对物流运输提出的要求.遗传算法是求解此类问题的方法之一,针对遗传算法容易出现早熟收敛,以及车辆运送的时间限制,该文采用改进的遗传算法对有时间窗的车辆路径问题进行分析,实验验证了算法的有效性.     

基于GA-BP神经网络的建筑工程事故预测研究

为了提高建筑工程事故预测精度,采用遗传算法优化得到BP神经网络的初始权值和阈值,在此基础上基于自适应学习速率动量梯度下降法进行BP神经网络训练,建立基于GA-BP神经网络的建筑工程事故预测模型.通过数据挖掘的方式提炼出影响建筑工程安全施工的主要危险因素作为GA-BP神经网络预测模型的输入变量,以千人负伤率作为输出变量进行预测分析.结果表明,GA-BP神经网络预测模型收敛速度快,预测精度高,可有效提高建筑工程事故预测的准确性.     

基于奇偶交叉卷积的轻量级图像语义分割网络

传统轻量级图像语义分割网络中的跨步下采样卷积导致感受野呈现刺状分布,使得像素点利用率出现系统偏差,影响分割精度的提升。为此,针对传统的轻量级图像语义分割网络设计一种奇偶交叉卷积的下采样模块,在跨步奇数卷积模块前增加单步偶数卷积模块,在一定程度上缓解了刺状分布带来的不良影响,消除了分割网络中不同空间位置上像素利用率的偏差,最终提高了模型对像素点的分割精度。通过7种不同轻量级图像语义分割网络的对比可以看出,所提模型可以明显消除刺状分布,使分割网络的精度进一步提高,同时也证明了该模型适用于不同的轻量级网络,具有普适性。     

基于GCOA算法的带时间窗车辆路径规划问题研究

GCOA算法是对遗传算法的重大改良,不仅加快了遗传算法的收敛速度,而且从一定程度上避免了遗传算法陷入局部最优,并增大了遗传算法获得最优解的能力。本文首先介绍了GCOA算法,然后通过具体问题的解决对比传统遗传算法与GCOA算法,得出GCOA算法在收敛速度及结果优化两方面的有效性,最后将GCOA算法应用于求解VRPTW问题上,得出最优化结论。