简介:【摘要】:本项目为了对车辆轻量化中的无铆钉冲压连接进行优化,引入深度学习中的全连接神经网络,通过传感器传回的实时接头数据,对压力连接接头的力学性能进行实时检测,并传回控制主板经由神经网络的感知、处理、预测、优化、输出控制接下来的工艺参数。
简介:摘要:众所周知,我国目前处于一个重要信息化和智能化背景之下,各种智能技术已经在各个领域内进行运用,并且随着时间的推移,这些智能技术均起到了很好的效果和作用,人脸识别技术正是其中之一。在现代社会发展过程中,人脸识别系统和算法已经在信息验证、人物信息识别等等方面进行运用,而且现代国内的电子商务和网络银行开始广泛进行运用,因此人脸识别算法无论是在当前还是未来的发展进程中,均具有很好的发展和应用前景,因此,在后续的发展过程中,需要重视人脸识别技术的发展。在本文中主要介绍一种基于RBF神经网络的人脸识别算法,其主要目的在于促进国内人脸识别水平得到对应的提升。
简介:摘要 手写数字识别技术在近年来的应用逐渐广泛,人们对手写数字识别技术的要求也逐渐增高。卷积神经网络模型由于其良好的功能越来越广地被应用与手写数字识别领域,识别精度也在逐渐提高。本文首先针对卷积神经网络的构成结构进行简单的叙述,之后针对卷积神经网络技术在手写数字识别领域中各种形式的优化与其应用进行综述,最后分析了目前手写数字识别技术的主要优点以及还存在的不足,并进一步展望未来的研究发展方向。
简介:摘要:本文简述了人工神经网络的概况以及BP神经网络模型,通过分析BP神经网络对混凝土配合比、强度以及寿命的预测,表明BP神经网络预测精度较高,已经广泛的运用在混凝土预测中,具有实用价值。
简介:摘要:本文主要针对高等教育问题进行了相关研究,利用BP神经网络以分数评价国家高等教育系统的健康状况。首先收集了多个国家教育影响因素的数据,选择出“国家人均GDP”、“国家高校升学率”等八个指标初步建立简单的指标体系。其次对八个国家进行模型应用,对模型进行进一步的优化,对其提出优化后的合理蓝图。最后建立时间序列的BP神经网络预测模型,预测出原状态下2020年中国评分从而得知此模型稳定性较好。
简介:摘要:基于卷积神经网络的隐写分析能够实现更高维特征的表达,提高检测精度方面取得了突破性的进展。本文首先阐述了隐写分析的历史背景、研究意义和研究现状,然后对隐写分析目前使用的两种主要方法进行了归纳和总结。最后,详细阐述了目前基于卷积神经网络的隐写分析技术存在的不足和面临的威胁,并以此为基础,讨论了下一步隐写分析可能的研究方向。
简介:摘要目的构建无痛结肠镜检查术患者术后疲劳综合征(POFS)的人工神经网络(ANN)预测模型。方法选择2016年10月至2017年2月行无痛结肠镜检查术的门诊患者,收集围术期共38个影响因素。于麻醉复苏达标时,行Christensen术后疲劳评分。Christensen术后疲劳评分≥3分为发生POFS。根据是否发生POFS将患者分为POFS组和非POFS组。分别构建logistic回归预测模型和ANN预测模型,并进行检验。通过计算受试者工作特征曲线下面积比较2种预测模型的预测效果。结果ANN预测模型训练集和测试集错误率分别为23.1%和28.1%,训练集的灵敏度和特异度分别为88.6%和52.7%,测试集的灵敏度和特异度分别为91.6%和71.1%。logistic回归预测模型和ANN预测模型曲线下面积分别为0.698和0.776。结论本研究成功构建了无痛结肠镜检查术患者POFS的ANN预测模型,该模型预测效果优于logistic回归预测模型。
简介:摘要目的提升心电图心律失常分类算法的性能,为临床心电诊断提供辅助依据。方法将一维心电图数据按照R点进行切分,将切分后的数据生成2D图像。利用数据增强技术将样本进行扩增,再利用二维卷积神经网络(2D-CNN)中的2D卷积层、2D最大池化层、Flatten层和全连接层,对图像特征进行提取,并通过Softmax分类器进行分类。利用带有权重系数的损失函数来增强模型对于S类和V类的学习。采用MIT-BIH数据集进行模型训练并评估算法性能。结果样本扩增和使用带有权重系数的损失函数能够提升模型的召回率和特异性指标,同时保持模型对室性异位搏动(VEB)和室上性异位搏动(SVEB)分类的精确率的指标。结论所提出模型的准确率为99.02%,SVEB的召回率为96.4%,表明该分类方法可以辅助医护人员诊断心脏疾病。
简介:摘要:全球导航卫星系统(GNSS)是一种高度精确、连续、全天候和近实时微波技术,其中GPS的应用最为广泛,目前GPS已经能够达到毫米级的平面坐标定位精度,这种优势能够大大缩减人工测量的时间,提高效率,但是由于GPS所测高程和我国工程测量中使用的高程基准面不同使得GPS高程测量值的应用受到限制。针对将GPS高程测量值通过拟合方法转换为工程坐标下的正常高的研究有着广泛的实用价值。本文采用目前流行的BP神经网络法对测区范围内GPS所测得的大地高数据进行拟合,基于GPS测量得到已知点坐标和高程异常,建立两者之间的神经网络关系,并对网络进行训练,根据预测值和实际值之间的差异对网络中的权值和阈值进行重复计算修改,最后使得预测与实际值之间的误差满足要求,计算外符合精度并对未知点的高程异常值进行预测。通过MATLAB实现BP神经网络高程拟合并与多项式曲面拟合方法进行精度比较,最后得出BP神经网络拟合精度高且相比于多项式曲面拟合法具有准确性,可靠性和稳定性。
简介:摘要:截至2020年底,并网风电装机容量28153万千瓦,增长34.6%,占全国电源总装机容量的12.8%。在高速发展的背后却隐藏着急需解决的安全隐患,而风电机组漏油就是其中最为严重的问题,轻则污染机舱环境、重则引起整个机组火灾,及倾斜与倒塌。因为油具有难以挥发性及粘性的物理特性,通过传感器的方式进行检测,不能复位并实现持续检测。只有通过机器视觉即视频技术手段才能实现非接触式可持续检测,因为机舱内具有相对均衡的光线环境,相对恒定的测量距离,相对静止的参照背景等三个有利条件,通过卷积神经网络深度学习方法,对舟山二十台风电机组几十万张现场照片进行训练,并通过高性能人工神经元网络单元(NPU)进行运算,形成了产品化解决方案并成功应用到项目中。