简介：摘要:随着大数据时代的到来和计算机能力的提升，传统的目标检测方法难以处理庞大的图像数据以及无法满足人们对目标检测精度和速度上的要求，而卷积神经网络具有强大的特征学习能力，突破了传统目标检测方法的瓶颈，基于卷积神经网络的图像目标检测技术在诸多领域掀起了新的应用热潮。首先，文中介绍了卷积神经网络在目标检测任务上的优越性；其次，梳理了基于卷积神经网络的图像目标检测在医学、工业、农业领域中的典型应用，并对其中几种典型卷积神经网络的结构进行归纳总结分析；最后，讨论了目标检测的应用方面仍然存在的问题，并对基于卷积神经网络的图像目标检测应用的未来研究发展方向进行展望。

简介：

简介：摘要人工神经网络（简称神经网络）是20世纪80年代发展起来的一种模仿生物脑结构和功能的信息处理系统，是近年来国际学术界的研究热点之一。神经网络由相互间部分或完全联系的微处理单元（即神经元）组成，具有并行分布处理、非线性映射、通过训练自学等特别能力，能够完成各种涉及非线性结构的工作。随着人们对人工神经网络研究的深入，它在各个学科中的应用也越来越广泛。本文就人工神经网络在印刷工程领域的应用进行探讨。

简介：摘要：考虑到历史电力负荷数据、天气、时间等信息的影响，电力负荷预测用于预测未来的电力负荷。对于独立的系统运行，有许多电力负荷预测应用为调度员提供信息和市场运行，如发电调度和系统备用发电，因此准确的电力负荷预测模型是规划管理和运行的必要条件。本文主要分析了基于进化神经网络的短期电力负荷预测研究。

简介：

简介：基于神经网络设计出一种新的装甲车辆维修系统.该系统的知识获取所采用的方式是自动的,克服了现有车辆维修系统的知识获取瓶颈问题.系统还具备了在线学习功能,增强了系统的自适应能力,大大提高了系统的适用性.

简介：摘要：随着中国经济的不断发展，中小微企业已经成为了国家经济高质量增长的重要基础。本文对中小微企业的信贷问题，给出了分析方案。

简介：我国证券市场股价波动表现出特有的混沌性质[1][2],具有局部随机与整体秩序[3]相容的特征.本文以2002年每隔十秒的上证指数高频数据[4]为例,以混沌理论为基础,从原始序列中构造出若干个新的时间序列,运用神经网络法[5]进行预测.预测结果表明,此方法能够较好地预测股票的走势,有望在股票交易中应用.

简介：简要叙述数据挖掘的概念及几种主要的数据挖掘方法,提出一种基于模糊神经网络的数据挖掘算法,把模糊理论和神经网络结合起来构造、训练模糊神经网络,弥补神经网络结构复杂、网络训练时间长、结果表示不易理解等不足。

简介：摘要:手机屏幕的缺陷检测操作期间，深度卷积的神经网络往往起着关键作用，对实测效果 影响极大，要求技术员能够充分掌握此方法。鉴于此，本文主要围绕着深度卷积的神经网络基础下手机屏幕的缺陷检测开展深入的研究和探讨，仅供参考。

简介：摘要：随着经济发展，人们对电力能源的需求不断增长，对电力运行质量提出了更高的要求。电力企业需要不断完善电力系统管理，来满足人们的用电需求。带那里计量是电力系统管理的重要环节，对带那里计量故障进行分析和诊断，保障电力计量的精准性，可以有效提升电力管理效率，促进电力行业的发展。 x

简介：摘 要：近年来，大数据、云计算、人工智能等新技术的迅速发展，数据量也急速增长。对于多模数据的应用和海量数据的处理已经成为研究人员最关注的话题之一。而神经学习的出现，给处理多模和海量数据带来了新的方向。深度学习构建的神经网络可以很好的处理非结构化的数据，给推荐算法的发展指明了道路。文章搭建了一种基于深度神经网络的多模信息推荐算法模型。实验结果表明，该模型能够有较好的推荐效果。

简介：摘要当前高速公路的交通量呈明显的递增趋势，并且我国的自然环境条件十分复杂，在高强荷载和复杂环境的作用下，高速公路的病害特别是路面病害日益增多，因此我国通过建立路面管理系统为高速公路网的养护管理提供一个核心的平台。但是由于我国的路面管理系统建立时间很短，对于经验的总结和设备的先进程度仍然处在低水平线上。所以提高路面管理的现代化、科学化及智能化称为当下十分重要的科研努力方向。本文基于MATLAB的BP神经网路预测模型的分析，以加强路面管理数据分析的行为能力为目的，采用科学的管理理论及模糊数学的分析方法，为路面管理人员提供准确的路面使用性能的评测，尤其是本文提出一种自主学习且容错率较高的数学分析方法，这对于路面管理系统的数据采集、分析、评估，甚至对于整个高速公路网及社会经济的长期稳定发展具有很重要的理论和现实意义。

简介：为准确预测电力系统中期负荷，针对常用BP算法的预测速度慢、易陷入局部最优解的缺点，改进了基本BP算法，建立了中期负荷预报模型。负荷预测仿真表明，对BP算法的改进可使预测精度和收敛速度均得到显著的提高．

简介：摘要遥感影像在很多领域都发挥着不容忽视的作用，科学技术的发展不仅使得遥感影像的分辨率越来越高，对于影像分类也提出了更高的要求。在这种情况下，以往高分遥感影像分类算法的计算精度逐渐无法满足分类要求，需要对算法进行改进和创新。基于此，本文提出了卷积神经网络分类算法，能够有效减少图像分类处理过程中比例缩放、平移等变形所引发的误差问题，提升分类精度。

简介：单隐层前向神经网络的学习能力是有限的.特别地,作为分类器,单隐层前向神经网络对于图像的复杂信息和不同图像之间的细节信息很难学习和处理.文章借鉴深度神经网络的思想,将单隐层矩阵输入的神经网络拓展到多隐层神经网络,并采用传统的反向传播算法对其训练并给出学习算法.通过多个数据库的实验对比,结果显示所提出的算法具有良好的效果.

简介：摘要从米级高分辨率遥感影像中提取精准的建筑物时，影像中的树木和道路影响提取精度的主要噪声对象。本文利用卷积神经网络和贝叶斯结合的方法，较好地解决了这一问题，首先将人工去除遮挡后的建筑物和没有被遮挡的建筑物、林地、道路作为样本建立三个独立的样本库，利用一个5层的全卷积神经网络模型对样本分别进行学习，获取各自的特征向量集；然后对特征矢量集进行混合高斯建模，以估计噪声对象与房顶混合的条件概率密度函数。利用高分2影像进行了训练和测试，结果表明，本文方法能够较好地消除树木和道路的影响，提取建筑物的精度能够达到91%。

简介：提出了一种光纤传感报警信号的处理技术,光纤传感具有高灵敏度、抗电磁干扰、耐高压抗腐蚀等优点,但报警信号的误报问题一直是光纤周界系统需要解决的问题,而传统的时域门限分析方法对信号的识别准确率不高,不利于降低安防系统报警信号的误报率。利用小波降噪技术,结合信号的时频域特征,构建基于概率的神经网络分类器,可以在很大程度上减少信号的误报。

简介：绘画作品的数字化对有效使用绘画资源具有重要意义，传统图像分类方法并未考虑绘画作品主观特性，且大部分特征需要人工提取，存在细节特征丢失等问题．在此提出基于卷积神经网络的绘画图像分类方法，分析了卷积核大小、卷积神经网络结构宽度、训练样本数量对分类结果的影响，以优化网络结构和参数．实验结果表明，该方法对绘画图像分类的有效性，在不同绘画图像数据集的分类实验上也得到了较好的分类结果．

简介：摘要为了解清水河水质变化趋势和水环境变化系统的规律，建立水质神经网络模型。选取PH值、高锰酸盐指数、溶解氧、生化需氧量、氨氮和总磷六项指标为学习样本参数，运用L-M优化算法对神经网络优化计算，对清水河2014-2015年监测断面水质指标进行训练。结果表明神经网络具有很强的非线性映射能力和柔性网络结构，实际监测值与预测值误差较小，有良好的可行性和有效性。