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：目的:面对我国人参价格涨跌频繁的现状,基于历史价格数据探索一种人参价格预测方法,进而有预见性的指导人参的种植、经营,防范伤农、伤商事件的发生。方法:以生晒55支规格的人参为代表,选取2012年6月至2018年5月的历史价格为实验数据,以2012年6月至2017年8月的价格为训练集,以2017年9月到2018年5月的价格为验证数据集,分别基于BP神经网络与ARIMA方法,构建人参(生晒55支规格)的价格预测模型,并将二者的预测效果进行比较。结果:ARIMA模型在平稳期的预测较为精确,BP神经网络能应对价格的突变预测。结论:BP神经网络预测模型整体优于ARIMA模型,进一步证实了BP神经网络用于价格预测的优越性。

简介：摘要将人工神经网络（ANN）技术引入磨削加工领域，研究预测切向磨削力和法向磨削力，来提高磨削力的预测精度。以多层前反馈神经网络为基本结构，以误差逆传播算法（BP算法）为网络的训练方法。通过分析，以砂轮速度vs、工件速度vw和磨削深度ap为输入，以切向磨削力Ft和法向磨削力Fn作为网络输出，选定网络的层数、隐含层神经元个数、训练函数、传递函数等内容，建立预测磨削力的BP神经网络模型。然后比较不同网络模型，来确定最优的预测模型。

简介：摘要对卷积神经网络（CNN）以及BP神经网络进行了简单介绍，比较了在数字号码识别的应用场合下，BP神经网络与卷积神经网络的识别准确率。针对数字号码识别这一特定场景，对NMIST训练数据进行有针对性的数据增强，实验证明能有效提高识别准确率。根据数字号码识别的应用场景提出了两种图像预处理方法，并通过实验验证了该方法对识别准确率的提升效果。最后分析了两种网络模型的参数大小以及所需运算量。

简介：随着人工智能的发展，数字识别技术也得到了关注并通过各种算法提高了识别准确率。数字识别在安防、交通、邮政等领域发挥越来越重要的作用，是智能城市不可或缺的一环。通过采用包含隐含层的BP神经网络对数字识别进行仿真。首先介绍Mnist数据集、人工神经元模型、激活函数、BP算法等相关概念，详细描述了BP神经网络的原理，并通过实例进行BP网络设计。同时提出了6种优化方式，分别是初始化权值、设置Dropout、选取不同的激活函数、选取不同的代价函数、采用不同优化器、设置学习率。结果表明BP网络在数字识别方面具有实际应用价值，并能通过各种优化方式提高识别精度。

简介：摘要卷积神经网络在自然语言处理中的应用是近年的研究热点。文章通过对几项典型工作的分析，研究了卷积神经网络在各项自然语言处理任务中的性能与效果。并对卷积神经网络语言模型的改进规律进行了总结。

简介：摘要在人工智能领域内，人工神经网络是一种运算模型，由大量的节点之间相互联接构成，目的是模拟人类的神经系统，目前已经广泛地应用在智能分析、回归、拟合等多个技术领域。本文从人工神经网络的概念讲起，介绍了有关人工神经网络的相关知识，分析了BP、RBF、SOM、DNN等不同人工神经网络的工作原理，介绍了各类神经网络在部分领域的应用，最后对人工神经网络的应用做出了展望。

简介：摘要为了有效降低垂直升降式立体车库事故发生率，加强对立体车库的状态监测和安全等级评价，本文采用立体车库安全风险因素分析方法，建立了垂直升降式立体车库安全评价指标体系。在此基础上基于BP神经网络和概率神经网络，采用仿真和实例分析相结合的方法进行了研究。结果表明基于概率神经网络的立体车库安全评价方法是有效的。

简介：在丝绸等织物生产过程中,经常会出现织物产生非正常花纹的缺陷。目前对织物缺陷的检测主要是通过人工肉眼判别,该方法花费时间长、人工成本高,会给企业带来较大的经济负担。本文通过使用BP和SAE两种神经网络对织物进行缺陷检测,并判断是何种缺陷:首先介绍了使用BP神经网络对大量样本训练并保存,得到最佳权值,从而实现对于图像的缺陷检测和分类;训练样本通过SAE深度神经网络训练得到重构图像,再不断微调参数,获得最佳的权重数值,运用滤波器过滤噪声,最终得到结果。通过大量的实验,结果表明两种方法对织物缺陷检测均具有非常良好的效果,充分证明了深度神经网络在工业生产织物过程中运用的可行性。

简介：多传感器数据融合是无线传感器网络中一个经常需要解决的问题.该研究运用BP神经网络设计了一个数据融合方法,探讨了其工作原理和实施步骤,并基于MATLAB平台的BP神经网络工具集和WSN原始数据进行了模型训练和验证.结果表明,BP神经网络数据融合模型具有良好的决定系数和RMSE值,具有一定的实用性.

简介：摘要基于BP模型的神经网络是一种用于前向多层神经网络的反传学习算法，目前为止应用最为广泛且最重要的一种训练前向神经网络的学习算法。本文详细介绍BP算法原理并剖析其性能不足的几个方面，简要介绍优化算法，对模型未来的发展方向进行展望。

简介：摘要混凝土抗压强度是保证混凝土工程质量最重要的检验指标，然而混凝土抗压强度的检验评定通常是在浇筑后28d进行的，即使试验结果不能满足规定强度，混凝土强度也不能提高。因此混凝土抗压强度早期预测具有重要研究意义。本文应用神经网络技术建立了混凝土强度预测模型，并将预测结果与实验室测试结果进行对比较。研究表明神经网络在预测混凝土的抗压强度方面有较高的精确度，将该技术应用于混凝土配合比设计，有助于保证混凝土工程质量。

简介：人脸关键点定位是计算机视觉的一部分,在人脸识别、人脸表情识别、人脸动作捕捉等工作中有重要的作用.非约束条件下人脸关键点定位,其难点在于人脸关键点位置在复杂环境下呈现非线性变化,影响人脸关键点定位的精准性.现提出基于级联卷积神经网络的人脸关键点定位方法,分析了级联深度模型全局回归阶段多尺度特征融合对人脸关键点定位的影响;同时提出了一种具有可学习参数的人脸关键点定位损失函数.经过大量实验表明,这里提出的人脸关键点定位算法能够有效的提高针对非约束条件下人脸关键点定位精确度.

简介：开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.

简介：摘要近些年来，电力事业保持快速的发展势头，城网的建设水平也有了大幅度的提升，城网供电可靠性预测也有了更多的技术保障，BP神经网络已经广泛地应用于城网供电可靠性预测中，突破了传统城网供电可靠性预测的局限和束缚，极大地提高了预测的质量和水平。本研究中，笔者根据当前城网供电可靠性预测的研究现状，对传统城网供电可靠性预测进行了阐述，在此基础上基于BP神经网络，对城网供电可靠性预防进行了详细地探讨，希望能够为今后相关内容的研究提供一定的参考依据。

简介：摘要随着我国经济的快速发展，社会在不断的进步，针对风力发电并网时所产生的电流冲击与波动过大的问题，文中基于其运行特性与控制原理，提出了一种基于神经网络的风力发电并网控制技术。该技术结合了BP神经网络与PID控制，使得控制器能够对转子电流进行控制，具有独立于被控对象的优点。加之双馈发电机，因而可以实现空载数学模型的并网控制。通过与传统控制技术比较可知，文中所提出的技术算法简单、响应速度快且精度高，能较好地控制电网电压波动，具有一定的有效性。

简介：规避道德风险的关键在于正确的授信,即根据客户的资质确定借贷金额,基于此,本文建立了基于信用评级的道德风险规避模型,根据客户的信用等级来进行消费金融借贷。在客户画像体系的建立中,数据中客户量极大,无法一一描述每一个客户的特征,本文通过筛选指标建立了合理的客户价值评估模型,并进行了仿真验证。

简介：兵棋推演作为预测和控制现代战争的利器，正逐渐被各国重视。本文利用人工神经网络能并行处理信息和学习的特点，从理论层面研究了如何将其应用于兵棋推演实现辅助决策，使兵棋系统能自主完成方案制定、预案分析、胜率分析、结果裁定等一系列工作，达成精简指挥系统、快速决策的目的。该研究对于推动兵棋推演的发展具有一定的现实和战略意义。

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：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。