神经网络算法

摘要： 针对患者就医前无法预估自身疾病,对检查注意事项准备困难等问题,该文设计一款就医辅助平台,通过预测疾病,给予检查项目建议,指出检查注意事项,帮助患者做好就医准备。该文基于BP神经网络模型,构造用户特征模型,建立一个分块处理主页信息的辅助医疗平台,对患者疾病类型进行预测,指导患者就医。通过测试数据的测试,该模型对于疾病预测准确值可达74%,若以输出可能性最高的前五种疾病作为判断,准确度可达89%。由于实验数据经过理想化处理,该数据集与真实情况存在一定偏差。该平台构想可成为患者就医看病过程中重要的一环,帮助患者在检查前有更充分的准备;同时,该构想可为医院实现迅速分诊提供思路。

摘要： 随着新交通法的实施,电瓶车骑手的头盔佩戴问题引起社会关注,尽管通过使用摄像机可以对骑手进行间接观测,从而减少了直接观察所带来的人力成本,但骑手位置的不确定性,不安全行为的随机性,都给通过固定式摄像机的骑手头盔佩戴检测的准确性和通用性带来了极大挑战。为此,本文设计了一种基于无人机巡检和深度学习的电瓶车骑手佩戴检测方法,该方法首先基于YOLO模型针对无人机采集图片进行分析处理,获取骑手头盔佩戴特征,通过特征分析建立未佩戴头盔骑手的分类模型;然后,针对实际采集过程中的噪声影响,对算法的性能进行验证,并通过噪声抑制方法进一步提升了识别的准确性。所提出的方法可以为电瓶车骑手的安全行驶检测提供新的技术手段,有利于进一步提升交管部门的管理效率。

摘要： 目的:解决目前啤酒灌装机工作效率低、灌装精度不高的问题。方法:分析啤酒灌装机的结构和工作原理,确定以二次补灌的重量偏差为指标的控制方式;在PLC控制器的基础上,利用模糊算法抗干扰能力强以及神经网络算法自适应性好的特点,提出一种基于模糊神经网络的PID控制策略,并进行仿真分析和灌装测试。结果:在设定目标范围内,灌装重量的最大偏差仅为1.7 g,灌装合格率为100%。与传统PID控制相比,该算法的响应速度提高了55%,灌装精度提高了50%。结论:试验方法可有效提高灌装精度和灌装效率,能够满足自动生产线运行稳定、快速、可靠的要求。

摘要： 文章通过金属材料数值模拟操作、材料的塑性变形、神经网络技术等相关原理的实际应用,借助有限元数值模拟程序对典型圆孔翻边件翻边成形过程进行数值模拟,将BP神经网络的算法引入圆孔翻边件翻边成形过程中,应用BP神经网络模型预测圆孔翻边件翻边成形质量,后续通过相应的试验过程、建立神经网络系统等步骤对设计参数和模具实施优化改进,确保翻边件的成形结果达到最优化的结果,实验结果表明成形效果良好。

摘要： 为提高沉陷病害检出率从而保障道路运营安全,研究了针对沉陷病害的识别方法。根据实际情况,与人工识别沉陷方法进行对比,分别分析了坑槽、井盖、车辙对检测结果的影响。利用三角位移和激光测距原理得到路面纵断面高程曲线,先从高程曲线中筛选出-10 mm以下范围数据,然后剔除通过基于神经网络算法的人工智能技术识别出的坑槽、井盖以及通过多维度特征参数提取的车辙路段,剩余-10 mm以下范围路段数据即为沉陷病害,试验结果表明:该识别路面沉陷病害的方法较好,效率高,准确性好,对轻、重度沉陷的识别准确率分别达到70%、80%。

摘要： 介绍大乐透彩票的现状,以及将Keras神经网络算法与大乐透彩票相结合,建立大乐透彩票预测模型,实现了一个多输入、多输出的模型,输入的是7个号码的时间序列,输出则是每个位置出现某个球的概率,并将最近的100期开奖数据作为样本数据进行实验训练,再建立基线模型进行对比,通过实验对比发现模型预测能提高大乐透彩票的中奖概率。对运用神经网络建立预测模型具有参考意义。对其他彩票建立预测模型也有一定的参考价值。

摘要： 为进一步提高发射场坪的快速选定能力,提出基于线性多元回归算法、反向传播(BP)神经网络算法和径向基函数(RBF)神经网络算法的发射场坪承载特性近似模型,对其承载能力进行快速预测。采用了引入参数敏感度的优化拉丁超立方采样方法,构建样本空间并分别建立起竖载荷和发射载荷下的算法预测近似模型;利用上述预测算法,通过某结构参数未知的场坪在起竖载荷下的动力学响应,预测其在发射载荷下的可能最大弯沉值,判断土基弹性模量未知的发射场坪承载能力。结果表明:RBF神经网络算法对起竖载荷和发射载荷下的场坪最大弯沉量均具有最优的预测性能,与有限元计算结果相对比,回归系数分别为0.941和0.983,模型精度较高,具有可信性;预测结果与仿真结果的平均误差为10.46%;对于承载强度较大的场坪,残差范围在±2 mm以内,对发射过程中的场坪选定决策具有参考价值。

摘要： 为解决飞行试验领域机载测试系统传统设计过程中人为差错几率大、设计效率低的问题,采用流程模块化分解、逐级优化的设计思想,提取功能要素和资源配置信息,形成基于自动构型原则的测试系统自动设计方案;针对测试任务机器读取和智能分析的关键环节,基于机器学习理论和历史任务参数库,提出KNN临近算法改进的BP神经网络算法并仿真验证,提高了测试参数预测效率和分类准确度,设计并实现了机载测试系统自动设计软件。结果表明:与传统设计方法相比,采用机器学习算法进行机载测试系统自动设计可以更快响应复杂多变的试飞任务,并且缩短测试任务周期约41%、大幅节约试飞成本,有力推动测试系统向自动化、智能化方向发展。

摘要： 针对模糊能量管理策略设计仅依赖专家经验很难适应复杂工况的问题,本研究提出了一种基于神经网络工况识别的增程式电动汽车模糊能量管理策略。首先,基于中国货车行驶工况(CHTC-HT)数据,利用改进遗传算法优化的BP神经网络构建工况识别模型;其次,根据所识别的工况类型,融合电池SOC及整车需求功率参数,设计了自适应模糊能量管理策略,通过实时获取发动机功率输出实现能量优化分配;最后,通过硬件在环测试验证了所提出的方法。结果表明自适应模糊策略油耗相比规则策略降低9.67%,比模糊策略降低7.84%,有效提高了整车经济性。

摘要： 目前用于人物二维动画建模的人物成像算法存在精准度不高、执行效率差的问题,还有较大提升空间。基于此,提出了一种基于深度学习的人物二维动画生成算法,对人体运动状态下的姿态进行识别、模拟,对视频图像预处理、人物边缘轮廓绘制提炼,以神经网络结构算法为基准,采用聚类算法对关键关节点数据进行处理,降低数据处理量,提高执行效率。结合人物动作姿态识别和二维动画建模,实现了针对动画人物构建改进的卷积神经网络架构,并运用大数据分析建模最终生成人体二维动画模型。对比经典的算法,明显提高了动作识别的精准度以及算法的执行速度。

摘要： 初至波拾取是折射静校正的基础数据,决定静校正量的效果.随着三维地震资料原始数据量增加,利用初至波自动拾取算法拾取初至越来越必要.近地表复杂区域资料初至波速度横向变化剧烈、初至波以上强能量干扰都会对初至波的拾取质量造成影响.本文分析初至波分布位置的影响因素,提出利用神经网络算法对初至波位置趋势进行预测,以此模拟初至出现的大致范围,经实际数据验证,此方法可以缩小初至波拾取范围,将初至附近干扰隔离在拾取时窗范围之外,从而提高初至波拾取的精度,是一项值得进一步研究的方法.

摘要： 神经网络算法是计算机深度学习的一种,广为应用于书写识别、语音识别、图像识别与处理领域.发展至今的神经网络算法被进一步用于支持一些计算机软件进行具有典型艺术倾向人工智能处理.较为具有代表性的是卷积神经网络在名画特征识别与图像处理方面的平民级应用,如Prisma艺术滤镜等,它可将用户拍摄的不同光照、景深与白平衡的真实照片处理成具有艺术风格识别性的名画风格.除了在照片处理中的应用,视频处理领域也出现了基于神经网络算法的名画风格滤镜应用.这些基于计算机算法的艺术类应用在一定程度上使得更多人接近具有强烈风格化的视觉艺术,更重要的是,它们正在促使人们进一步思考艺术与技术的关系——人类智能与人工智能的本质区别.

摘要： 多源交通数据融合技术是交通信息服务的保障,也是多源交通系统的关键技术,神经网络算法是一种有效的数据融合方法.本文通过对神经网络算法原理及各类检测数据特性进行概述,分析神经网络算法在多源交通数据融合中的可用性,梳理基于神经网络多源交通数据融合研究及应用现状,对基于神经网络的多源交通数据融合方法进行研究,并分类构造了多种融合算法模型.本文提出的方法及技术对多源交通数据融合研究及应用具有借鉴意义.

摘要： 为了提高对流层湿延迟的计算精度和全球定位系统水汽反演的准确性,结合BP神经网络算法的自主学习、记忆、计算和智能处理功能,利用气象探空数据建立了计算对流层湿延迟的BP神经网路模型,其模型结构为4×15×1.分别利用霍普菲尔德模型、多元线性回归模型及BP神经网络模型计算对流层湿延迟.对比分析了3种模型的对流层湿延迟计算结果,得到结论:霍普菲尔德模型存在系统误差,精度较低;多元线性回归模型和BP神经网络模型的精度都优于霍普菲尔德模型;BP神经网络模型精度较霍普菲尔德模型改进约50％,较多元线性回归模型学习中误差改进约71.7％,检验中误差改进约2％.

摘要： 随着数字化模拟、优化与生成设计技术的发展,建筑结构性能化设计得到了越来越多建筑师的关注和应用.由于建筑设计目标的综合性,与之相随的建筑结构优化问题往往含有多个优化目标,多个可优化的参数.这为优化找形带来了一定的难度.因此,选取适合的优化算法在建筑结构性能化设计中尤为重要.本研究通过一个参数化的壳体结构实验模型,设定了多个优化参数(底部宽度、中点宽度、整体高度、局部翻起高度)和多个优化目标(结构形变、结构质量、结构应变能),通过运用人工智能算法中的遗传算法与神经网络算法,对其进行了多目标的优化.研究发现基于遗传算法和神经网络算法的优化提供了不同的优化过程和优化结果.这为建筑结构性能化优化问题中的算法选择提供了一定的思路.

摘要： 本文综合介绍了对于保险客户数据挖掘不同时期采用的数据挖掘算法。近年来，为了克服传统数据挖掘算法在保险客户数据挖掘中的缺点，研究者们引入了人工智能技术的算法，将其应用到数据挖掘中，通过跨学科的算法研究，将数据挖掘的算法的研究空间进一步拓宽了。具体包括基于BP神经网络算法的保险客户流失预测，基于遗传神经网络算法的保险客户数据挖掘。并对其进行了评价,对保险客户数据挖掘的算法的未来发展做出了展望,以便为未来保险客户数据挖掘算法的研究提供一个参考.

摘要： 本文使用神经网络算法结合遗传算法编制计算软件来实现SCR催化剂的失效预测功能,并在此基础上制定催化剂清洗再生流程.以49份运行环境不同的SCR催化剂为研究对象,使用灰色关联度分析法对原始数据进行预处理,最终确定以燃料钾含量等七个变量作为网络输入,以催化剂的相对活性作为网络输出.rn 在MATLAB环境下编程,构建BP神经网络.之后,针对BP神经网络结构上的缺陷,进行基于遗传算法优化的神经网络建模研究.结果表明,遗传算法优化后的BP网络(GABP)预测精度和数据拟合能力均有所提高.最后,本文总结出一种较为完善的催化剂清洗再生流程.本软件可有效指导工业应用中煤种、SCR催化剂以及催化剂中毒后的清洗再生技术路线的选型.

摘要： 地球物理中的反演问题,即由观测数据反推模型参数,这个过程是一个极其复杂的过程.本文将遗传算法和BP神经网络算法(Genetic Algorithm and Back Propagation,简称GABP法)混合进行反演,并通过经典模型进行验证,获得了较好的反演结果.

摘要： 针对故障诊断在目前各种行业自动测试不可或缺的特点以及现代测试的日益复杂性,提出了一套以PXI总线为硬件平台、LabVIEW为核心的无线通信故障诊断系统.该系统采用了发展较为成熟的神经网络(Neural Network,NN)算法,实现了对无线通信故障诊断的小型化以及高性价比.系统的通用性以及可移植性比较好,具有比较好的应用前景,在无线通信的故障诊断乃至整个故障诊断领域都有比较好的借鉴价值.

摘要： 针对故障诊断在目前各种行业自动测试不可或缺的特点以及现代测试的日益复杂性,提出了一套以PXI总线为硬件平台、LabVIEW为核心的无线通信故障诊断系统.该系统采用了发展较为成熟的神经网络(Neural Network,NN)算法,实现了对无线通信故障诊断的小型化以及高性价比.系统的通用性以及可移植性比较好,具有比较好的应用前景,在无线通信的故障诊断乃至整个故障诊断领域都有比较好的借鉴价值.

摘要： 本发明的一个实施例提供一种用于将神经网络映射到神经突触基底上的系统。所述系统包括：元数据分析单元，用于分析与神经网络的邻接矩阵表示的一个或多个部分关联的元数据信息；和映射单元，用于基于元数据信息将矩阵表示的所述一个或多个部分映射到神经突触基底上。

摘要： 本发明公开了一种基于多角度卷积神经网络与循环神经网络的文本分类算法，包括步骤：1)对文本进行多角度的卷积神经网络的建模，包括不同的滑窗宽度、过滤器和池化类型，得到一种特征表达；2)对文本进行双向LSTM循环神经网络的建模，得到另一种特征表达；3)对文本的两种特征表达进行特征融合，利用SVM分类器，得到文本的分类。本发明将多粒度、多种卷积、多种池化融入到卷积神经网络中，将双向传播引进LSTM循环神经网络，得到两种文本高层特征表达，通过特征融合方式，建立SVM分类模型，得到文本分类结果。本发明能够捕获不同的文本高层特征表达，通过特征融合，得到文本更丰富的特征表达，建立SVM分类模型，提高分类效果。

摘要： 本发明的一个实施例提供一种用于将神经网络映射到神经突触基底上的系统。所述系统包括：元数据分析单元，用于分析与神经网络的邻接矩阵表示的一个或多个部分关联的元数据信息；和映射单元，用于基于元数据信息将矩阵表示的所述一个或多个部分映射到神经突触基底上。

摘要： 本发明公开一种基于BP神经网络的钻速预测方法，采集钻井工具的扭矩、钻压、泵压和排量，并基于BP神经网络预测钻速，具体包括步骤1：按照采样周期，通过传感器测量钻井工具的扭矩N

摘要： 本发明公开了一种基于循环神经网络变体和卷积神经网络的文本分类算法，具体为：步骤1，对数据集SogouC和数据集THUCNews进行预处理，并将两个数据集均分为训练集和测试集，并将各自训练集和测试集中的文本数据均训练为句向量；步骤2，利用步骤1中两个数据集中的训练集中文本建立BGRU‑CNN混合模型，步骤3，建立目标函数，采用随机梯度下降方法训练经步骤2建立好的BGRU‑CNN混合模型；步骤4，将两个数据集中将测试集的文本句向量输入经步骤3训练好的BGRU‑CNN混合模型中，得到分类结果。本发明解决了现有技术中存在的长文本在文本分类时提取语义关键特征难度大，分类效果差的问题。

摘要： 本发明专利设计了无创诊断系统中基于卷积神经网络‑循环神经网络‑支持向量机混合模型的识别算法，通过数据噪等预处理方法得到数据集，第一次在此领域使用卷积神经网络和循环神经网络作为端对端特征提取器对样本进行特征提取，分别提取数据的时间和空间特征，最后使用支持向量机对提取的特征数据进行分类。该算法最终取得高准确率、高特异性和高灵敏度，可在无创检测领域得到广泛应用。

摘要： 本发明公开了一种基于多角度卷积神经网络与循环神经网络的文本分类算法，包括步骤：1)对文本进行多角度的卷积神经网络的建模，包括不同的滑窗宽度、过滤器和池化类型，得到一种特征表达；2)对文本进行双向LSTM循环神经网络的建模，得到另一种特征表达；3)对文本的两种特征表达进行特征融合，利用SVM分类器，得到文本的分类。本发明将多粒度、多种卷积、多种池化融入到卷积神经网络中，将双向传播引进LSTM循环神经网络，得到两种文本高层特征表达，通过特征融合方式，建立SVM分类模型，得到文本分类结果。本发明能够捕获不同的文本高层特征表达，通过特征融合，得到文本更丰富的特征表达，建立SVM分类模型，提高分类效果。

摘要： 本发明提供一种不需要偏置的神经网络电路装置、神经网络、神经网络处理方法和神经网络的执行程序。二值化神经网络电路(100)具有：输入输入值x1～xn(xi)(二值)的输入节点和输入权重w1～wn(wi)(二值)的输入部(101)；XNOR门电路(102)，其接收输入值x1～xn和权重w1～wn，且进行XNOR逻辑运算；求和电路(103)，其求出各XNOR逻辑值的总和；批归一化电路(41)，其通过扩大归一化范围且使中心位移的处理来修正由二值化导致的分布不平衡；和激活函数电路(35)，其使用激活函数fsgn(B)对信号B进行转换，其中所述信号B是对求出总和之后的信号Y进行批归一化得到的信号。

摘要： 本发明提供一种无需批归一化电路的神经网络电路装置、神经网络、神经网络处理方法及神经网络的执行程序。二值化神经网络电路(100)具备：输入输入值x1～xn(xi)(二值)的输入节点及输入加权w1～wn(wi)的输入部(101)、接收输入值x1～xn及加权w1～wn并采用XNOR逻辑的XNOR门电路(102)、输入多位偏置W'的多位偏置W'输入部(110)、取各XNOR逻辑值和多位偏置W'的总和的求和电路(103)及对于取总和后的信号Y仅输出符号位的激活电路(120)。

摘要： 本发明提高数据并行型分散学习的吞吐量。神经网络系统具有存储器和访问存储器的多个处理器，多个处理器中的每一个处理器在多次学习中的每一次学习中，基于训练数据的输入和神经网络内的参数执行神经网络的运算来计算神经网络的输出，计算计算出的输出与训练数据的教师数据的差分相对于参数的梯度或者基于梯度的更新量，(1)在梯度或者更新量的累积不小于阈值的第一情况下，执行多个处理器将分别计算出的多个梯度或者更新量的累积发送到多个处理器内的其它的处理器来汇集多个梯度或者更新量的累积，接收汇集后的梯度或者更新量的累积，用汇集后的梯度或者更新量的累积更新参数的第一更新处理，(2)在梯度或者更新量的累积小于阈值的第二情况下，执行多个处理器不进行基于发送的多个梯度或者更新量的累积的汇集，用多个处理器分别计算出的梯度或者更新量更新各自的参数的第二更新处理。