基于机器学习的遥感影像云检测研究进展

在对地观测领域中云检测是遥感定量化应用的重要环节，同时也是卫星气象应用的关键步骤。近年来，基于机器学习的遥感影像云检测逐渐成为该领域的研究热点，并且取得了一系列研究成果。系统阐述了近10 a来国内外基于机器学习的遥感影像云检测的研究进展，将算法模型分为传统的机器学习模型和深度学习模型两类，并对两类中的具体模型进行详细介绍，对比分析不同模型的优缺点及其适用情况。重点介绍了传统机器学习中的支持向量机（SVM）、随机森林等方法，深度学习中的神经网络模型，包括卷积神经网络（CNN）、改进的U-Net网络等模型。在此基础上，分析了基于机器学习的遥感影像云检测研究中存在的问题，讨论了未来潜在发展方向。     

基于深度学习的聚类方法

深度学习是机器学习领域的一个重要分支,近年来在诸多领域取得突破性进展.对利用深度学习改进传统聚类算法,解决高维数据聚类问题开展了大量工作.对近几年深度聚类的研究进展进行了综述,从网络结构、损失函数、评价指标等方面进行了分析,并对其主要研究方向、应用进展等进行概括,对深度聚类的未来发展趋势进行了展望.     

关于深度学习的综述与讨论

机器学习是通过计算模型和算法从数据中学习规律的一门学问,在各种需要从复杂数据中挖掘规律的领域中有很多应用,已成为当今广义的人工智能领域最核心的技术之一。近年来,多种深度神经网络在大量机器学习问题上取得了令人瞩目的成果,形成了机器学习领域最亮眼的一个新分支——深度学习,也掀起了机器学习理论、方法和应用研究的一个新高潮。对深度学习代表性方法的核心原理和典型优化算法进行了综述,回顾与讨论了深度学习与以往机器学习方法之间的联系与区别,并对深度学习中一些需要进一步研究的问题进行了初步讨论。     

多智能体深度强化学习及其可扩展性与可迁移性研究综述

得益于深度学习强大的特征表达能力和强化学习有效的策略学习能力,深度强化学习在一系列复杂序贯决策问题中取得了令人瞩目的成就.伴随着深度强化学习在诸多单智能体任务中的成功应用,其在多智能体系统中的研究方兴未艾.近年来,多智能体深度强化学习在人工智能领域备受关注,可扩展与可迁移性已成为其中的核心研究点之一.鉴于此,首先阐释深度强化学习的发展脉络和典型算法,介绍多智能体深度强化学习的3种学习范式,分析两类多智能体强化学习的典型算法,即分解值函数方法和中心化值函数方法;然后归纳注意力机制、图神经网络等6类具有可扩展性的多智能体深度强化学习模型,梳理迁移学习和课程学习在多智能体深度强化学习可迁移性方向的研究进展;最后讨论多智能体深度强化学习的应用前景与研究方向,为未来多智能体深度强化学习的进一步发展提供可借鉴的参考.     

深度学习及其发展趋势研究综述

深度学习是基于数据进行表征学习的一类更广的机器学习算法,至今已有数种深度学习框架,它的出现推动了机器学习的发展,在工业上有着重要用途,同时在学术领域也有着重要研究价值。鉴于其重要性,本文依据深度学习概念以及国内外现有研究成果,结合深度学习算法的结构特征,对前馈、反馈和双向三类深度网络的结构和特点进行概述,综述了深度置信算法、深度循环算法以及随机梯度下降优化算法的具体表征,利用卷积神经网络运用到行人重识别方向解决实际问题,最后介绍了不同深度学习算法在数据处理中的具体应用并对其发展趋势提出展望。     

基于深度学习方法的复杂场景下车辆目标检测

近年来,深度学习算法逐渐尝试应用于目标检测领域。本文针对实际交通场景下的车辆目标,应用深度学习目标分类算法中具有代表性的Faster R-CNN框架,结合ImageNet中的车辆数据集,把场景中的目标检测问题转化为目标的二分类问题,进行车辆目标的检测识别。相比传统机器学习目标检测算法,基于深度学习的目标检测算法在检测准确度和执行效率上优势明显。通过本实验结果分析表明,该方法在识别精度以及速度上均取得了显著的提高。     

机器学习在超声图像中的应用综述

超声图像为临床疾病检测与诊断提供重要的辅助信息,机器学习在超声图像中的应用给超声图像的分析诊断带来了新变革。从超声图像的去噪、分割、检测、分类等方面介绍了超声图像的研究现状。分类综述了近年来机器学习算法在超声图像领域的研究和应用进展。指出了基于机器学习在医学影像领域开展研究所面临的困难与挑战,并对未来研究方向进行了展望,以期为机器学习在医学影像领域的进一步研究与应用提供参考和研究思路。     

基于深度学习的近红外光谱定性分析研究

随着近红外光谱数据愈发复杂，近红外光谱定性分析研究人员在处理复杂光谱数据的实际应用中常常预测结果不佳，传统的机器学习算法无法直接解决此项难题，能够处理复杂问题的深度学习算法因此受到关注。经过对深度学习算法进行研究，调查了近红外光谱定性分析领域存在的问题，报告了深度学习下的卷积神经网络、深度信念网络和自编码器算法在近红外光谱定性分析领域的研究应用以及深度学习存在的问题和未来研究展望。     

深度学习理论综述与研究展望

深度学习是当下热门的机器学习研究方向,在工业上有着重要用途,在学术领域有着重要研究价值。文章介绍了深度学习架构,从随机梯度下降法和Adam算法两个方面分析优化算法,探讨Sigmoid函数和Softmax函数,并论述深度学习研究展望。     

多智能体深度强化学习研究综述

多智能体深度强化学习是机器学习领域的一个新兴的研究热点和应用方向,涵盖众多算法、规则、框架,并广泛应用于自动驾驶、能源分配、编队控制、航迹规划、路由规划、社会难题等现实领域,具有极高的研究价值和意义。对多智能体深度强化学习的基本理论、发展历程进行简要的概念介绍;按照无关联型、通信规则型、互相合作型和建模学习型4种分类方式阐述了现有的经典算法;对多智能体深度强化学习算法的实际应用进行了综述,并简单罗列了多智能体深度强化学习的现有测试平台;总结了多智能体深度强化学习在理论、算法和应用方面面临的挑战和未来的发展方向。     

基于深度学习的变压器故障诊断方法研究

油中溶解气体分析方法（DGA）是变压器内部故障诊断的重要方法,广泛应用在变压器在线监测和定期试验检测中,传统的特征气体法和三比值法等诊断方法在实际应用中普遍存在着一定的局限性,导致故障诊断精度偏低。针对这一问题,本文提出了一种基于深度学习技术中的多层感知机的变压器故障综合诊断方法,利用开源的Scikit-learn 机器学习框架及TensorFlow深度学习框架构建了变压器故障诊断模型,并应用实际工程中的故障样本数据,对故障诊断模型进行了训练和测试。试验结果表明,基于多层感知机技术的变压器故障诊断模型能够对变压器故障进行正确诊断,与传统的三比值法及支持向量机技术相比,多层感知机的诊断准确率更高,具有更优的故障诊断性能,能够为变压器的检修提供更为准确的参考信息。     

基于深度学习的fMRI数据分析在偏头痛研究中的应用

偏头痛作为一种常见的疾病,发病概率高,致病机理尚不明确,并且临床缺乏有效的诊断手段.运用功能核磁共振成像技术获取被试脑功能数据,然后通过深度学习中自动编码器,自动提取数据特征,并结合各种机器学习算法,预测偏头痛,为临床诊断提供参考依据.用深度学习提取数据特征,训练分类器,能达到更好的分类效果.深度学习算法可以在传统模板获取初步特征之后,进一步提取更加精细有效的特征,在预测偏头痛上获得更好的分类性能.     

The use of machine learning and deep learning algorithms in functional magnetic resonance imaging—A systematic review

Functional Magnetic Resonance Imaging (fMRI) is presently one of the most popular techniques for analysing the dynamic states in brain images using various kinds of algorithms. From the last decade, there is an exponential rise in the use of the machine and deep learning algorithms of artificial intelligence for analysing fMRI data. However, it is a big challenge for every researcher to choose a suitable machine or deep learning algorithm for analysing fMRI data due to the availability of a large number of algorithms in the literature. It takes much time for each researcher to know about the various approaches and algorithms which are in use for fMRI data. This paper provides a review in a systematic manner for the present literature of fMRI data that makes use of the machine and deep learning algorithms. The major goals of this review paper are to (a) identify machine learning and deep learning research trends for the implementation of fMRI; (b) identify usage of Machine Learning Algorithms and deep learning in fMRI, and (c) help new researchers based on fMRI to put their new findings appropriately in existing domain of fMRI research. The results of this systematic review identified various fMRI studies and classified them based on fMRI types, mental diseases, use of machine learning and deep learning algorithms. The authors have provided the studies with the best performance of machine learning and deep learning algorithms used in fMRI. The authors believe that this systematic review will help incoming researchers on fMRI in their future works.     

机器学习在股票预测中的应用综述

揭示股票市场运行规律一直是研究的热点，近些年机器学习方法在股票预测方面取得了不错的进展，相较于传统的基本面分析、技术分析等方法，显示了独特的优势。从股票预测研究的主要问题、特征工程和机器学习算法应用等三个方面，对近年来该领域的主要文献进行总结，并针对每种算法在应用中的特点与不足进行评述。围绕目前机器学习在股票预测上遇到的主要问题，从迁移学习、特征工程、深度学习模型融合等方面进行了深入的分析与展望。     

网络入侵检测技术综述

随着互联网时代的发展,内部威胁、零日漏洞和DoS攻击等攻击行为日益增加,网络安全变得越来越重要,入侵检测已成为网络攻击检测的一种重要手段。随着机器学习算法的发展,研究人员提出了大量的入侵检测技术。本文对这些研究进行了综述。首先,简要介绍了当前的网络安全形势,并给出了入侵检测技术及系统在各个领域的应用。然后,从数据来源、检测技术和检测性能三个方面对入侵检测相关技术和系统进行已有研究工作的总结与评价,其中,检测技术重点论述了传统机器学习、深度学习、强化学习、可视化分析技术等方法。最后,讨论了当前研究中出现的问题并展望该技术的未来发展方向和前景。本文希望能为该领域的研究人员提供一些有益的思考。     

面向图像分类的深度模型可解释性研究综述

深度学习目前在计算机视觉、自然语言处理、语音识别等领域得到了深入发展,与传统的机器学习算法相比,深度模型在许多任务上具有较高的准确率.然而,作为端到端的具有高度非线性的复杂模型,深度模型的可解释性没有传统机器学习算法好,这为深度学习在现实生活中的应用带来了一定的阻碍.深度模型的可解释性研究具有重大意义而且是非常必要的,近年来许多学者围绕这一问题提出了不同的算法.针对图像分类任务,将可解释性算法分为全局可解释性和局部可解释性算法.在解释的粒度上,进一步将全局解释性算法分为模型级和神经元级的可解释性算法,将局部可解释性算法划分为像素级特征、概念级特征以及图像级特征可解释性算法.基于上述分类框架,总结了常见的深度模型可解释性算法以及相关的评价指标,同时讨论了可解释性研究面临的挑战和未来的研究方向.认为深度模型的可解释性研究和理论基础研究是打开深度模型黑箱的必要途径,同时可解释性算法存在巨大潜力可以为解决深度模型的公平性、泛化性等其他问题提供帮助.     

胃镜下早期胃癌计算机辅助分析研究综述

胃癌是全世界癌症死亡的第三大主要原因,胃癌的早期检测会对胃癌患者的后期治疗起到至关重要的作用。随着人工智能的发展,可以利用计算机视觉领域的机器学习模型辅助检测早期胃癌,有研究发现一些计算机辅助诊断模型的筛查率接近甚至高于医生。利用计算机辅助诊断可以及早发现胃癌以减少胃癌患者的后期治疗成本。报告了基于机器学习在胃镜下早期胃癌辅助诊断的研究现状,介绍了胃镜下早期胃癌的临床诊断方式,并基于此提出了计算机辅助诊断该疾病的技术路线,分析了不同诊断技术路线的研究特点,为计算机辅助诊断早期胃癌提供不同的切入点。总结了用于早期胃癌检测的机器学习、深度学习、目标检测模型,讨论了其应用于计算机辅助诊断的问题及挑战。     

基于深度学习的军事情报智能推荐技术研究

军事情报推荐系统是帮助指挥员快速获取情报信息的有力工具,深度学习技术是人工智能领域的研究热点,基于深度学习的智能推荐技术已成为军事情报领域应用与研究的重点方向。本文介绍了情报推荐技术的军事背景与一般框架,系统梳理了5种典型的基于深度学习的推荐算法,对各类技术在不同应用场景下的主要优缺点进行了对比;最后总结了基于深度学习的智能推荐算法在军事情报中的具体应用,并根据军事情报智能推荐的特点,提出未来可能的研究方向,为后期研究提供依据与参考。