首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 218 毫秒

1.  基于MobileNet的敏感图像识别系统设计  
   段红秀  卓文鑫  邢艳芳《电视技术》,2018年第7期
   目前人工智能技术已经渗透到媒体日常生产的全部环节,研究面向内容安全的图像识别技术,对网络中的违法不良图像信息进行识别和监管,具有重要的现实意义.本设计利用深度可分离卷积神经网络和MobileNet模型,配合cuDNN的GPU并行计算架构,对构建的敏感图像数据集进行训练.保存训练完成的模型,对敏感图像实现较高准确度的识别.    

2.  基于深度学习的图像超分辨率复原研究进展  
   孙旭  李晓光  李嘉锋  卓力《自动化学报》,2017年第43卷第5期
   图像超分辨率复原(Super resolution restoration,SR)技术是图像处理领域的研究热点,在视频监控、图像处理、刑侦分析等领域具有广泛的应用需求.近年来,深度学习在多媒体处理领域迅猛发展,基于深度学习的图像超分辨率复原技术已逐渐成为主流技术.本文主要对现有基于深度学习的图像超分辨率复原工作进行综述.从网络类型、网络结构、训练方法等方面分析现有技术的优势与不足,对其发展脉络进行梳理.在此基础上,本文进一步指出了基于深度学习的图像超分辨率复原技术的未来发展方向.    

3.  基于DBN的软件可靠性预测模型的研究  
   王国涛  石振国  吴小景《计算机应用研究》,2016年第33卷第12期
   安全攸关系统广泛应用于交通、工控、航空等与国计民生相关的安全攸关领域,对可靠性有着非常高的要求。而控制软件往往是安全攸关系统的核心,因此对它的可靠性预测精度必须达到很高的要求。本文将深度置信网络(DBN)应用于软件可靠性增长预测模型(SRPM)的研究。针对DBN中核心模块RBM的无监督学习,采用了动态模式跳转算法(DMH)。该算法通过动态地维护一个模式集,然后借助模式集中模式的跳转来完成RBM中状态的跳转,使RBM的无监督学习具有很高的学习效率。通过与参数动态调整的动态模糊神经网络(SA-DFNN)、BP神经网络(BPN)以及基于萤火虫算法的BP神经网络(FABP)建立的SRPM进行预测能力的比较,实验结果表明基于DBN建立的SRGM的预测结果精度最高且最稳定。    

4.  深度学习在智能电网中的应用现状分析与展望  
   周念成  廖建权  王强钢  李春艳  李剑《电力系统自动化》,2019年第43卷第4期
   深度学习是机器学习研究中的一个新领域,其强大的数据分析、预测、分类能力契合智能电网中大数据应用的需求。文中首先总结了深度学习基本思想,介绍深度学习的5种模型(生成式对抗网络、递归神经网络、卷积神经网络、堆叠自动编码器和深度信念网络)的结构、基本原理、训练方法,概括其应用特征。综述了电力系统中的故障诊断、暂态稳定性分析、负荷及新能源功率预测、运行调控等应用深度学习技术的研究现状。针对深度学习的技术特点,结合电力系统各生产环节,构建深度学习技术在电力系统中的应用框架。最后,从多能源系统运行调控、电力电子化系统安全分析、柔性设备故障诊断、电力信息物理系统的安全防护等方面对深度学习应用进行展望。    

5.  人工神经网络在电力系统中的研究与应用现状  被引次数:3
   丁晓群 蔡志慧《水利水电科技进展》,1996年第16卷第4期
   本文结合作者近几年在美国弗吉尼亚理工大学进修期间所从事的研究方向及参加有关神经网络研究与应用的国际学术会议的信息资料的分析,对人工智能领域的专家系统、人工神经网络及神经网络专家系统方法的基本特征作了简述;对近几年来国际上人工神经网络方法应用于电力系统的重点工作及代表性研究动态进行了综述。神经网络系统理论已开始渗透到电力系统范畴中,并逐渐走向应用阶段    

6.  人工智能在神经医学中的应用综述  
   李诗语  王峰  曹彬  梅琪《计算机科学》,2017年第44卷第Z11期
   人工智能影响着人们生活的方方面面,而医疗也成为了人工智能最热门的应用领域之一,越来越多的人工智能设备被用于辅助医生进行诊断和治疗。对人工智能在神经医学中的应用进行了综述,特别针对帕金森病和阿尔兹海默症的诊断进行了详细的归纳分析。首先,阐述了人工智能的发展历史、分类和应用现状;其次,归纳总结了利用人工智能诊断帕金森病和阿尔兹海默症的研究现状,对比分析了其中采用的关键技术;最后,总结了人工智能应用于神经医学中的关键技术,阐明了人工智能 应用于医疗领域的重要性,并展望了未来人工智能应用 于神经医学中的研究方向。    

7.  深度学习硬件方案综述  
   沈阳  王倩  王亚男  王磊《广播电视信息》,2017年第10期
   深度学习技术促进了人工智能的迅速发展,被广泛应用于各个领域.但深度神经网络模型规模庞大、结构复杂,对其进行优化需要耗费巨大的计算资源.随着计算机硬件的快速发展,各种加速器的处理能力显著增强,为深度学习提供了硬件基础.本文首先介绍深度学习背景及其对硬件的需求;然后对当前主要的硬件加速器进行对比分析;最后进行总结展望.    

8.  基于卷积神经网络的目标跟踪算法综述  
   胡硕  赵银妹  孙翔《高技术通讯》,2018年第3期
   目标跟踪是机器视觉领域一个重要的研究方向,在军事、交通等领域有着广泛的应用。随着训练数据和硬件的发展,越来越多的学者将深度学习应用于视觉跟踪领域。近几年来,一大批基于深度学习的跟踪算法被提出,与传统的机器学习方法相比,包含多个隐含层的卷积神经网络(CNN)具有更强大的特征学习和特征表达能力。分析了目标跟踪中的难题以及用卷积神经网络解决此类问题的可能性,综述了卷积神经网络在视觉跟踪领域的发展,并对卷积神经网络在视觉目标跟踪中的最新成果进行了总结和深入分析,最后对卷积神经网络在目标跟踪领域未来的发展进行了展望。    

9.  深度学习在游戏中的应用  
   郭潇逍  李程  梅俏竹《自动化学报》,2016年第42卷第5期
   综述了近年来发展迅速的深度学习技术及其在游戏(或博弈)中的应用. 深度学习通过多层神经网络来构建端对端的从输入到输出的非线性映射, 相比传统的机器学习模型有显见的优势. 最近, 深度学习被成功地用于解决强化学习中的策略评估和策略优化的问题, 并于多种游戏的人工智能取得了突破性的提高. 本文详述了深度学习在常见游戏中的应用.    

10.  基于深度残差网络的脱机手写汉字识别研究  
   张帆  张良  刘星  张宇《计算机测量与控制》,2017年第25卷第12期
   手写汉字识别是模式识别与机器学习的重要研究方向和应用领域;近年来,随着深度学习理论方法的完善、新技术的层出不穷,深度神经网络在图像识别分类、图像生成等典型应用中取得了突破性的进展,其中,深度残差网络作为最新的研究成果,已成功应用于手写数字识别、图片识别分类等多个领域;将研究深度残差网络在脱机孤立手写汉字识别中的应用方法,通过改进残差学习模块的单元结构,优化深度残差网络性能,同时通过对训练集的预处理,从数据层面实现训练生成模型性能的提升,最后设计实验,验证深度残差网络、End-to-End模式在脱机手写汉字识别中的可行性,分析、总结存在的问题及今后的研究方向。    

11.  人工神经网络在污水处理中的应用  被引次数:2
   郭晓磊  杨静《广东化工》,2008年第35卷第8期
   文章对污水处理系统的特点进行了分析,并针对时变性、非线性、复杂性和不确定性的特点,提出应用人工智能技术对其进行智能控制是实现城市污水处理系统自动控制的重要方法。对人工神经网络控制特点进行了介绍,综述了国内外人工神经网络在污水处理不同领域中的应用研究,并结合国内外研究动态,简要分析了人工神经网络污水处理今后的发展方向。    

12.  人工智能技术在电能质量控制中的应用  
   侯慧  游大海  尹项根  关根志《武汉大学学报(工学版)》,2004年第37卷第3期
   简要介绍了现有的高级人工智能技术的发展概况及其实现方法,全面综述了模糊逻辑(FL)、专家系统(ES)、人工神经网络(ANN)和遗传算法(GA)等典型人工智能技术在电能质量控制中的应用情况及国内外的研究现状,并就值得进一步研究的问题及今后的主要研究方向进行了展望.    

13.  人工智能在网络故障预警的应用  
   吕品《电信工程技术与标准化》,2019年第10期
   大数据时代,人工智能有了飞速发展。作为人工智能的重要分支之一,机器学习在网络运维有广泛的应用前景。本文结合网络故障预警工作,梳理了机器学习的主要算法模型,重点探讨了人工智能应用于故障预警的难点和关键技术:加权的样本采样、时序样本的特征值提取、使用随机森林模型和深度神经网络模型时的参数设置。    

14.  智能对话系统研究综述  
   贾熹滨  李让  胡长建  陈军成《北京工业大学学报》,2017年第43卷第9期
   智能对话系统作为人工智能领域的核心技术,即将成为新的和谐人机交互方式,具有重大的研究意义和应用价值,因此,较为全面、深入地总结了深度学习模型在对话生成中的应用及对话系统领域的研究进展和现状.首先,阐述了智能对话系统的类型划分,介绍系统的模块框架构成,包括各模块的主要研究问题与关键技术的主流思路和研究现状;然后,从理论模型、研究进展及可用性等角度深度剖析了现有的对话生成技术解决方案,重点分析了应用于自然语言生成的序列到序列的神经网络结构及搭建原理;最后,对存在的问题进行总结,并展望了未来的研究方向.    

15.  深度学习及其在目标和行为识别中的新进展  被引次数:10
   郑胤  陈权崎  章毓晋《中国图象图形学报》,2014年第19卷第2期
   深度学习是机器学习中的一个新的研究领域。通过深度学习的方法构建深度网络来抽取特征是目前目标和行为识别中得到关注的研究方向。为引起更多计算机视觉领域研究者对深度学习进行探索和讨论,并推动目标和行为识别的研究,本文对深度学习及其在目标和行为识别中的新进展给予了概述。本文先介绍深度学习领域研究的基本状况、主要概念和原理;然后介绍近期利用深度学习在目标和行为识别应用中的一些新进展;最后阐述了深度学习与神经网络之间的关系,深度学习的优缺点,以及目前深度学习理论需要解决的主要问题。这对拟将深度学习应用于目标和行为识别的研究人员应有所帮助。    

16.  人工智能的新浪潮——深度学习  
   李艺颖《网友世界》,2013年第16期
   深度学习(Deep Learing)作为一种基于人工神经网络的无监督学习方法,是近年来兴起的一种新的混合机器学习模型,现成为人工智能领域中炙手可热的研究技术。深度学习带来了机器学习的一个新浪潮,受到学术界和工业界的广泛重视,并带来大数据的深度学习时代。本文结合大数据时代的具体需求,详细阐述了深度学习的发展和应用,突出了其在人工智能领域的重要地位。    

17.  神经网络集成  被引次数:161
   周志华  陈世福《计算机学报》,2002年第25卷第1期
   神经网络集成通过训练多个神经网络并将成结论进行合成,可以显著地提高学习系统的泛化能力。它不仅有助于科学家对机器学习和神经的深入研究,还有助于普通工程技术人员利用神经网络技术来解决真实世界中的问题。因此,它被视为一种广阔应用前景的工程化神经计算技术,已经成为机器学习和神经计算领域的研究热点。该文从实现方法、理论分析和应用成果等三个方面综述了神经网络集成的国际研究现状,并对该领域值得进一步研究的一些问题进行了讨论。    

18.  人工智能在选线领域的研究现状分析  被引次数:2
   韩春华  易思蓉  吕希奎《计算机工程与应用》,2005年第41卷第29期
   由于计算机辅助设计在铁路公路选线设计这种多方案多目标决策工作中存在局限性,有必要在选线领域研究人工智能的应用。通过大量的文献检索,对遗传算法、知识工程和神经网络在选线领域的应用研究现状作了综述,在此基础上提出了综合利用地理信息系统、多Agent技术、工程数据库技术的知识工程路线,并阐述了该研究思路体系结构。    

19.  深度学习应用技术研究  
   毛勇华  李前  桂小林  贺兴时《计算机应用研究》,2016年第33卷第11期
   本文针对深度学习应用技术进行了研究性综述。详细阐述了RBM(Restricted Boltzmann Machine)逐层预训练后再用BP(back-propagation)微调的深度学习贪婪层训练方法,对比分析了BP算法中三种梯度下降的方式,建议在线学习系统,采用随机梯度下降,静态离线学习系统采用随机小批量梯度下降;归纳总结了深度学习深层结构特征,并推荐了目前最受欢迎的5层深度网络结构设计方法。分析了前馈神经网络非线性激活函数的必要性及常用的激活函数优点,并推荐ReLU (rectified linear units)激活函数。最后简要概括了深度CNNs(Convolutional Neural Networks), 深度RNNs(recurrent neural networks), LSTM(long short-termmemory networks)等新型深度网络的特点及应用场景,并归纳总结了当前深度学习可能的发展方向。    

20.  面向大数据的建筑能耗与环境实时管理云平台架构设计  
   陈勤平  秦俊《绿色建筑》,2019年第1期
   实现建筑精细化管理需要面向建筑能耗、环境、设备运行和使用需求等海量数据。提出一种面向大数据的建筑能耗与环境实时管理云平台架构设计,通过应用分布式消息中间件、分布式NewSQL数据库、分布式计算框架等大数据技术,以及深度神经网络与机器学习框架等人工智能技术,满足海量数据集成、存储、处理和分析需求。这些成果可以为建筑高效运行管理提供技术支撑。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号