基于卷积神经网络的葡萄叶片氮含量识别方法

为实现对葡萄叶片氮素含量快速、便捷的识别，在卷积神经网络VGG-16网络结构基础上，将数据增广后的图像按不同梯度划分进行模型训练，通过十折交叉验证法探究最佳的训练集与验证集分配比例，并构建4个不同深度的网络模型进行训练对比，采用全局平均池化代替全连接层约简网络参数量。训练结果表明，氮含量梯度设为0.70%、0.35%和0.175%时，室内简单背景识别准确率分别为85.9%、76.2%和71.1%；晴天室外复杂背景下识别准确率分别为44.6%、35.0%和30.4%。研究结果表明利用VGG-16建立的网络学习模型对葡萄叶片氮含量识别提供了一种新的便捷方法，对农业信息化和智能化技术应用具有一定促进作用。     

基于landset8遥感影像数据的森林蓄积量反演

文中以广东省南雄市森林二类调查数据为样本,结合langset8影像数据,以遥感因子,立地因子为自变量,以POS算法优化的BP神经网络和逐步线性回归为建模方法,对比两种模型反演精度,建立森林蓄积量反演优化模型。     

基于Kriging理论的发动机万有特性研究

发动机万有特性是衡量发动机燃油经济性并进行动力总成匹配的重要依据。为提高万有特性建模的精度,以某系列柴油机试验数据为例,基于Kriging理论并采用遗传算法优化其初始值θ_0建立万有特性预测模型。在此基础上,对比分析优化初始值θ_0后的Kriging理论、BP神经网络及最小二乘法所建立的万有特性预测模型精度和鲁棒性。结果表明:采用遗传算法优化后的Kriging理论建立的万有特性预测模型精度和鲁棒性均高于BP神经网络和最小二乘法。     

神经网络全局势函数在多相催化中的应用

当今的多相催化研究需要新的技术和方法从原子尺度上表征活性中心结构和反应中间体。本文作者课题组近期开发了理论模拟新技术来探索催化剂活性位点结构，即基于神经网络势函数的大规模原子模拟（LASP）软件中实现的全局神经网络势函数计算方法。本文介绍了该方法可以显著降低催化体系的计算代价，而维持与密度泛函理论同一级别的计算精度，从而解决多相催化中的许多复杂问题。本文对神经网络势函数方法的实现细节和目前已实现的应用场景进行了详细介绍。神经网络势函数可以用来预测材料晶体结构，理解高压氢化条件下TiO₂表面的结构演化和确定三元氧化物ZnCrO晶相中合成气制甲醇活性位点。最后文章分析了神经网络势函数的局限性和今后可能的三个研究方向，即材料性质预测、多元素体系神经网络势函数构造和化学反应拟合。     

基于客户特征的产品环境需求预测方法研究

针对产品绿色设计中客户需求的模糊性和不确定性,提出了一种基于客户特征的产品环境需求预测方法。通过建立客户环境需求采集模版获取客户信息,采用感性工学及语义差异方法对客户环境需求进行规范化表达,构建了人工神经网络模型挖掘客户特征与客户环境需求之间的关系,帮助企业预测具有不同特征客户的环境需求,采用信息增益量化了各个客户特征对客户环境需求的影响程度。最后以某冰箱企业的客户环境需求分析为例,应用MATLAB进行仿真研究,验证了方法的可行性与有效性。     

基于混合遗传神经网络的运动员专项成绩预测系统设计

针对传统运动员专项成绩预测系统一直存在无法达到实质性的综合预测的问题,提出并设计基于混合遗传神经网络的运动员专项成绩预测系统。通过混合遗传神经网络,导入运动员专项数据,根据系统内部节点间调整,对运动员专项数据信息进行处理,建立专项成绩灰色预测模型,实现运动员专项成绩预测。实验数据表明,所设计的成绩预测系统能够进行高精度的专项成绩预测。     

命名实体识别技术综述

命名实体识别是自然语言处理中的热点研究方向之一,目的是识别文本中的命名实体并将其归纳到相应的实体类型中。首先阐述了命名实体识别任务的定义、目标和意义,分析提出了命名实体识别的主要难点在于领域命名实体识别局限性、命名实体表述多样性和歧义性、命名实体的复杂性和开放性;然后介绍了命名实体识别研究的发展进程,从最初的规则和字典方法到传统的统计学习方法再到现在的深度学习方法,不断地将新技术应用到命名实体识别研究中以提高性能;接着系统梳理了当下命名实体识别任务中的若干热门研究点,分别是匮乏资源下的命名实体识别、细粒度命名实体识别、嵌套命名实体识别以及命名实体链接;最后针对评判命名实体识别模型的好坏,总结了常用的若干数据集和实验测评指标,并给出了未来的研究建议。