基于卷积神经网络的混凝土裂缝识别

针对基于图像处理和边缘检测的混凝土裂缝识别方法易受外部环境干扰,且在图像处理过程中会产生大量噪声,从而导致识别效果不佳的问题,提出一种基于卷积神经网络的裂缝识别方法。通过与当前主流卷积神经网络模型进行对比研究以及对真实的混凝土裂缝图像的识别验证,结果表明,文中所建立的CrackNet模型能够有效识别混凝土图像中的裂缝目标,具有高效性和强鲁棒性。     

基于卷积神经网络车辆行驶的识别预警系统

随着人们的生活水平不断提高,汽车的使用更具普遍性.为了使汽车的行驶安全得到保障,使车辆行驶的识别预警系统性能得到提高,对卷积神经网络的模型与作用机制进行了剖析,并进行了相关的车辆识别预警实验.结果显示,基于卷积神经网络车辆行驶的识别预警系统具有较强的优越性与可行性,其识别检测耗时仅需要1.5356 s,且准确率较高.将...     

智慧消防中卷积神经网络算法的研究与实现

消防直接关系到社会发展和公众安全.火灾产生的早期阶段准确快速的烟雾检测对预防火灾至关重要.为了提高火灾防控能力,智能评估火灾隐患,在火灾发生初期,及时掌握火灾现状以便为指挥决策提供参考,本文采用基于卷积神经网络算法的烟雾检测.该方法是由静态和动态卷积神经网络组成,能够有效融合卷积神经网络提取的静态激活特征和视频帧之间的...     

基于递进式级联卷积神经网络的混凝土裂缝识别方法

基于深度学习的卷积神经网络方法是目前图像裂缝识别鲁棒性较高的方法,主要分为滑动窗口法和图像分割法。滑动窗口法存在后期阈值分割裂缝精度不高的问题;全局图像分割法存在裂缝区域数据和背景区域数据严重不均衡问题,会对裂缝分割精度产生影响。采用了基于递进式级联卷积神经网络的方法对混凝土表面裂缝进行识别:首先采用全卷积神经网络一次性判断图像中所有密集重叠窗口区域内是否含有裂缝,然后将含有裂缝的窗口区块提取出来作为感兴趣区域,再基于轻量化的U-Net图像分割网络作用于感兴趣区域,将裂缝区域精确地提取出来。试验结果表明,所提出的基于递进式级联卷积神经网路的裂缝识别方法优于直接使用滑动窗口法和全局图像分割法,有着可靠的应用前景。     

卷积神经网络算法及其在隧道工程中的应用

文中先是阐述了卷积神经网络的理论知识,介绍其拓扑结构;接着对目前卷积神经网络在隧道工程领域的应用进行了分析,这对我国新基建的推进有重要意义.     

基于卷积神经网络的结构损伤识别研究进展

为系统梳理基于卷积神经网络的工程结构损伤识别方法的发展脉络和研究现状,分别从结构损伤的识别目的和在不同类型结构中的应用两方面进行了归类、分析和评价。介绍了卷积神经网络的基本结构和评价指标,回顾了卷积神经网络的研究和应用历程。在损伤的识别目的方面,主要针对混凝土结构损伤的分类、定位和分割,详细介绍了基于不同类型卷积神经网络的结构损伤识别方法,即基于分类的方法、基于回归的方法和像素级的图像分割算法; 分析了各类方法所使用的卷积神经网络模型的结构特点、计算流程、训练方法和损伤识别性能。在不同类型结构的损伤识别方面,分析了卷积神经网络在砌体结构、钢结构桥梁和古建筑木结构裂缝识别中的应用。最后,基于对卷积神经网络优缺点的思考,提出了发展建议和展望。结果表明:训练样本中结构损伤的多样性对模型的损伤识别效果影响较大; 现有基于卷积神经网络的损伤分割方法模型参数较多,计算量大; 采用数据增广和迁移学习方法可有效防止模型过拟合,提高模型训练效率; 针对微小损伤和不同类型结构损伤的识别,此类方法的性能有待提高。     

卷积神经网络在结构损伤诊断中的应用

对卷积神经网络(CNN)在工程结构损伤诊断中的应用进行了深入探讨; 以多层框架结构节点损伤位置的识别问题为研究对象,构建了可以直接从结构动力反应信号中进行学习并完成分类诊断的基于原始信号和傅里叶频域信息的一维卷积神经网络模型和基于小波变换数据的二维卷积神经网络模型; 从输入数据样本类别、训练时间、预测准确率、浅层与深层卷积神经网络以及不同损伤程度的影响等多方面进行了研究。结果表明:卷积神经网络能从结构动力反应信息中有效提取结构的损伤特征,且具有很高的识别精度; 相比直接用加速度反应样本,使用傅里叶变换后的频域数据作为训练样本能使CNN的收敛速度更快、更稳定,并且深层CNN的性能要好于浅层CNN; 将卷积神经网络用于工程结构损伤诊断具有可行性,特别是在大数据处理和解决复杂问题能力方面与其他传统诊断方法相比有很大优势,应用前景广阔。     

基于目标检测卷积神经网络的图像型火灾探测算法

摘 要：针对传统图像型火灾探测算法误差率高、延迟探测、计算量大等问题,提出了基于目标检测卷积神经网络（Faster-RCNN、R-FCN、SSD和YOLO v3）的图像型火灾探测算法。通过对比实验表明,基于目标检测卷积神经网络的探测算法准确性较高。其中,YOLO v3探测算法的平均精度为84.5%,探测速度为28帧/s,具有更高的稳定性,更适用于图像型火灾探测系统的开发。     

考虑残差学习的深层卷积神经网络在结构损伤识别中的应用研究

提出了一种考虑残差学习的深层卷积神经网络损伤识别方法,并将其应用到框架结构节点损伤识别中。采用试验研究方式对所提方法进行了深入探讨,结果表明该方法可以很好地解决网络深化带来的网络退化或梯度爆炸、弥散导致的收敛困难和识别准确率差等问题,能对结构损伤诊断中的损伤定位这一复杂问题进行有效识别。在对试验框架节点损伤位置识别的对比研究中,考虑残差学习的深层卷积神经网络收敛速度和准确率均高于常规浅层神经网络和深层神经网络,有极高的准确率和稳定性,从而使得对于工程中复杂结构损伤诊断所需要的更深层、更复杂网络的搭建成为可能。此外,为提升网络用训练样本的质量和数量,依据样本划分规律提出了一种新的数据样本扩增方法,该方法在相同条件下可以显著增加用以训练的样本量并能弱化数据截断带来的信息缺失,识别准确率和收敛速度也大幅提高,研究显示了该处理方式的有效性和适用性。     

基于卷积神经网络的烟雾浓度检测方法

采用当今流行的卷积神经网络对烟雾图片进行处理,介绍了卷积神经网络的基本原理,设计了一个典型的卷积神经网络,介绍了卷积神经网络在预测图像烟雾浓度上的应用。     

miRNA-223在子宫肌瘤组织中的表达及临床意义分析

目的:探讨miRNA-223在子宫肌瘤组织中的表达及临床意义。方法:选取2018年1-6月在本院行子宫肌瘤剔除术的子宫肌瘤患者60例为子宫肌瘤组,另选同期到本院体检的30例健康女性为正常对照组。采用RT-PCR法检测两组血清、子宫肌瘤组织和瘤旁正常组织中miRNA-223的表达,并分析miRNA-223表达与子宫肌瘤患者临床病理特征的关系。结果:子宫肌瘤组miRNA-223表达水平明显高于正常对照组(P<0.05);子宫肌瘤组织miRNA-223表达水平明显高于瘤旁正常组织(P<0.05);子宫肌瘤组织中miRNA-223的表达水平与年龄、肌瘤大小、肌瘤个数、病理类型及月经情况均有关(P<0.05);由ROC曲线可知,其曲线下面积为0.847,95%CI(0.628,1.395),当miRNA-223的截断值为≥6.50时,其诊断敏感度为91.43%,特异度为80.26%。结论:miRNA-223在子宫肌瘤组织中呈高表达,其表达可能与子宫肌瘤的发生发展密切相关。     

基于Hopfield神经网络的结构优化算法

利用Hopfield神经网络与增广拉格朗日乘子法相结合来求解非线性约束的结构优化问题。针对神经网络模型容易陷入局部极小解的缺点,网络引入了模拟退火算法,提高了网络全局寻优能力,得到了较好的优化结果,本文详述了算法的步骤,编制了该算法的计算程序,最后通过两个实例证明该算法的可行性和有效性。     

基于深度卷积神经网络的科研项目不端行为识别研究

随着科研项目数量大幅增长,随之而来的问题是科研项目不端行为(SRPM)层出不穷.本文研究大数据环境下科研项目不端行为的特征提取方法,探索提出基于深度卷积神经网络(DCNN)的语句表示模型和匹配架构,并对其进行有效训练,以学习得到语句匹配在不同层次上的表示,提高模型的表示能力,从而提高文本相似度计算的准确度和精度.     

基于微粒群算法和模糊神经网络的火灾探测研究

针对火灾探测的特点,将模糊系统和神经网络有机结合,实现模糊系统设计参数的自动调整。采用符合国家标准明火、阴燃火以及厨房环境下的干扰火等作为模糊神经网络的训练样本和测试样本,依据模糊神经网络算法要求,完成了网络结构的设计,并给出相应的计算模型,利用微粒群算法对网络的权值进行学习与训练。结果表明,该算法在探测国家标准火的火灾状态方面具有有效性和可行性。     

Modeling and optimization of HVAC systems using artificial neural network and genetic algorithm

Intelligent energy management and control system (EMCS) in buildings offers an excellent means of reducing energy consumptions in HVAC systems while maintaining or improving indoor environmental conditions. This can be achieved through the use of computational intelligence and optimization. The paper thus proposes and evaluates a model-based optimization process for HVAC systems using evolutionary algorithm for optimization and artificial neural networks for modeling. The process can be integrated into the EMCS to perform several intelligent functions and achieve optimal whole-system performance. The proposed models and the optimization process are tested using data collected from an existing HVAC system. The testing results show that the models can capture very well the system performance, and the optimization process can reduce cooling energy consumption by about 11% when compared to the traditional operating strategies applied.     

Vibration-based crack prediction on a beam model using hybrid butterfly optimization algorithm with artificial neural network

Vibration-based damage detection methods have become widely used because of their advantages over traditional methods. This paper presents a new approach to identify the crack depth in steel beam structures based on vibration analysis using the Finite Element Method (FEM) and Artificial Neural Network (ANN) combined with Butterfly Optimization Algorithm (BOA). ANN is quite successful in such identification issues, but it has some limitations, such as reduction of error after system training is complete, which means the output does not provide optimal results. This paper improves ANN training after introducing BOA as a hybrid model (BOA-ANN). Natural frequencies are used as input parameters and crack depth as output. The data are collected from improved FEM using simulation tools (ABAQUS) based on different crack depths and locations as the first stage. Next, data are collected from experimental analysis of cracked beams based on different crack depths and locations to test the reliability of the presented technique. The proposed approach, compared to other methods, can predict crack depth with improved accuracy.     

基于遗传优化神经网络的市政管网水质模型研究

将遗传算法的全局搜索能力和BP神经网络的局部学习能力有机结合,得到一种快速高效的建立供水管网余氯的水质模型的新方法。验证结果表明,遗传算法优化后的神经网络模型所需要考虑的参数较少,应用方便,预测精度和效率较高,在城市给水系统水质模拟预测研究中有一定的参考应用价值。     

Architectural layout optimization using annealed neural network

The facility layout problem is concerned with finding feasible locations for a set of interrelated objects that meet all design requirements and maximize design quality in terms of design preferences. The contribution of this paper is a new framework, named annealed neural network, for efficiently finding competitive solutions for the facility layout problem. This framework arises from the combination of Hopfield neural networks and simulated annealing. The first is a representation model of the layout problem and the second is a search algorithm for finding the optimum or near optimum solutions. The annealed neural network combines characteristics of the simulated annealing algorithm and the Hopfield neural network. Annealed neural network exhibits the rapid convergence of the neural network, while preserving the solution quality afforded by simulated annealing. Strategies for setting reasonable penalty factor in objective function and temperature in simulated annealing procedure were proposed. A case study of a hospital building with 28 facilities was employed to demonstrate that this model is rather efficient to solve the architectural layout problem, and it is amenable to fast computation for large layout problems.     

Modelling of structural response and optimization of structural control system using neural network and genetic algorithm

This paper proposes an integrated approach to the modelling and optimization of structural control systems in tall buildings. In this approach, an artificial neural network is applied to model the structural dynamic responses of tall buildings subjected to strong earthquakes, and a genetic algorithm is used to optimize the design problem of structural control systems, which constitutes a mixed‐discrete, nonlinear and multi‐modal optimization problem. The neural network model of the structural dynamic response analysis is included in the genetic algorithm and is used as a module of the structural analysis to estimate the dynamic responses of tall buildings. A numerical example is presented in which the general regression neural network is used to model the structural response analysis. The modelling method, procedure and the numerical results are discussed. Two Los Angeles earthquake records are adopted as earthquake excitations. Copyright © 2000 John Wiley & Sons, Ltd.     

基于QPSO-BP 神经网络的火灾预警算法

为了进一步提高油库消防系统的安全性,针对其火灾报警信息系统进行了改进,构建基于量子粒子群算法优化BP神经网络的火灾智能预警算法,以温度、烟雾浓度以及CO 浓度数据作为神经网络的输入,以无火、明火以及阴燃火的概率作为神经网络的输出。使用量子粒子群算法优化BP 神经网络运行中随机产生的权值和阈值,加快神经网络收敛到期望误差的速度,增强全局搜索能力。通过MATLAB 软件对智能火灾预警算法的模型进行仿真,模型输出的火情概率与实际值基本吻合。设计了多传感器数据采集设备,获取火灾现场数据,输入网络模型,能够有效识别明火、阴燃火和无火情况,验证了该算法可提高消防预警系统的准确性。