基于深度学习的舌象特征分析

中医舌诊因其直观稳定且易于观察的特点,以及具有较高的临床应用价值和快捷方便的实用性,成为了一个重要的研究课题。目前,将医学图像处理技术、人工智能技术和中医专家的临床经验相结合,实现了对中医舌诊的客观化、定量化和自动化,这是当前中医舌诊现代化研究的主流方向。文中研究了基于迁移学习和深度学习的舌体精确分割和舌象特征识别的关键技术,提出了一种基于区域关联的单像素损失函数的舌体分割方法,新的损失函数不仅考虑到了区域像素之间的关联关系,而且有效利用了像素标签语义的监督信息,能够更好地指导模型进行训练学习,在测试集上的MIoU指标达到了96.32%。然后,针对舌象几何特征提出了一个融合空间转换网络和VGG16模型的舌象几何特征分析模型,使用了空间转换网络来显式地学习空间不变性,并复用了VGG16模型的卷积部分,使得可以用舌体分割任务学习到的知识来进行参数迁移学习。通过两组对比实验,验证了空间转换网络对提高模型空间不变性的有效性,以及舌体分割的知识迁移能使模型更快、更平稳地收敛。同时,提出了一个融合深度纹理编码网络和VGG16模型的舌象纹理特征分类模型,使用深度纹理编码网络能将卷积得到的有序特征图编...     

深度学习在舌象分类中的研究综述

随着技术的快速发展和计算能力的提高,深度学习在舌象分类领域将得到广泛的应用。舌诊图像的舌象分类是中医舌诊客观化的重要组成部分。传统的舌诊是在基础理论的指导下,借助个人经验所做出的理解和判断,因而会具有一定的差异性和模糊性,影响诊断的可重复性。为了减少主观判断的误差,许多研究人员致力于通过深度学习实现中医舌诊的客观化、定量化和自动化。主要对基于深度学习的舌象分类方法研究现状进行分析梳理和归纳总结。在舌象分类研究中,以各类深度学习方法作为研究对象,将其划分为基于早期神经网络、卷积神经网络、区域卷积神经网络、迁移学习以及其他方法进行总结分析;对舌诊中的中医证候和疾病以及体质分类进行了讨论;用Kaggle上的公开舌诊数据集进行5折交叉验证实验,数据集为小样本齿痕舌,评估了基于深度学习和迁移学习分类方法;对舌诊图像质量、构建数据集方式、特征提取、单标签和多标签分类的研究发展进行了探讨和展望。     

基于深度学习的智能问答系统综述

在科技发达和信息爆炸的时代,如何从海量数据中准确地提取所需信息已成为人们研究的目标.问答系统作为解决此问题的重要途径之一,其主要通过对已有数据信息进行检索和分析,并最终返回问题答案或其他相关信息.近年来,深度学习的革命性发展给问答系统带来了长足的进步,序列到序列的模型,端到端的模型以及最近流行的预训练,都给问答系统留下无限的发展空间,但其仍面临许多挑战.本文首先对问答系统的发展进行简要介绍,接着将问答系统按照3个不同角度进行分类,并对相关数据集、评测指标和各类问答系统的主流技术进行阐述,最后对问答系统面临的问题和未来的发展趋势进行讨论.     

中医舌诊系统中智能推理可信度的研究

中医舌诊是一个极其复杂的过程,是以舌症彩色图像的识别为主,并综合考虑脉象和其它临床数据的中医医疗诊断方法.可信度方法是人工智能领域的一种不确定推理方法,它通过量化不确定知识将不确定信息确定化,被广泛用于处理各种随机不确定信息.通过融合模糊逻辑推理、神经网络技术及可拓学方法,研究了一种基于竞争神经网络的中医舌诊智能推理模型,以VC 6.0和SQL Server2000为开发工具,实现了对中医专家诊断推理过程的模拟.并在推理过程中嵌入了可信度的评价体系,对输入模式信息和专家经验信息的关系引入了可信度度量,借鉴贝叶斯理论方法对神经网络的推理结果的可信度进行了研究,从而使诊断准确率大大提高,且系统使用简洁、方便.     

基于深度学习的智能治超场景下货车车型识别

针对智能治超场景下超载车辆自动化检测的需求,在YOLOv5s的基础上从数据、模型和算法三个方面提出了一种改进的货车车型识别算法。在数据层面,使用的数据增强模拟了现实中面对恶劣天气、图像噪声和数据损坏等复杂场景,丰富了训练数据的多样性,提高了模型在复杂场景下的鲁棒性。在模型方面,提出了一种新的注意力机制来综合考虑不同通道的重要性和编码特征的位置信息,提高了模型的识别准确性。在算法层面,针对现有算法的不足,提出了一种更通用的标准来判断货车与轮轴的隶属关系,以适用更复杂的场景。实验结果表明,提出的改进模型对货车和轮轴的识别精度分别达到99.34%和99.22%,对货车车型识别的准确率为98.71%。与经典的YOLOv5s网络相比,货车和轮轴的平均识别精度提高了2.39%,货车车型的识别准确率提高了2.22%。综上,所提出的方法实现了对货车车型自动和准确的识别,可以为智能治超场景下的货车车型识别提供理论支撑。     

基于深度学习的电影知识智能对话

针对电影知识对话响应中涉及大量的专有名词(如人名、地名等)且一条响应中可能涉及到多条知识的特点,提出了一种新的电影知识智能对话方法。首先,构建电影知识库和电影知识对话数据集;然后,编码器部分采用3-hops记忆神经网络,将历史对话编码成向量;最后,解码器部分将GRU和3-hops记忆神经网络相结合,用GRU的隐藏状态作为3-hops的动态查询向量,指导响应生成。结果显示该电影知识智能对话方法不仅解决了生成无意义响应的问题,又能保证生成响应的多样性。     

基于深度强化学习的AGV智能导航系统设计

针对现有的AGV在大规模未知复杂环境中进行自主导航配送的问题,基于深度强化学习完成了AGV智能导航系统设计。首先,结合传感器对周围的障碍物进行探测感知,利用DDPG（deep deterministic policy gradient）算法实现AGV小车从环境的感知输入到动作的直接输出控制,帮助AGV完成自主导航和避障任务。此外,针对训练样本易受环境干扰的问题,提出了一种新颖的DL（disturb learning）- DDPG算法,通过对学习样本中相关数据进行高斯噪声预处理,帮助智能体适应噪声状态下的训练环境,提升了AGV在真实环境中的鲁棒性。仿真实验表明,经改进后的DL-DDPG 算法能够为AGV导航系统提供更高效的在线决策能力,使AGV小车完成自主导航与智能控制。     

基于深度学习的自适应移动学习服务智能推荐研究

为了提高新时代网络教育服务的质量与效果,推动网络教育服务产业的良性发展,基于深度学习算法研究了一种自适应移动学习服务智能推荐方法。首先分析自适应移动学习服务智能推荐方法的基本架构,其次探讨移动学习数据信息的采集与处理,最后建立基于深度学习的智能推荐模型,并进行测试与分析。实验结果表明,该方法具有高效性与实时性,能够满足实际项目对运行速度与推荐性能的基本需求。     

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。     

基于深度学习的智能动态防御系统

在面对日益突出的网络安全问题,现有的基于威胁特征感知的防御机制,在应对未知风险、高级持续性威胁(APT)、机器流量中,暴露其不足之处,论文提出了基于深度学习的智能动态防御系统架构,提升了互联网应用网络安全威胁应对能力。     

基于深度学习的智能动态防御系统

在面对日益突出的网络安全问题,现有的基于威胁特征感知的防御机制,在应对未知风险、高级持续性威胁(APT)、机器流量中,暴露其不足之处,论文提出了基于深度学习的智能动态防御系统架构,提升了互联网应用网络安全威胁应对能力.     

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。     

基于深度学习的卷烟品规智能识别系统设计

针对卷烟库存盘点工作量大、效率低、准确率.差等问题,利用人工智能深度学习技术开发一套智能卷烟库存盘点系统,该系统搭载的智能优化识别算法模型,能够提升识别准确率至869%,且系统具有高鲁棒性,即能实现不同应用场景下的卷烟品规目标识别。     

基于深度学习的智能电网故障预警系统研究

为解决传统电网故障分类器无法准确获得故障线路的信息及定位故障的问题,本文提出了基于深度学习的电网故障预警系统.网络中增加由BI-GRU提取的故障线路时间序列特征,从而提高分类器的精度.此外,通过注意力机制学习不同的故障线路或不同的故障状态的时间序列特征,从而加快网络学习效率.最后,将本文所提框架与LSTM、GRU、BI...     

基于深度学习的智能交通系统通信网络脆弱性检测

智能交通系统是集群智能技术的典型应用之一. 为解决现有智能交通通信网络脆弱性检测方法复杂度高、实时性差的问题, 提出引入深度学习技术对网络脆弱性检测方法进行设计. 先利用多智能体网络协同和消息传输机制与智能交通系统车辆间协作通信网络的共通性, 将智能交通系统通信图脆弱性检测问题建模为对多智能体网络r-鲁棒值的求解问题. 再针对随网络节点数目增多r-鲁棒值求解成NP难问题, 设计给出一种融入残差网络的深度学习算法, 将鲁棒值求解问题转化为深度学习图分类问题. 所提算法可有效应对动态多变的智能交通通信网络并对其实现快速精准的脆弱性检测. 最后通过一组典型交通场景的仿真实验验证本文所提方法的有效性.     

基于深度学习的智能车辆辅助驾驶系统设计

为帮助驾驶员在夜间行车时确认前方路况,设计了保证自己及他人出行安全的车载夜视辅助驾驶系统。通过构建深度学习神经网络算法,将经预处理得到的车辆周围图像作为神经网络的输入数据,经逐层训练与调参得到离线网络运算,从实时图像数据中提取障碍物的特征信息与运动情况。通过驾驶车辆上采集设备探测反馈行车轨迹环境,正确识别车辆所处的环境状态,进而提醒驾驶员,并帮助车辆面对突如其来的危险时采取正确行驶决策,避免事故的发生。     

一种基于梯度的多智能体元深度强化学习算法

多智能体系统在自动驾驶、智能物流、医疗协同等多个领域中广泛应用,然而由于技术进步和系统需求的增加,这些系统面临着规模庞大、复杂度高等挑战,常出现训练效率低和适应能力差等问题。为了解决这些问题,将基于梯度的元学习方法扩展到多智能体深度强化学习中,提出一种名为多智能体一阶元近端策略优化（MAMPPO）方法,用于学习多智能体系统的初始模型参数,从而为提高多智能体深度强化学习的性能提供新的视角。该方法充分利用多智能体强化学习过程中的经验数据,通过反复适应找到在梯度下降方向上最敏感的参数并学习初始参数,使模型训练从最佳起点开始,有效提高了联合策略的决策效率,显著加快了策略变化的速度,面对新情况的适应速度显著加快。在星际争霸II上的实验结果表明,MAMPPO方法显著提高了训练速度和适应能力,为后续提高多智能强化学习的训练效率和适应能力提供了一种新的解决方法。     

基于人工智能的类风湿性关节炎中医辅助诊疗系统

类风湿性关节炎(RA)是一种广泛存在且慢性、难治的全身性免疫风湿病,中医在其治疗中具有副作用较少、价格相对低廉等优势,但是中医师的缺乏限制RA中医诊疗方案的推广.因此,文中提出基于人工智能的RA中医辅助诊疗系统.通过对患者病历文本和关节影像数据的学习实现对RA和RA证型的判断,辅助医生诊断,并根据证型智能推荐中医药方.文中还基于RA中医药典籍知识构建知识图谱,在医生诊疗过程中提供诊疗知识指导.系统可辅助经验不足的临床医师做出诊疗决策,提高RA的治疗水平,有助于对RA治疗的研究和推广.     

基于深度学习网络的智能交通信号控制研究

本文设计了基于深度学习网络的智能交通信号控制系统.使用数据平滑方法消除交通流数据的趋势,利用由多个限制玻尔兹曼机模型构成的深度信念网络模型学习交通流特征,并结合支持向量回归预测短时交通流,根据预测结果和排队消散时间实时判断车流放行方向以及进口放行绿灯时间,实现智能交通信号控制.实验结果表明,分别将延迟时间和节点数设置为...     

基于多模态深度学习技术的智能教学系统研究

文章以多模态深度学习技术为切入点,探讨多模态建模技术在智能型教学系统中的潜在应用,如时间序列预测算法（LongShort-TermMemory,LSTM）、残差神经网络（ResidualNetwork,ResNet）、YOLO、深度神经网络（Deep Neural Networks,DNN）和XGBoost,并介绍了课堂监测评估模型和教学策略推荐模型的运行机制。