基于候选区域和并行卷积神经网络的行人检测

针对行人在部分自然场景图像中所占比例较小（以下简称小目标）,提取的特征容易丢失,检测准确率低的问题,提出基于候选区域和并行卷积神经网络（Parallel Convolutional Neural Network,PCNN）的行人检测方法。对于候选区域提取部分,改进了选择性搜索,使其更符合行人这一类别的候选区域提取;利用Edge Boxes对选择性搜索提取的大量预候选区域进行过滤,最终得到数量少、质量高的候选区域。在利用卷积神经网络（Convolutional Neural Network,CNN）进行特征提取时,针对深层卷积神经网络能够提取到更丰富更抽象的高层特征,但同时对于小目标容易造成特征丢失的问题,加入浅层网络组成并行卷积神经网络（Parallel Convolutional Neural Network,PCNN）提取深、浅层特征输出。最后将所提方法应用于行人检测,实验结果表明,所提方法对于小目标的检测准确率有较好的提升。     

基于深度卷积神经网络和循环神经网络的睡眠分期模型

针对传统机器学习模型过于依赖特征工程、多导睡眠图（Polysomnography,PSG）数据获取难度大等问题，提出一种基于深度卷积神经网络（ConvolutionalNeuralNetworks,CNN）和循环神经网络（RecurrentNeural Network,RNN）的自动睡眠分期模型。该模型不需要烦琐的特征提取过程，仅使用单通道脑电信号即可在较高水准下完成自动睡眠分期，在公开数据集Sleep-EDF的Fpz-CZ通道脑电数据上实现了85.2%的分类准确率。     

基于深度学习的OFDM信号调制方式识别

正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）技术广泛应用在各类通信系统中。信号调制方式识别对于OFDM技术十分重要,特别是在非合作通信系统中。传统的信号调制方式识别精度不高,且没有研究信噪比为0 dB以下的情况。对此,将OFDM信号看成2×N的图像,保存I、Q两路信号在空间上的特性,设计包含3个卷积层、3个全连接层的深度卷积神经网络（Convolutional Neural Networks,CNN）。将收敛后的模型用于调制方式分类,实验结果表明,所设计的深度神经网络对6种OFDM信号具有很好的识别效果。     

旅游景点评论的情感分析和可视化系统研究及实现

首先,采用爬虫技术爬取旅游网站中景点的游客评论数据,并清洗数据,进行数据去重、数据去噪以及去停用词等操作,将文本数据转换成词向量。其次,利用文本卷积神经网络（Text Convolutional Neural Networks,TextCNN）训练一个情感分类模型,并运用该模型对评论数据进行情感分析。最后,采用FlaskWeb技术开发一个旅游评论的情感分析和可视化系统。     

基于BMO算法混合神经网络的短时交通流预测

准确预测短时间内某路段的交通流量，可以极大提升城市交通效率，而城市交通流预测的核心是各种交差路口附近的车流预测，尤以十字路口最为常见和复杂。针对具有极强的时空相关性且稳定性交差的情况，提出使用改进鸟类繁殖算法（Bird Mating Optimizer,BMO）混合BP神经网络（Back Propagation Neural Network,BPNN）模型对交通流进行非线性拟合。文章使用基于适应度方差的参数自适应调整策略改进了BMO算法，并结合模拟退火思路改善算法早熟问题。使用改进的BMO算法解决了训练时间长和收敛速度慢的缺陷。仿真结果显示，该模型具有更好的非线性拟合能力，使十字路口交通流预测准确率提高了11.4%。     

基于递归卷积神经网络的移动机器人定位算法

移动机器人定位已成为机器人研究的重要任务。提出基于递归卷积神经网络的移动机器人定位（Recurrent Convolutional Neural Networks-Based Mobile Robot Localization,RCNN-MRL）算法。递归卷积神经网络（Recurrent Convolutional Neural Networks,RCNN）结合卷积神经网络（Convolutional Neural Networks,CNN）和递归神经网络（Recurrent Neural Networks,RNN）的特性,并依据机器人上嵌入的照相机拍摄的第一人称视角图像,RCNN-MRL算法利用RCNN实现自主定位。具体而言,先通过RCNN有效地处理多个连续图像,再利用RCNN作为回归模型,进而估计机器人位置。同时,设计双轮机器人移动,获取多个时间序列图像信息。最后,依据双轮机器人随机移动建立仿真环境,分析机器人定位性能。实验数据表明,提出的RCNN模型能够实现自主定位。     

针对文本分类的神经网络模型

文本分类是自然语言处理领域的一项重要任务,具有广泛的应用场景,比如知识问答、文本主题分类、文本情感分析等.解决文本分类任务的方法有很多,如支持向量机（Support Vector Machines,SVM）模型和朴素贝叶斯（Naïve Bayes）模型,现在被广泛使用的是以循环神经网络（Recurrent Neural Network,RNN）和文本卷积网络（TextConventional Neural Network,TextCNN）为代表的神经网络模型.本文分析了文本分类领域中的序列模型和卷积模型,并提出一种组合序列模型和卷积模型的混合模型.在公开数据集上对不同模型进行性能上的对比,验证了组合模型的性能要优于单独的模型.     

深度卷积神经网络在医学图像分割中的应用研究

在临床医学影像诊断中,仅靠医生个人经验和传统技术手段难以精准识别医学图像结果,而依托计算机技术对医学图像处理,不仅能提高医生对医学图像的诊断效率,而且能减少医生的主观性判断,有利于提升医学诊断质量。在计算机领域卷积神经网络（Convolutional Neural Network,CNN）对图像分析具有显著优势。基于此,文章分析深度卷积神经网络在医学图像分割中的应用。     

类内类间距离在CNN识别心拍类中的应用研究

心脏疾病严重威胁人类身体健康，心电图（Electrocardiogram，ECG）心拍分类对心脏疾病的临床诊断和自动诊断具有重要意义。现有基于深度学习生成的ECG心拍特征虽然优于基于传统方法生成的心拍特征，但是因ECG中各类间存在着严重的数据不平衡问题，致使现有基于深度学习方法生成的心拍特征的性能仍不甚理想。针对这一问题，以卷积神经网络（Convolutional Neural Network，CNN）为基础，在各类心拍等量数据基础上构建能有效表达各类心拍共性信息的共性CNN模型，以共性CNN模型和最小化类内距离最大化类间距离模型为基础，分别在各类心拍数据上构建能有效反映相应心拍类别倾向性信息的类别CNN模型，综合各心拍类别CNN模型的输出进行识别与分类。在MIT-BIH数据库上的实验结果显示，该方法识别分类心拍的各项指标均达到100%，解决了MIT-BIH数据库中ECG四类心拍自动识别分类的问题。     

一种基于CNN-RNN模型的图像检索技术

图像检索是一项重要的研究课题，涉及如何快速、准确地检索和管理海量的图像数据。传统的图像检索技术主要依赖图像的视觉特征或文本描述进行匹配，但是难以充分理解图像的语义信息，对复杂场景的适应性较差。针对这一问题，文章提出了一种基于卷积神经网络-循环神经网络（Convolutional Neural Networks Recurrent Neural Network,CNN-RNN）模型的图像检索技术。该技术将CNN和RNN相结合，构建了一个统一的深度学习框架。其中，CNN模型用于从图像中提取全局特征，RNN模型用于学习图像与标签之间的语义关联和共现依赖。文章通过将CNN输出的特征序列输入到RNN模型中，实现了对图像全局语义信息的捕获。将设计系统在多个数据集上进行实验，结果表明，设计的方法能够有效提高图像检索的效率和准确性。     

结合改进CNN和双线性模型的CBIR方法

针对现有基于内容的图像检索（Content-Based Image Retrieval,CBIR）方法中图像特征维度较大等问题,提出一种结合改进卷积神经网络（Convolutional Neural Network,CNN）和双线性模型的CBIR方法。采用一种低维度池化方法代替传统CNN中的池化过程,以此降低图像特征映射的维度。基于双线性模型的思想,使用两个特征提取器进行特征提取,并在每个图像位置上对两个特征进行内积,以形成最终的图像描述符。通过计算图像间的曼哈顿距离度量来评估相似性,获得相关图像及其排序。实验结果表明,该方法能够准确检索出相关图像,并具有较低的检索时间和内存消耗。     

基于改进Faster-RCNN的生活垃圾分类研究

随着人口的增长，生活垃圾分类问题日益突出。文章提出了一种基于改进快速的区域卷积神经网络（Faster-Region Convolutional Neural Network,Faster-RCNN）的生活垃圾分类方法，将特征提取网络改为ResNet50网络，并在区域推荐网络（Region Proposal Network,RPN）中使用K-means聚类算法。结果表明，基于改进Faster-RCNN的网络模型的准确率达到94.5%，具有较高的准确率和较快的分类速度，可为解决生活垃圾分类提供一种有效的技术手段。     

基于CNN和GRU的混合股指预测模型研究

针对股票数据共线性和非线性的特点,提出了一种基于卷积神经网络（Convolutional Neural Network,CNN）和门控循环单元（Gated Recurrent Unit,GRU）神经网络的混合预测模型,并对沪深300指数、上证综指和深证成指进行了预测。该模型首先采用CNN提取特征向量,对原始数据进行降维,然后利用GRU神经网络学习特征动态变化规律进行股指预测。仿真结果表明,与GRU神经网络、长短时记忆（Long-Short-Term Memory,LSTM）神经网络和CNN相比,该模型能够挖掘历史数据中蕴含的信息,有效提高股指预测的准确率,并可为股指交易提供一些参考。     

基于改进小波神经网络的大数据网络安全态势预测

为提升网络安全态势预测的精度,提出使用动量因子（Momentum Factor,MF）改进小波神经网络（Wavelet Neural Network,WNN）,形成MF-WNN的网络安全态势要素提取模型,通过MF对WNN的权值进行精度优化。实验结果表明,与其他3种常用的预测模型相比,基于改进WNN的预测模型具有较高的精确度。     

基于模糊神经网络的通用模型自适应控制

自适应控制是一种提高系统鲁棒性的有效方法。模糊神经网络具有了模糊逻辑和神经网络两者的优点,结合模糊神经网络（Fuzzy Neural Network—FNN）自适应控制策略和通用模型控制（Common Model Control—CMC）方法,以此来实现被控对象的逆控制,提出了基于模糊神经网络的通用模型自适应控制（FNNC—CMAC）。此控制方法参考轨迹是一条典型二阶曲线,仿真结果验证了鲁棒性,与基于模糊神经网络的通用模型控制及基于模糊逻辑的通用模型自适应控制相比,其控制性能更好。     

基于卷积神经网络的手写数字识别研究与实现

文章针对计算机视觉领域的手写数字识别问题,介绍了神经网络原理、卷积神经网络(Convolutional Neural Networks,CNN)构成、TensorFlow框架等相关知识,并应用卷积神经网络在MNIST数据集上进行验证。实验结果表明,基于卷积神经网络识别手写数字具有较高的准确性。     

基于双向搜索的脉冲耦合神经网络的图像分割

脉冲耦合神经网络（Pulse Coupled Neural Network PCNN）是基于猫视觉原理构建的一种简化的神经网络模型。为了快速进行图像分割,本文提出了基于双向搜索的脉冲耦合神经网络（Bidirectional search PCNNBPCNN）。与传统PCNN不同,BPCNN模型可同时自上而下和自下而上点火。当BPCNN与最大熵结合时,可以同时双向寻找最佳阈值,大大提高网络运行速度。通过灰度图像实验验证该模型取得了较好的效果。     

结合卷积神经网络与注意力机制的多域特征融合ECG心率失常分类

心率失常是心血管疾病诊断的重要手段，其自动分类具有重要的临床意义。为了提高心率失常分类的准确性，结合一维卷积神经网络（Convolutional Neural Networks,CNN）和注意力机制（Attention）提出了一种CNN+Attention的深度学习模型，使用CNN提取心电信号的一维时域特征。针对一维时序心电信号时域特征表征能力有限的问题，使用短时傅里叶变换（Short-Time Fourier transform,STFT）将心电信号变换到时频域，通过Attention提取心电信号的时频域全局相关依赖关系，将时域与时频域特征融合对5种类型心电信号进行分类。在MIT-BIH数据集上验证了模型的有效性，所提模型对5种类型心电信号的平均分类准确率、精准率、召回率、灵敏度以及F1＿Score分别为99.72%、98.55%、99.46%、99.90%以及99.00%。与已有先进方法对比，验证了所提模型具有先进的性能表现。     

灰色问题神经网络建模优化及其应用

文章对灰色神经网络模型ＧＮＮＭ（１,１）进行了深入研究,并作了进一步优化和完善。提出了基于时间响应模型建立ＧＮＮＭ（１,１）的方法,进一步根据多维灰色不确定问题,考虑到系统中各因子之间各种各样的关系与机制,在ＧＮ－ＮＭ（１,１）的基础上建立了ＧＮＮＭ（１,４）模型。     

基于C3D CNN的人脸表情识别系统设计与开发

为了实现对人脸表情的自动识别,笔者设计和开发了一款基于C3D卷积神经网络（Convolutional Neural Network,CNN）的人脸表情识别系统。首先,利用已有Cohn-Kanade数据集和CASMEⅡ数据集作为训练数据。其次,使用Keras和TensorFlow的深度学习框架搭建C3D CNN,创建数据集并进行训练,以得到人脸表情识别模型。最后,使用PyQt5设计和开发人脸表情识别系统。结果表明,该系统具有页面简洁明了、方便用户操作等特点,可为心理诊断等领域提供一定的判断依据。