基于人工神经网络的入侵检测方法

本文分析基于人工神经网络的入侵检测模型搭建方案,方案被设计为嗅探器、数据审计和数据检测三个模块,深度学习与网络安全管理的结合有利于二者的同步发展。借助深度学习,不断提高网络安全管理水平,同时给人工神经网络带来更大的发展空间。为应对不断复杂的网络入侵手段,入侵检测需动态化发展,围绕人工神经网络,研究更多高效防御方法。     

基于神经网络的图像识别

神经网络图像识别技术是随着当代计算机技术、图像处理、人工智能、模式识别理论等发展起来的一种新型图像识别技术。在进行图像识别之前需要利用数字图像处理技术进行图像预处理以及特征提取。本文选取字符图像0—9作为识别目标,对图像预处理过程进行了叙述,并在此基础上选取字符图像矩阵每行的与每列的黑色像素点之和以及图像欧拉数这两个特征作为BP神经网络的输入样本。经实验仿真表明图像的平均识别率为89％,这表明图像预处理的结果和提取的特征是合适的、有效的。设计的BP网络也较好的完成了模式分类识别工作。     

人工神经网络模型在子宫颈癌细胞检测方面的研究

目的:对子宫颈癌细胞进行检测和诊断。方法:应用所取得的大量数据样本对人工神经网络的权值进行训练,使用人工神经网络模型的BP反向传播误差算法以及图像处理、模式识别和人工智能技术综合处理数据。结论:通过大量的实验对比结果可以知道,应用BP反向传播误差算法可以对子宫颈癌细胞进行较准确的分类。结果:BP反向传播误差算法具有比较好的分类能力。     

一种基于人工神经网络的人脸识别方法

提出了一种基于BP人工神经网络的人脸识别新算法。采用积分投影与几何特征提取相结合的方法进行人脸图像特征提取,构建特征向量,利用BP神经网络分类识别。仿真结果表明,该算法应用于ORL人脸库的分类识别,仅用13个特征即可达到平均识别率99%,识别能力显著增强,同时有效地降低了所需特征维数和计算复杂度。     

基于PCNN和SVM的图像识别方法研究

利用脉冲耦合神经网络(PCNN)具有良好的脉冲传播特性,研究了利用PCNN进行图像分割的技术.针对模型参数和最优分割结果难以确定的问题,改进了标准PENN模型,提出了基于互信患量的PCNN图像分割方法.计算原图像与PCNN分割图像序列问的互信息量,对应最大互信息量的分割图像就是最佳分割结果.然后选取不同类型飞机图像提取不变矩特征,用支持向量机(SVM)实现分类识别.实验结果表明,该方法分割效果好,适应性强,能够很好地识别飞机图像.     

人工神经网络在金相图像分割中的应用研究

利用多层感知器神经网络和自组织映射神经网络对球墨铸铁、可锻铸铁和灰铸铁的金相图像进行了分割提取.通过对比以上两种方法分割后的图像质量和定量分析样本图像中的石墨结构、珍珠岩/铁氧体结构所占的百分含量后发现,多层感知器网络分割提取的结果与样本实际的结果更加接近,而自组织映射神经网络分割提取的结果则不够理想.据此,可以推断多层感知器网络是实现金属图像分割自动化提取和精确性分析的有效工具.     

基于神经网络的图像识别方法

神经网络是近年来受到国内外广泛关注的高新技术,不同科学的科技人员对其进行了深入的研究,并取得了许多有价值的研究成果。神经网络在图像识别方面也取得了广泛应用。神经网络用于图像识别一般都要提取图像特征,然后把提取好的图像特征送入神经网络识别器进行识别。文中提出的用 BP 神经网络作图像识别的方法,不对图像作特征提取,直接把图像数据作为神经网络识别器的输入。文章最后用 MATLAB 完成了网络的训练与测试,并给出了试验结果。结果表明,不作特征提取的神经网络图像识别系统具有很强的抗干扰能力。     

基于人工神经网络的交通流量预测模型的研究

介绍了人工神经网络的BP算法，建立了基于Matlab神经网络工具箱的交通流量预测模型，并以实际道路交叉口为例进行2小时40分，分时段的数据采集，利用模型进行短时流量预测。     

基于遗传神经网络的芯片图像分割

芯片图像分割是上芯机机器视觉系统进行图像处理的重要环节,分割效果直接影响下一步芯片信息的提取。采用遗传算法对BP神经网络的权值和阈值进行优化,避免网络陷入局部最优,使其在全局范围内获得最优解。通过选择实数编码和遗传算子算法控制参数,利用优化后的神经网络对芯片图像进行分割;并用模板匹配法得到分割图像的匹配度,计算其平均值和方差。最后,将该算法与传统分割算法的进行比较,该算法的分割效果优于传统分割效果。     

基于人工神经网络的自动控制系统

对人工神经网络的基本模型进行了概述,介绍了神经网络控制的基本原理及其特性,指出神经网络控制是一种不依赖于精确数学模型的自动控制系统,研究了他在对高难度、不确定、非线性对象实现自动控制时的优势。然后又对人工神经网络在系统辨识、系统控制以及控制系统的故障诊断等自动控制领域的应用进行了研究。     

基于神经网络的图像融合效果综合评价

针对单因素指标评价图像融合效果时只考虑融合图像某一方面的特征,缺乏全局性等问题,提出了一种基于神经网络的图像融合效果综合评价方法.该方法采用图像熵值、空间频率值、交叉熵平均值、均方差平均值构成单因素评价指标集,利用模糊积分求出单因素指标融合效果评价值,并以此作为神经网络的输入对其权值进行训练,最终获得综合评价指标.通过大量红外与可见光图像融合的效果评价实验,证明该方法评价结果合理,主客观评价有较好的一致性.     

Face Image Recognition Based on Convolutional Neural Network

With the continuous progress of The Times and the development of technology,the rise of network social media has also brought the“explosive”growth of image data.As one of the main ways of People’s Daily communication,image is widely used as a carrier of communication because of its rich content,intuitive and other advantages.Image recognition based on convolution neural network is the first application in the field of image recognition.A series of algorithm operations such as image eigenvalue extraction,recognition and convolution are used to identify and analyze different images.The rapid development of artificial intelligence makes machine learning more and more important in its research field.Use algorithms to learn each piece of data and predict the outcome.This has become an important key to open the door of artificial intelligence.In machine vision,image recognition is the foundation,but how to associate the low-level information in the image with the high-level image semantics becomes the key problem of image recognition.Predecessors have provided many model algorithms,which have laid a solid foundation for the development of artificial intelligence and image recognition.The multi-level information fusion model based on the VGG16 model is an improvement on the fully connected neural network.Different from full connection network,convolutional neural network does not use full connection method in each layer of neurons of neural network,but USES some nodes for connection.Although this method reduces the computation time,due to the fact that the convolutional neural network model will lose some useful feature information in the process of propagation and calculation,this paper improves the model to be a multi-level information fusion of the convolution calculation method,and further recovers the discarded feature information,so as to improve the recognition rate of the image.VGG divides the network into five groups(mimicking the five layers of AlexNet),yet it USES 3*3 filters and combines them as a convolution sequence.Network deeper DCNN,channel number is bigger.The recognition rate of the model was verified by 0RL Face Database,BioID Face Database and CASIA Face Image Database.     

基于CCD和神经网络的LCD数显字符采集与识别

利用CCD对LCD数码显示字符进行采集,在分析图像处理和神经网络理论的基础上,采用网格法与交线特征提取法,对LCD数显字符进行识别,为具有LCD数显而与计算机无标准通信接口的仪器仪表设备提供一种实用的无线接口.实验表明,系统对LCD数显字符采集方便,识别率高,并且抗干扰能力强.     

基于神经网络的有遮挡图像分割方法

人脸作为人类最主要形象特征,具有许多特征的唯一性,而人脸识别的关键在于进行的人脸分割计算。传统的人脸分割算法在有遮挡情况下无法完整的提取人脸信息,导致信息缺失,使得图像检测无法进行。文中算法采用基于神经网络与自适应技术的人脸图像分割计算,对于有遮挡部分的人脸也可进行较好的分割计算,通过多种图片进行实验仿真计算后,有遮挡的图片都可得到有效的分割,实现了对人脸分割85%的分割完成率,远高于传统人脸图像分割算法的78%的分割完成率。因此本算法,在图像识别领域具有对较好的推广意义。     

基于TensorFlow卷积神经网络的图像识别

TensorFlow是Google公司发布的开源人工智能深度学习框架,卷积神经网络是进行图像识别的一种有效方法。本文在研究Tensorflow深度学习框架以及卷积神经网络的基础上,利用keras官方下载的cifar数据集,采用LeNet-5算法对数据进行了处理、建模、训练、并对模型进行了评估以及保存,利用测试集完成测试后,不同图像识别的准确率有所不同,青蛙识别的准确率最高,为79%,汽车的识别准确率为78%,猫和狗的识别准确率最低,分别为41%和53%,所有图像识别的平均准确率为65%。     

基于神经网络的自动机动决策设计

空战智能决策技术是目前广泛被研究和使用的一种新技术。本文针对使用人工神经网络制定空战机动决策的方法进行了一些初步研究,并对仿真结果进行了对比分析。     

基于神经网络集成的SAR图像目标识别

合成孔径雷达图像处理过程中目标的方向性会对目标的识别产生很大的影响,基于目标类别的不明确又会给目标方位角的估计带来困难.文中提出了一种基于神经网络集成模型的合成孔径雷达图像目标识别方法.该方法通过小波域主成分分析提取目标图像特征向量,针对同向目标的特征空间训练一个神经网络实现目标分类,并使用另一个二级神经网络对多个单向目标识别器的识别结果进行结合.该方法可以有效地避免目标类别和目标方向间的相互干扰,提高识别精度.该方法对于解决此类似问题给出了新思路.     

一种基于卷积神经网络的人脸识别改进算法

针对目前图像特征点人脸识别算法匹配精度低等缺点,提出了一种基于卷积神经网络的人脸识别算法。该算法采用传统算法算子融合卷积神经网络进行识别,首先采用局部感受野的思想,将整体图像进行分割,得到局部图像集合,并将该集合中每个局部图像像素存储在像素矩阵Ai中。然后对各个局部图像进行卷积运算,得到局部图像之间的内在特征联系,存储于Bi矩阵中,并池化进行特征映射。最后,训练出网络加权系数并求出识别结果。实验结果表明,相比其他算法,所提算法改善了原有算法图像特征点匹配精度低的问题,验证了所提算法的有效性。     

基于神经网络的硬币面额识别

硬币面额的自动识别是自动售货机和硬币清分机具的关键技术.通过摄像头采集硬币的图像信号,利用硬币的外观进行面额识别.首先提取硬币图像的不变矩特征,然后利用神经网进行图像的分类识别,从而实现硬币面额的识别.实验表明该方法能得到满意的识别结果.