人工神经网络在林业中的应用研究与展望

4简要介绍了人工神经网络的基本概念，论述和分析了人工神经网络在森林规划与管理、水土流失的等级及林地等方面的分类，森林预测模型、林业工程的过程控制等方面的应用，并进一步研究了人工神经网络在精确林业及树木特征数据库的建立等方面的应用。     

应用层次结构神经网络评价露天矿区资源条件

运用分层次结构的人工神经网络系统对露天矿区资源条件进行了综合评价,为露天矿区的合理开发提供了一种新的决策方法．     

人工神经网络在石油分析中的应用研究(Ⅰ)——BP神经网络预测石油馏分临界性质

基于面向对象程序设计的设计思想,定义３种新的神经元结构体类型变量,研究了４种变形ＢＰ神经网络模型,引入神经元非线性敏感度因子、动量因子和阈值的动态修正,在一定程度上克服了传统ＢＰ网络收敛速度慢、易陷于局部极小的缺陷,将４种模型应用于石油馏分临界性质的预测,取得较一般常规非线性处理方法更高的预测精度。     

采用人工神经网络技术对高压线缆绝缘破坏预测的研究

采用神经网络技术,进行了预湍高压输电线缆接头处绝缘破坏的试验研究,实验中神经网络的学习方式采用了随机逼近方法,这种方法很容易用结构简单且造价便宜的模拟电路实现,本试验结果还证实了利用神经网络技术对预测高压输电线缆接头处绝缘破坏是可行的。     

三维重建系统下的特征点处理与位姿恢复优化算法

基于SIFT算法原理,构建了一个全新的算法框架,使用FCN（fully convolutional networks,全卷积神经网络）和BP（back propagation,反向传播）神经网络,综合考虑图像主目标的语义分割、图像灰度共生矩阵等方面的影响,实现了自适应的特征点检测范围、数量调整,并在特征点匹配阶段利用相机位姿偏移稳定性剔除误匹配,同时采用基于图优化的方法对位姿恢复结果进行非线性优化,得到了更加精确的相机位姿。最后与现有主流算法进行分析比对,实验结果验证了该算法的有效性,提高了特征点检测的场景自适应程度与特征点匹配、位姿恢复的精度,实现了更加高效的三维重建。     

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。