简介：针对深度信念网络无法科学有效地确定网络模型深度和隐层神经元数目等问题，根据贪心算法思想，提出了一种动态构建深度信念网络模型的新方法.即从底层逐层构建深度信念网络的过程中，根据验证集错误分类率调整当前层神经元数目，使当前模型达到最优后，固定当前层神经数目，网络深度增加一层；继续调整下一层神经元数目，直至整个模型构建完成.最后，根据重构误差微调各层神经元数目.结果表明，与依据重构误差构建的深度信念模型相比，利用此方法构建的深度信念网络模型的分类准确率更高.

简介：基于深度学习的医学图像处理已成为该领域研究的热点。深度学习方法在各种医学图像应用中取得了优异性能,达到甚至超过了专家级医生的水平。本文首先简述深度学习模型的基本原理,尤其是监督学习算法中的各种神经网络,然后总结它们在医学图像分类与识别、定位与检测、分割、配准与融合等应用领域的研究进展,最后探讨医学图像处理深度学习方法面临的挑战及应对措施。

简介：软件的图形用户界面(GUI)的视觉设计影响着用户的使用体验.在没有既定标准的情况下,测试人员对GUI评分的主观性和大量的重复性工作,会造成GUI测试的评分偏差和效率低下.针对上述问题,本研究工作构建了基于云平台的软件GUI自动测试系统,分别使用HOG+SVM模型和AlexNet模型对GUI图像进行特征提取并分类.考虑到软件GUI数据样本量小,提出利用迁移学习策略改善AlexNet网络的性能.针对用户的多样性和算法对计算性能的需求,GUI自动测试系统部署在云平台上,用户可以对软件GUI进行实时评估.实验证明,系统用于GUI自动测试具有良好的性能,并且可以避免主观因素的影响以及减轻软件测试员的工作量.

简介：公安交通集成指挥平台是公路交通安全防控体系“三位一体”建设的重要内容，也是公安交警部门科技信息化规划建设的四大信息平台之一。针对前端卡口过车图像质量差和干扰因素多的问题，本文提出一种基于深度学习算法的卡口车辆图像特征识别方法，实现车辆号牌号码、品牌型号、年检标识等车辆特征的准确识别和提取。与现有二次识别算法进行分析比较，在提升卡口过车图像识别准确率的同时，避免了人工设计特征带来的误差干扰，为公安交通集成指挥平台业务的开展提供了强有力技术支撑。

简介：在此提出一种改进的深度卷积神经网络模型,该模型通过增加并联卷积层,拓展卷积神经网络宽度实现,有利于提取图像特征,提高网络性能;卷积层中对特征图像采用批量归一化方法进行预处理,加快网络训练.实验结果表明,该模型能更准确地学习宫颈癌细胞图像特征,从而有效降低了分类错误率.

简介：《道路交通事故处理程序规定》和《道路交通事故深度调查工作规范（试行）》中对交通事故深度调查做出了明确规定。本文分析了交通事故深度调查的现状和必要性，归纳了交通事故深度调查具有内容繁多、涉及部门广、时间紧、技术性强、要求高等特点，提出建立交通事故深度调查数据信息共享机制、建立深度调查专家库，同时建议交通事故处理部门与司法鉴定机构建立工作机制、司法鉴定机构之间建立协作机制和建立应对重新鉴定和出庭作证协调机制等措施。

简介：5月29日，无锡市人民政府与公安部交通管理科学研究所（下称“交科所”）举行合作签约仪式。江苏省委常委、无锡市委书记李小敏，公安部交通管理局刘钊局长，无锡市人民政府黄钦代市长，高亚光副市长，滨湖区委许峰书记，交科所王长君所长、孙正良书记，以及无锡市人才办、发改委、经信局、科技局、财政局、交通局、公安局、金融办等单位相关领导出席。