简介：行人重识别在视频监控领域是一个非常具有挑战性的问题,不同的摄像头位置角度、光照等因素会使同一行人的图像差异较大.文章提出一种DGD（DomainGuidedDropout）卷积神经网络（CNN）与样本相对距离结合的行人重识别算法：首先,通过卷积神经网络来提取来自多个域的数据中具有一般性及鲁棒性的特征;其次,通过计算各个特征样本之间的相对距离来筛选出更具有一般性及鲁棒性的特征;最后,比较筛选出的特征间的欧氏距离进行重识别.实验结果表明,该算法能够提高行人重识别的效率.

简介：摘要在人工智能领域内，人工神经网络是一种运算模型，由大量的节点之间相互联接构成，目的是模拟人类的神经系统，目前已经广泛地应用在智能分析、回归、拟合等多个技术领域。本文从人工神经网络的概念讲起，介绍了有关人工神经网络的相关知识，分析了BP、RBF、SOM、DNN等不同人工神经网络的工作原理，介绍了各类神经网络在部分领域的应用，最后对人工神经网络的应用做出了展望。

简介：以某地区购网有功功率的负荷数据为背景，建立了三个BP神经网络负荷预测模型——SDBP、LMBP及BRBP模型进行短期负荷预测工作，并对其结果进行比较。针对传统的BP算法具有训练速度慢，易陷入局部最小点的缺点，采用具有较快收敛速度及稳定性的L—M优化算法进行预测，使平均相对误差有了很大改善，具有良好的应用前景。而采用贝叶斯正则化算法可以解决网络过度拟合，提高网络的推广能力，使平均相对误差和每日峰值相对误差降低，但收敛速度过慢（慢于SDBP模型），不适于在实际应用中采用。

简介：摘要：从神经网络算法客体判断标准出发，列举了实践中容易判断是否属于专利法保护客体的情形；并结合实际的案例， 探讨了在算法中不包含特定应用领域时，如何判断神经网络发明是否属于专利法保护客体。

简介：摘要：随着科学技术的发展，人工智能已经被广泛应用到生活中，计算机视觉作为其中的重要领域，也被研究者逐渐重视。本文重点讲述了卷积神经网络以及图像分割的发展史，重点讲述了目前具有代表的deeplab神经网络架构中的特点，分析其中的原理，对后续的研究具有借鉴作用。

简介：最大功率点跟踪（MPPT）控制可以使光伏模块最大程度地输出功率，因此成为增强光伏发电系统输出功率的一个研究热点。本文提出一种基于二进制蚁群模糊神经网络的光伏系统最大功率点跟踪控制策略，利用模糊神经网络代替传统的BP神经网络对最大功率点进行预测，解决了恒压控制法误差较大的问题；利用二进制蚁群算法对模糊神经网络权值进行优化，克服了其搜索速度慢、易陷入局部极小值的缺点；将得到的最大功率点电压输入恒电压控制算法中，然后通过恒压法对最大功率点进行跟踪。在所构建的仿真模型中模拟了不同光照强度和环境温度的仿真环境，结果表明所提出的MPPT控制策略准确性高、适应性强。

简介：绝大多数通信信号都是具有周期平稳信号特征，CAB类算法是一种基于信号周期平稳特性下的波束形成算法。但是，由于算法中存在的矩阵求逆的巨大运算量的要求是算法的实时应用性变差。本文利用TH神经网络的巨量并行性的特点来解决算法中的这一问题，实验结果表明其性能优良。

简介：本文提出了分析矿山损失贫化原因的神经网络方法，阐述了其算法原理及其相应的神经网络模型，结合实例说明了该方法的应用。

简介：针对精密定位装置存在非线性，精确数学模型难于建立的缺陷，提出了精密定位的神经网络控制方法．将BP神经网络应用于该控制系统中，系统以光栅常数100μm的光栅为定位标记，以激光衍射产生的莫尔光光强及光强的变化率为神经网络的输入变量，利用神经网络的自学习功能进行精密定位控制．建立了精密定位的神经网络控制模型，模型由输入层、隐层和输出层3层神经元组成，通过对光强及光强变化率的映射，得到电机驱动信号．实验结果表明，使用神经网络控制，控制响应快，稳定性好，鲁棒性强，可有效改善控制质量，提高定位速度，系统可获得±0．5μm的定位精度．

简介：【摘要】：本项目为了对车辆轻量化中的无铆钉冲压连接进行优化，引入深度学习中的全连接神经网络，通过传感器传回的实时接头数据，对压力连接接头的力学性能进行实时检测，并传回控制主板经由神经网络的感知、处理、预测、优化、输出控制接下来的工艺参数。

简介：本文通过对人工神经网络的基本概念特点发展等加以介绍,使读者能对作为当今尖端科技的人工神经网络技术有一定的了解与认识。

简介：行人检测在智能监控、自动驾驶、辅助驾驶、智能机器人等研究领域有着广泛的应用.传统的行人检测方法大多使用滑动窗口遍历图片的方式,导致计算量大,检测速度受到限制.目前基于深度学习的行人检测方法进入了一个快速的发展阶段,但是还存在例如小尺寸行人漏检等很多问题.现提出基于卷积神经网络的多尺度行人检测方法,分析了增加检测层、并联卷积层与改变卷积核尺寸对行人检测性能的影响.在KITTI数据集上的实验结果表明,该方法可以实现较好的行人检测效果.

简介：本文使用改进的神经网络模型结构与算法来辨识未知非线性系统，具有辨识精度高，速度快的特点。该方法简单有效，为设计非缌陛对象控制器提供了一条思路，从而摆脱了用线性模型近似被控对象的粗略做法。算法中，学习率采用随误差变化率而改变的做法减小了学习率选取的盲目性，加速了网络训练过程。

简介：利用查表确定标准正态分布的函数值非常有限,这给工程应用带来很多不便。文章讨论了基于神经网络计算标准正态分布函数值的方法、数学原理、网络构造和学习过程。示例表明,计算简洁、方便,准确率能达到10^-6。

简介：古人云“以史为鉴”,说的是吸取历史的经验教训,对未来的情况做出预判或者改变。生活中,亦是存在相似的利用历史数据对未来变化趋势进行预测分析的时间序列问题。本文就时间序列一类的问题进行研究,探讨如何更好地根据历史统计数据,对未来的变化趋势进行预测分析。本文基于神经网络,以气象观测历史数据作为研究的对象,建立了气温变化时序预测模型。本模型利用大数据相关技术对数据进行特征处理,通过深度神经网络,学习特征数据和标签数据之间复杂的非线性关系,从而实现对气温变化的趋势预测。实验结果表明,相较其他模型,本文的模型能够更好地进行时序预测,同时也证明了神经网络用于气象预测的可行性。

简介：摘要大数据所蕴含的社会、经济、科学价值，使得其商业应用不断成功，相关大数据技术高速发展。大数据相继催生出许多新的应用、新的思维、新的方法，进而在全世界掀起大数据研究热潮。近年来，许多国家制定了各种大数据研究计划。美国奥巴马政府于2012年宣布启动“大数据研究和发展计划”，将“大数据研究”上升为美国国家意志，认为大数据如同“未来的新石油”，将对科技和经济发展带来深远影响。2013年，中国第462次香山科学会议指出大数据是数字化时代的新型战略资源，是驱动创新的重要因素，正在改变人类的生产和生活方式。同年，中国大数据产业也逐步兴起；2014年，中国国家自然科学基金委设置了大数据重点项目群，全面推动中国大数据研究；2015年，国务院发布大数据发展行动纲要，将大数据正式上升为中国国家意志，再次将大数据研究推向新的高潮。

简介：神经网络由于其非线性处理能力强。性能稳定等特点得到了广泛应用和研究。主要应用于模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。神经网络中使用最为广泛的就是前馈神经网络。其网络权值学习算法中影响最大的就是误差反向传播算法(back-propagation简称BP算法)BP算法存在局部极小点。收敛速度慢等缺点。基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算，进而训练网络。

简介：摘要基于BP模型的神经网络是一种用于前向多层神经网络的反传学习算法，目前为止应用最为广泛且最重要的一种训练前向神经网络的学习算法。本文详细介绍BP算法原理并剖析其性能不足的几个方面，简要介绍优化算法，对模型未来的发展方向进行展望。

简介：摘要混凝土抗压强度是保证混凝土工程质量最重要的检验指标，然而混凝土抗压强度的检验评定通常是在浇筑后28d进行的，即使试验结果不能满足规定强度，混凝土强度也不能提高。因此混凝土抗压强度早期预测具有重要研究意义。本文应用神经网络技术建立了混凝土强度预测模型，并将预测结果与实验室测试结果进行对比较。研究表明神经网络在预测混凝土的抗压强度方面有较高的精确度，将该技术应用于混凝土配合比设计，有助于保证混凝土工程质量。

简介：阐述了人工神经网络模型的基本原理，建立了混凝土强度人工神经网络预测模型，通过试验证实了该模型的可靠性。