基于改进遗传算法的藻类神经网络识别

为了借助智能方法对日益严重的水污染进行识别预测,提出了一种改进遗传神经网络识别算法.该算法通过各个分算子的多元冲突、融合、协作和互补等方式,有机地结合形成一种整体优化算子,它包含了降维差异选择、暂态自适应交叉和冲突自适应变异等3个新的彼此相关联的分算子,能有效地生发多样性,提高解空间处处可达性.数值优化及湖泊蓝绿藻神经网络识别实验表明,该算法在克服早熟、提高全局收敛速度和增强神经网络的泛化能力等方面,均取得满意的藻类识别效果.

电磁超声界面回波瞬时图谱分析与神经网络识别

针对钢板背后多层橡胶粘接结构,选择较佳实验频率值作为电磁声换能器的激励源频率。提取了检测回波的瞬时振幅、瞬时相位和瞬时频率三种瞬时参数,将瞬时参数构成三维瞬时图谱定性识别不同粘接状态。将敏感时间窗内的平均瞬时参数组成特征向量,利用BP神经网络进行识别,对训练集与测试集的识别结果表明,该方法可以实现电磁超声界面回波的自动识别与分类,识别正确率不低于95%。

网络信息资源著作权利益关系网络识别研究

文章首先对网络信息资源著作权及其利益相关者属性进行了界定与分析,然后对网络信息资源传播者与著作权人、网络信息资源传播者与使用者、著作权人与使用者之间的利益关系网络进行识别与分析。最后,从公共政策、法律、管理以及经济学视角提出构建均衡的网络信息资源著作权利益关系网络的对策,从而实现各利益相关者之间利益均衡和社会效益最大化。

基于频率下降率的结构损伤自适应神经网络识别

笔者探讨了动量系数和学习率自适应调整的神经网络算法及结构裂纹损伤识别特征参数的选取,提出以反映结构损伤位置和程度的频率下降率作为结构裂纹损伤识别的特征参数,利用有限元网格细化法对结构裂纹损伤进行数值模拟,获取训练样本数据,通过自适应神经网络对结构裂纹损伤问题进行识别研究。从结构裂纹损伤识别实例的结果中可以看出,采用频率下降率和自适应神经网络技术对结构裂纹进行损伤识别分析具有较高的精度和可靠性。

基于Fuzzy ART网络识别变压器绕组过热故障

提出了基于模糊自适应共振理论神经网络识别变压器绕组热点故障的新方法。该方法可以识别随机模糊模式 ,尤其适用于及时捕捉变压器负荷突变、油中特征气体含量突发性异常等偶发性故障征兆 ,对及时排除绕组热点的偶发故障隐患具有重要意义。实例分析表明 。

数字图书馆的网络识别平台新理念

论文探讨了数字图书馆网络识别平台发展中出现的新理念 ,强调了网络识别平台除常用的链接通用网址检索方式外 ,还可以数字图书馆网络识别平台概念的认可作为创新点 ,试进行数字图书馆网络识别概念和内容上的创新探索 ,以利于数字图书馆整体形象的认知和管理 。

刚性路面脱空的集成神经网络识别研究

通过有限元法建立了刚性路面脱空的计算模型,提出采用基于集成神经网络技术对刚性路面脱空状况进行识别,通过刚性路面脱空输入特征向量的组合,用各子神经网络对刚性路面脱空进行初步缺陷识别,然后对识别结果进行决策融合,给出了系统的实现策略和子网络的组建原则。数值模拟结果表明,采用本识别方法合理地选取了各种输入特征向量,具有更好的识别效果．

用神经网络识别钞票真假的研究

1、前言 随着我国国民经济的发展，现金流通规模庞大，银行出纳柜台现金处理工作特别繁重，因而金融交易急需金融自动化。但在金融交易中，动态实时准确辨别钞票的真假是关键。随着科技的飞速发展，印刷技术、复印技术和电子扫描技术等也飞速进步。

计算机网络识别技术在防治茶叶病虫灾害中的有效研究

科学技术为社会经济提供技术基础。随着计算机网络的普及,各行业要在激烈的社会竞争中占据有利地位,就需要适应时代潮流,引用先进技术。而计算机网络识别技术的出现,正是顺应农业经济的内需。因此,本文主要阐述了茶叶病虫害中的问题,并对网络识别技术的应用进行总结。通过分析茶叶病虫害中的实际情况,并对计算机识别技术在防治茶叶病虫害的优势进行归纳,这对茶园提高茶叶产量,提升产品质量有极强的参考价值。

DDA中裂隙岩体渗流网络识别方法的改进及应用

裂隙网络是岩体渗流的主要通道,对其进行准确高效的识别是实现基于DDA的渗流应力耦合方法的重要步骤。通过建立环块体裂隙排列数组,以裂隙为搜索路径,提出更简单、效率更高的节点识别方法;同时提出外边界、边界节点及外边界角点的识别方法,构建出包括以上要素的完整裂隙网络,使外水压力荷载能有效施加在块体系统上,扩展DDA裂隙网络识别方法的适用性。将此方法应用于基于DDA的渗流应力耦合模型,并结合算例进行考虑渗流应力耦合的数值计算。结果表明,该方法可准确识别出复杂裂隙网络,可结合基于DDA的渗流应力耦合程序完成模拟计算。研究成果为裂隙岩体在渗流状态下的失稳判断提供了依据。

基于功能磁共振成像的人脑效应连接网络识别方法综述

人脑效应连接网络刻画了脑区间神经活动的因果效应.对不同人群的脑效应连接网络进行研究不仅能为神经精神疾病病理机制的理解提供新视角,而且能为疾病的早期诊断和治疗评价提供新的脑网络影像学标记,具有十分重要的理论意义和应用价值.利用计算方法从功能磁共振成像(Functional magnetic resonance imaging,fMRI)数据中识别脑效应连接网络是目前人脑连接组学中一项重要的研究课题.本文首先概括了从fMRI数据中进行脑效应连接网络识别的主要流程,说明了其中的主要步骤和方法;然后,给出了一种脑效应连接网络识别方法的分类体系,并对其中一些代表性的识别算法进行了阐述;最后,通过对该领域挑战性问题的分析,预测了脑效应连接网络识别未来的研究方向,以期对相关研究提供一定的参考.

异构多认知无线网络共存场景下的网络识别算法

针对传统的能量检测方法不能识别信号类型以及基于单一特征的循环平稳特征检测方法的识别准确率较低等问题,提出一种融合物理层信号特征和介质访问控制(MAC)层协议特征的网络识别算法.其中,利用滑动窗口能量检测来识别MAC层协议特征,同时,利用正交频分复用符号进行快速傅里叶变换的点数和循环前缀因子的循环平稳特征进行特定时延的渐近最优卡方检测来识别物理层信号特征.仿真结果表明,所提出的网络识别算法能够有效识别基于IEEE 802.22、IEEE802.11af、IEEE802.16h和ECMA392标准的异构多认知无线网络.

基于声发射特征参数的阀门内漏神经网络识别

为解决阀门内漏在线快速检测问题,基于声发射检测技术,采集了DN150闸阀在上下游压差0.8 MPa典型工况下的声发射信号,提取振幅、振铃计数、能量、平均信号电平、信号均方根值5个特征参数作为输入矢量,内漏结果作为输出矢量,建立了3层BP神经网络识别阀门内漏的模型,利用实验数据样本对该模型进行了验证。结果表明,阀门内漏识别准确率超过90%,有利于提高阀门安全运行在线监测水平。

预包装食品标签网络识别实现方式探讨

目的探讨食品标签问题网络识别实现方式,利用现代信息技术,实现对预包装食品标签方便、快速、准确的识别与评估。方法采用分层抽样法利用手机拍照采集全国铁路站车销售预包装食品标签样本6656份,制定识别标准,探讨判定指导及网络识别实现方式,组织专人进行识别与评估,进行数据汇总与统计分析。结果样本识别率86.13%(5733/6656),样本问题率17.10%(872/5099);通过与标准比对或经过简单逻辑检索或计算即可鉴别的问题(标准库和简单逻辑方向)占调查样本问题的79.69%,需要通过检索并计算来确定的问题(涉库逻辑方向)占调查样本问题的5.00%,两者合计84.69%的问题可以借助网络技术手段进行识别判定。结论通过网络识别方式可以识别预包装食品标签84.69%的问题,利用手机拍照提取标签有效信息反馈到后台与标准库、问题库进行比对,可实现方便、快速、准确识别预包装食品标签。

基于BP神经网络识别的电泵井实时电流故障诊断方法与应用

电泵井的运行电流数据是判断电泵井故障原因的主要依据。以往电泵井故障诊断主要依据技术人员依据描绘的电流卡片形态进行诊断,诊断结果的可靠性一方面依据技术人员工作经验的积累,另一方面难以实现大批量快速电泵井诊断。现海上油田可采集与传输时电泵井的实时电流数据,大量实时电流数据可为电泵井故障诊断提供数据支持。本文提出基于BP神经网络识别的电泵井实时电流故障诊断:首先利用现场实测电流样本和人工模拟的电流卡卡片形态,按照一定规则进行样本特征值提取建立样本库,其次对实时电流曲线进行模式识别,提取样本特征值,得到其权重值和阀值。最后将实时电流曲线特征值与权值矩阵相似度计算,相似程度可作为判断电泵井故障类型的依据。实践证明该方法可快速、高效、批量用于全油田的电泵井故障诊断。

NI-网络形象或网络识别

有幅很精采的漫画,两只狗正通过电脑在网上漫游,大狗得意地对小狗说:“在网上没人知道你是一只狗!”真是一语道破了网络形象NI(Net Image)的本质。也就是说,在网络上一只蚂蚁如果善于表现,你可能以为它是一只大象。从伦理上说,这是不道德的欺骗。“动物道德协会”应当作出仲裁。此种网络寓言其实离我们的生活很近很近。前段时间,竞先注册网络域名的事件一时成为新闻热点。网络生产已经不是科幻小说中的故事了。一个网络为中心的时代就在我们面前,无须再过三年等到下一个世纪。那么,作为CI工作者,我们应当如何在网络上发挥自己的专业优势呢?时代已经向我们发起紧迫的挑战! 如果你是一家五星级酒店,网络广告做得不好,在网络受众心目中可能连低流酒店也不如。于是我们面前出现了一个问题:如何塑造企业的网络形象?为了讨论方便,我建议用CNI表示企业的网络形象。

AI试管神经网络识别分子手写

近期的《自然》杂志中发表一项研究,来自加州理工学院生物工程助理教授Lu-lu Qian(钱璐璐)实验室发明了一种由DNA制成的人工神经网络,可以正确识别分子数字。这项工作标志着人工智能在编入合成生物分子电路方面,迈出了重要的一步。“尽管科学家只是刚刚开始探索在分子机器中创造人工智能,但却具有无可争辩的巨大潜力。”钱璐璐表示。相比百年前,电子计算机和智能电话已经让人类变得更有能力。与之相似的是,人工分子机器可以使所有物体分子化。在未来的百余年中,人工分子机器将更有能力和快速地对周围的环境作出反应。

基于投票网络解决样本非均衡的入侵检测识别模型

目前主流入侵检测系统通过学习人工标识的网络流量数据获得自动检测未知威胁的能力,但人工标识的数据出现偏差、缺失、小类样本过少等现象时,本应是攻击样本常会被认定为无害样本,致使入侵检测系统失效。大多数研究入侵检测的工作将整体性能作为检测性能的量化标准,而忽视了入侵检测的原始初衷,导致警告系统遭受攻击。针对以上问题,提出基于投票网络的智能识别模型来解决入侵检测系统训练数据不均衡的问题。通过可训练的投票模型,整合了传统机器学习模型与深度学习模型,在关注整体性能的同时,提升致命攻击的被检出率。实验结果显示,本模型在3种不同样本分布类型的数据集上均有较好的整体表现,并且有效地提高了小类别的检出率。

结合图卷积网络的多模态仇恨迷因识别研究

针对现有迷因识别方法常忽视网络实体作用的情况,提出一种结合图卷积网络的迷因识别方法。提取图像中网络实体信息,利用图卷积网络对网络实体模态和文本模态进行融合,结合外源词典从多角度衡量网络实体和迷因文本之间的关系,构建跨域图;通过注意力模块对文本和图像模态进行交互,结合自蒸馏技术提高模型对信息的利用率。实验结果表明:该方法在Hateful Memes和MAMI数据集上的准确率分别达到76.03%和73.9%,性能优于现有的SOTA模型。

基于随机森林算法和K-means算法的网络攻击识别方法

5G网络与核电的深度融合能够提升核电厂生产安全管控水平,减少人为事故,促进核电行业安全和经济发展。但由于网络的接入,为核电安全生产带来了一定的安全风险,恶意攻击者会通过向核电5G网络发起攻击进而破坏核电生产。为了解决核电5G网络场景下面临的网络异常和恶意攻击的问题,提出了一种在核电5G网络场景下基于随机森林算法和K-means算法的实时网络异常检测和网络攻击识别方法,对于提高核电网络安全具有重要的意义。