基于希尔伯特变换联合卷积神经网络的脑电信号识别方法

传统运动想象脑电信号识别方法需要人为提取大量特征,识别性能受研究人员经验影响较大,主观性强;提出一种基于希尔伯特变换(HT)联合卷积神经网络(CNN)的运动想象脑电信号自动识别方法,首先利用HT对原始EEG信号进行分析,实现一维数据向二维幅-相图像转换的同时增加信息提取维度;然后将其作为输入利用CNN层次化的对幅-相二维图像进行理解和解译,自动提取特征并完成分类识别,基于BCI竞赛中所用Graz数据集开展试验,结果表明相对于传统特征提取方法,文章所提算法在低、中、高信噪比条件下均能获得更好的识别性能,具有更强的噪声鲁棒性。

面向人工智能算法下图像识别技术分析

由于技术的发展,当前人工智能算法下的图像识别技术已应用于多个领域。作为信息技术的产物,人工智能算法下的图像识别技术是一项重要的可发展性研究项目,快速发展的同时体现出多方面的价值。研究图像识别技术在应用中出现的问题和未来发展方向,有利一截推动图像识别技术的发展,有利于将图像识别技术应用于更多的领域。

基于人工智能技术的学习质量评估系统研究

人工智能与数据分析技术的出现,主要是针对当前在学习质量评估过程中呈现出学习效率低下、工作人员短缺等情况,并且对该技术进行了深入的分析,设计出了自动化、智能化的学习质量分析预警系统。系统分为系统管理、结果管理、评价管理、评教指标管理几个模块,根据评价指标能够快速且智能地完成对问卷的设计工作。

利用"人工智能",构建"平安校园"

基于校园安全的智能化发展对学生的身心健康、生命安全等相关工作的开展会产生直接的影响,从人工智能技术应用的角度,对平安校园的管理方案、技术应用等方面展开研究,并对"平安校园"构建的技术需求、功能需求、管理需求等方面进行分析,以此为基础,建立人工智能化系统,实现校园安全平台开发与应用,旨在通过技术管理、信息化监控,实现人工智能技术在平安校园构建中的应用效果提升.