人工神经网络在实现猪精准饲养模式中的应用研究进展

目前,对集约化猪养殖中产生的大量生产数据的高效分析与合理运用是推动我国生猪产业精准化和智能化发展的关键步骤。人工神经网络(artificial neural network,ANN)的自学习、联想存储、高速寻找优化解等特征在进行大数据信息处理时具有显著优势,在猪生产领域具有极高的应用潜力。笔者以具有单隐藏层的三层误差反向传播前馈人工神经网络(back propagation-aritificial neural network BP-ANN)为代表,对ANN的结构特点及其在猪行为与健康监测、胴体性状与肉品质估测和猪生长速率调控与日粮原料营养价值预测等方面的应用成果进行综述,从生产管理和营养调控两方面展望ANN在未来猪精准饲养模式中的应用前景,为实现科学化、智能化和数字化管理模式下的猪精准养殖业提供理论参考。

数字

信通院:全球AI专利申请量累计达129万,中国占比64%位列第一近日,中国信通院正式发布了《全球数字经济白皮书(2023年)》。白皮书指出,人工智能产业迎来快速发展,创新和应用力度加大,数字技术产业稳步发展释放巨大发展潜力。白皮书还提到,大模型掀起时代浪潮,相关产品及应用研发加速。在专利申请授权方面,2013-2023年Q3,全球AI专利申请量累计达129万,全球AI专利授权量累计超51万,中国AI专利申请量占全球64%,位列全球第一。

基于PSO小波神经网络辅助卡尔曼滤波的BDS/INS定位

在北斗定位系统/惯性导航系统(BDS/INS)中,由于非线性噪声、精确构建运载体模型困难等原因,经卡尔曼滤波,列车的速度曲线会有部分信息损失,导致定位信息不准确。因此,提出了基于小波神经网络辅助的卡尔曼滤波法。神经网络的输入是卡尔曼滤波前的信号,其输出是滤波后的信号。考虑影响小波神经网络精度的因子,对权值、阈值和学习率进行了优化。在此基础上,通过加入对数函数对学习率进行改进,利用遗传算法(GA)和粒子群优化(PSO)算法组合优化权值和阈值。实例仿真表明,经过优化的小波神经网络提高了收敛速度、定位精度,同时在保持原速度波形的整体趋势前提下,降低了因滤波导致的信号误差。

应用混合遗传算法的多集货中心多车型整车路径规划研究

以集团分公司多专业集货中心模式下为研究背景,考虑了具有多个集货中心、多种轿运车型的批量整车订单运输路径规划问题。建立了以最小运输车数量,最低运输成本为优化目标,以轿运车载重、车长限制为约束的数学模型。然后以遗传算法为基础,结合遗传算法全局搜索能力强和粒子群算法收敛速度快的特点,设计了一种改进的混合遗传算法(GA-PSO)。最后使用案例研究来评估此算法的有效性并将实验结果与传统遗传算法进行对比,结果表明此混合算法有着更优的整体性能,可以模拟和解决较复杂的批量多车场多车型整车路径规划问题。

天然气市场知识图谱本体构建

知识图谱作为一种新型的知识应用工具,给结构化、半结构化以及非结构化数据的处理、分析和应用提供了新的解决方法,而本体构建是构建知识图谱的基础。从自动化程度、可扩展性、复杂程度等多个角度对骨架法和七步法等传统的本体构建方法和本体构建工具进行了对比分析,从应用的角度介绍了部分领域本体构建现状,并分析了本体构建流程和构建技巧。最后分析并确定了天然气市场供应端、需求端和外部环境的本体构架。按照构建天然气市场主题词表、主题词向本体映射、关系映射、七步法构建外部环境本体的步骤一步步对天然气市场本体进行完善,最终实现天然气市场本体构建。

基于CycleGAN和时频分析的艺术图像风格转换

为了满足普通人群对艺术创作的需求,降低艺术创作的门槛极为重要,进行摄影作品的图像风格转换便是方法之一。通过对特定风格的图像做傅里叶变换,得到频谱图,随后对频谱图进行预处理。通过CycleGAN对频谱图进行图像风格迁移,再通过傅里叶逆变换将风格迁移后的频谱图转换为图片。实验结果表明,该方法能够更快地收敛且具有更好的风格迁移能力。

基于特征重要度的广告点击率预估模型

针对现有的点击率预估模型忽略了不同特征的重要程度的问题,提出了一种基于特征重要度的广告点击率预估模型,首先模型在DeepFM模型的基础上使用Squeeze-and-Excitation网络动态学习特征的重要性,其次将FM和DNN输出结果进行拼接,通过后续的多层感知机层进一步学习特征的高阶特征交互信息。通过对比了两个公开数据集,实验结果显示,基于特征重要度的广告点击率预估模型相比其他模型得到更好的表现。

遗传算法优化BP神经网络非线性函数拟合的研究

在人工神经网络中,BP(Back Propagation)神经网络占有重要席位,它具有很多优点,但也有很多缺陷。而遗传算法(GA)是使用运算对个体进行"优胜劣汰"的一种算法,用GA优化BP网络,取长补短。论文建立了BP网络模型,研究了对BP网络的优化,根据GA的特点,在MATLAB环境下,选取合适的网络结构对BP网络非线性函数进行仿真模拟和预测。从训练的结果可以看出,BP网络经GA优化后显然比未优化前的拟合效果更好。同时论文实现了粒子群(PSO)算法优化BP网络,并与GA作对比,从实验结果分析比较得知,BP网络经两种算法优化后拟合效果都明显变好,且GA比PSO算法优化的结果更准确。

有导师学习的神经网络在鸢尾花种类识别中的应用

神经网络常备用于解决拟合回归问题以及植物种类的分类识别。常用的植物种类分类识别方法是分类检索表,但费时费力,这种分类检索表法由于直观而被人们加以使用。根据GRNN(广义回归神经网络)和PNN(概率神经网络)理论,在MATLAB中对鸢尾花的相关属性建模,根据收集到的鸢尾花种类数据进行了分析与仿真,大大回避了分类检索表法的缺点。仿真结果表明,GRNN神经网络在鸢尾花种类识别中比PNN精准度高,对于植物种类的分类识别应用前景更加广泛。

思维进化算法优化BP神经网络在非线性函数拟合中的应用

使用传统的BP神经网络直接对非线性函数的变化进行预测和拟合,存在着函数收敛序列向其极限逼近的速度慢,预测拟合精度低等不足。针对BP神经网络的优点和不足,论文通过描述对一种理论上优势极强的非线性思维方式和进化过程的算法,适当的调整其初始权重和临界值,使其自身更加容易得到一定的优化。通过它的拓扑结构构造出思维进化算法和模型,值用思维进化算法中的最优解替代它的初始权重和临界,选取多个非线性函数,用MATLAB做拟合仿真实验,对比优化前后测得值与真实值之差,经过对实验结果的不断分析总结,能够得出优化后的BP神经网络速度收敛更快的结果。

学习矢量量化神经网络在人脸朝向识别中的应用

人脸朝向识别的研究具有重要意义,建立了基于人工神经网络(ANN)的人脸朝向识别模型,根据学习矢量量化(LVQ)神经网络的原理,利用MATLAB神经网络工具箱,完成网络的建立、网络训练和网络测试,并通过仿真实验来实现人脸定位识别。实验结果表明,LVQ神经网络模型判断并识别任何特定人脸图像的方法是有效的。

学习矢量量化神经网络在财务失败预测中的应用

近些年来,神经网络方法被引入财务失败预测中。LVQ计算方法被应用到中国上市公司的财务危机预测模型中,通过对网络的反复训练和学习,得到了较满意的预测结果。对传统的BP神经网络方法与LVQ神经网络方法进行了分析比较。研究结果表明,LVQ比BP算法具有更高的预测精度。

自组织特征映射神经网络在土壤分类中的应用

自组织特征映射网络(SOM网络)是一种具有聚类功能的网络,为了进一步对土壤进行分类,特意将自组织特征映射神经网络应用于其中。围绕着自组织特征映射神经网络在土壤分类中的应用展开,将土壤的7个理化指标表示其性状并作为输入向量,对输入向量进行仿真并训练。根据自组织特征映射神经网络的基本原理和算法,对中国某地区的10个土壤样本进行分类,并结合相关文献的研究成果进行对比,以MATLAB作为测试环境,运用神经网络训练和仿真土壤样本数据,结果表明SOM网络可以为土壤分类提供一种新的思路和方法,对土壤分类的效果较好。