基于改进粒子群优化算法的神经网络设计

借鉴分层递阶结构原理和蚁群算法的思想,提出了一种基于信息素的粒子群算法并用来优化前向神经网络的结构和权值。通过在控制基因中释放信息素进行粒子控制基因的更新,实现了粒子间信息的共享。粒子群的惯性权重采用指数曲线衰减的形式,给每代最差粒子的速度随机加入干扰,克服了标准粒子群算法在寻优时出现的粒子早熟现象。仿真结果表明该算法能快速确定神经网络的结构和权值,表现出良好的收敛性能。

MATLAB在神经网络设计中的应用

重点阐述如何用MATLAB软件来解决实际工程中的神经网络的设计问题 ,对网络种类选择、结构参数的确定、网络输入输出数据的归一化处理等问题都进行了必要的阐述 ,文中给出了程序流程与实例 ,证明将MATLAB用于神经网络的设计是有效可行的 .

基于GA的神经网络设计及其应用

传统的神经网络 ,如BP网络设计 ,不仅工作效率降低 ,网络性能低下 ,而且会因非线性多极值目标函数而陷于局部最优解。本文采用全局寻优的遗传算法 (GA)来辅助网络设计 ,实现网络结构、连接权及学习规则的自适应演化。通过利用测井资料与孔隙度参数的学习建模 ,表明该方法可以克服传统方法的不足 ,具有一定的推广应用价值。

基于卷积神经网络的收获期木薯茎秆识别与定位

为解决挖拔式木薯智能收获机械在作业过程需要快速准确地确定茎秆位置的问题,基于YOLO(You only look once)卷积神经网络提出一种检测速率更快且满足准确率的网络设计(CS-YOLO)。首先,采集并扩增木薯茎秆图像数据集,对样本集进行标注与划分;然后,改进YOLOv1网络结构,利用全局平均池化替代全连接层,并适当调整网络深度和宽度,设计了一种新的网络;最后,对网络进行检测性能试验和对比分析。结果表明:新网络模型尺寸较原网络大小减少约一半,平均每张图像的检测耗时约0.015s,检测速度显著提升;当测试阶段IOU(Intersection Over Union)阈值为0.1时,模型准确率达到了99%,提出的检测方法可满足木薯收获机精准作业要求。研究可为实时、准确地检测田间木薯茎秆位置提供了一种新的思路和方法,也为仿生挖拔式木薯收获机提供了技术支撑。

基于正交试验的神经网络设计

神经网络具有固有的优点和广泛的应用,但因其结构设计至今没有确定可寻的方法,使其发展受到很大的影响.为此,提出了基于正交试验的神经网络设计方法.经实证分析,该方法可从任意网络开始,利用正交试验原理改进网络结构,提高网络性能,直至最终设计出较优(或最优)的神经网络;具有原理简单,计算简便,易于应用等特点.

智能神经网络程序设计语言的研究与实现

将神经网络与逻辑推理统一到面向对象理论中,建立了同时具备神经网络和专家系统特性、融合连接机制和符号机制的智能神经元模型。提出了一种新的程序设计语言——智能神经网络程序语言(NIPL),实现了神经计算、逻辑推理和数值计算的统一。定义了NIPL的语法,设计并实现了智能神经网络程序设计语言NIPL编译器,从而为开发智能神经网络应用系统提供了有效的手段。

进化神经网络在信用卡欺诈检测中的应用

自动信用卡欺诈检测是一个重要且有潜力的领域.基于人工神经网络的欺诈检测系统虽能令人满意.但具有良好结构的神经网络是很难构造的.由此提出一种进化方法来自适应地生成用于欺诈检测的神经网络结构.实验结果表明,该进化神经网络可以有效地完成信用卡欺诈检测.

面向小样本数据的水下目标识别神经网络深层化研究

在面对新时期海洋工程应用领域的挑战时,可以通过利用基于深度学习的神经网络在水声工程中的实现,来达成自动化、高效性、准确性的目标。然而在面对水下目标样本匮乏、水下声环境复杂、样本信噪比差等客观问题时,深度学习也会因其自身的局限性而变得不那么灵敏。针对小样本问题,通过构建多种目标特征提取法和深层深度神经网络模型,得到了不同目标特征提取与网络模型匹配后的目标识别率与网络预测值,并通过比对实验结果,提出了通过深层神经网络深层化设计解决小样本目标识别的新思路。

进化神经网络法在科研项目评价中的应用

介绍了国内外科研项目评价的现状。分析了传统评价方法和现代评价方法的特点,在此基础上,提出了基于进化神经网络的科研项目评价方法。论述了该方法的评价原理并给出了具体评价步骤,针对评价指标与评价目标,详细设计了算法实现过程中的控制参数。

构建多层循环神经网络结构对金融指标数据的验证分析

我们构建了一种多层循环神经网络来对金融股票指标数据进行测试,分析多种指标算法组合用来预测股票走势的可靠性。在实际的股票分析当中,通常会选择不同的技术指标或者指标组合对趋势进行判断,但在验证这些金融技术指标组合可靠性上需要时间和实践去验证,利用循环神经网络去分析过滤指标数据生成预测数据,通过对预测数据和真实数据对比,我们可以验证出哪个股票技术指标组合对股票投资决策是可靠的。

基于神经网络遗传算法的湿度测量系统研究

在研究湿度测量和控制原理的基础上,设计了一种基于神经网络遗传算法的湿度测量系统。系统采用DHT11湿度传感器,利用改良的神经网络遗传算法对湿度测量进行优化。结果表明,经神经网络遗传算法优化的湿度测量仪可以将精度控制在1.6×10-2,大大地提高了湿度测量的精度,并且基于该算法的湿度测量具有很好的鲁棒性和自适应性。

基于SCG-YOLOv5n的收获期澳洲坚果检测算法

为实现自然环境下澳洲坚果的快速准确检测,针对收获期澳洲坚果果皮与枝叶颜色相似、体积小、病害果混杂难识别的问题,提出一种基于SCG-YOLOv5n的收获期澳洲坚果检测算法。该方法运用数据增强,提高模型鲁棒性;在YOLOv5n的骨干网络引入SimAM注意力机制,增强有效特征的提取能力;在FPN结构中引入CARAFE上采样,强化目标感知能力;使用GSConv轻量级卷积替换部分卷积层,减轻模型的参数量并实现高效特征融合,提高检测速度和检测精度。结果表明,改进后的SCG-YOLOv5n澳洲坚果检测算法对收获期的青皮澳洲坚果和病害澳洲坚果的检测平均精度AP分别为94.8%、97.9%,单张图像平均时间为5.33 ms,比YOLOv5n模型高出2.1%、1.3%,检测速度提升15.8%。该算法可以高效检测澳洲坚果,为后续自动化采摘提供技术参考。

人工神经网络与遗传算法耦合法优化辅酶Q_(10)发酵培养基

为了提高类球红细菌F3-40辅酶Q10的发酵效价,对发酵培养基进行优化。通过单因子优化实验确定培养基中4种重要成分的浓度范围:葡萄糖25～40g/L、味精5～9g/L、硫酸铵3～7g/L、玉米浆粉5～9g/L。在此基础上采用均匀设计实验对4种成分进行组合优化,分别采取二次多项式逐步回归分析法、人工神经网络与遗传算法耦合法对均匀设计实验结果进行优化分析。结果表明,人工神经网络与遗传算法耦合法取得较好的优化效果,显著提高辅酶Q10的发酵水平,最终辅酶Q10的发酵水平达到245mg/L,比二次多项式逐步回归分析优化法(221 mg/L)、单因子优化实验(211 mg/L)、优化前(150 mg/L)分别提高了10.86%,16.11%,63.33%。

多数据集深度学习模型的修图处理识别

图像处理软件的飞速发展,带动了移动应用领域一大批修图、美化应用的兴起。但是修图、美化软件的快速发展和普及也带来了一些社会问题和安全问题,如网恋对象严重失真,摄影作品造假等。针对手机中的修图处理APP软件,提出一种基于多数据集特征学习的神经网络模型,并给出其网络拓扑结构。区别于传统的多个神经网络并行操作,提出的网络模型具有共享模型参数的特征,能同时对多个特征数据集进行深度学习,使检测程序具备多特征识别能力。此外,还提出了一种针对多任务网络模型的损失函数,以增强深度特征学习的能力。实验结果表明,提出方法的准确率较传统方法有较大提升,同时泛化性能优越,能识别出经过多种美图、修图软件修复过的图像。

库区桥梁悬臂浇筑中跨合龙施工风险分析

为评估三峡库区频发微震与周期性水流力对库区桥梁悬臂浇筑施工的合龙影响,采用有限元-正交试验设计-神经网络-蒙特卡罗模拟的联合施工风险评估方法对其进行分析.以正交试验设计法生成水流速度、水流高度、微震加速度的概率分布样本,耦合有限元模型与BP神经网络进行训练,建立各控制参数与中跨合龙中轴线偏移值之间的非线性映射关系,然后利用蒙特卡罗模拟随机生成影响参数,代入训练好的BP神经网络预测中轴线偏移误差风险.结果显示,水流力-高频微震耦合作用使合龙段中轴线偏移的风险概率已达到5.06%,库区大桥悬臂浇筑施工线型偏离风险需要引起足够的关注与防范.

非硫化型CPE/RCIIR/BR高分子复合防水材料的研究与开发

介绍了非硫化型低温无胎基CPE(氯化聚乙烯)/RCIIR(氯化丁基再生胶)/BR(顺丁)防水卷材的研制工作以及配方设计、生产工艺的制定。配方设计中采用神经网络技术。

运用人工智能的9家计算药物发现初创公司

使用人工智能的计算药物发现大行其道,因为有大数据,云计算的成本变得很低廉,更不用说深度学习算法的兴起了。如今大批初创公司将人工智能和大数据运用于医疗领域,本文介绍其中9家涉足计算机药物发现领域的初创公司。