基于校验孪生神经网络的有线通信网络故障点定位方法研究

由于有线通信网络中设备或者链路的承受能力有限,一旦发生故障将带来严重的负面影响,研究基于校验孪生神经网络的有线通信网络故障点定位方法。采集有线通信网络中的正常流量和故障流量数据,对采集到的流量数据进行清洗、变换等预处理操作,构建一个自校验的孪生神经网络模型,输入流量数据后故障点定位结果。实验结果表明,设计方法下有线通信网络故障点定位结果的准确度为98.65%,证实该方法的定位精度。

一种基于神经网络算法的智能安检系统设计

智慧安检设备是智慧车站建设的基础,针对车站安检处存在的大客流运营组织难度大、智慧安检设备自动化水平低以及乘客乘车体验差等问题,提出了一种全新的基于神经网络算法的智能安检系统设计。禁带品识别机采用深度学习与神经网络技术,实现对禁带物品的智能识别与自动实时报警,减少对安检员人工识别的依赖程度,提高安检设备危险物品自动识别能力。

基于神经网络的移动通信网络异常信号识别优化

常规的移动通信网络异常信号识别是在理想环境下进行的,实际的异常信号识别往往受到其他干扰的影响,出现识别误差的问题。因此,设计了基于神经网络的移动通信网络异常信号识别优化方法。提取移动通信网络异常信号特征,将短时能量信号与过零信号的时域提取出来,过滤时域上的噪声信号,保留异常信号存在的部分。基于神经网络构建通信网络异常信号识别模型,将异常信号特征神经元作为输入,加权求和输入神经元特征,以激活阈值判断当前信号是否异常,从而优化异常信号识别精准度。优化网络异常信号识别的回归损失,降低模型训练损失,从而符合模型输出预期。采用对比实验,验证了该方法的识别准确性更高,优化效果更佳,能够应用于实际生活中。

基于深度注意力残差网络的电表破损检测研究

当前,人工检测是拆回电能表的外观破损检测主流方法,其严重制约了拆回电能表的识别效率,为此提出一种基于注意力机制和残差思想的深度卷积神经网络模型RAN,依据注意力机制,在RAN中构建通道和空间注意力模块,以增强网络的特征提取能力,并借助残差思想避免注意力模块造成的特征值衰减。以火烧表、水浸表、端子异常表、显示屏破损表、外观破裂表、正常表为研究对象。RAN平均给识别率为94.58%,比ResNet101、VGG16、MobileNet和ShuffleNet提升了0.32%~14.60%。

基于卷积神经网络的无线通信网络通信抗毁节点优化方法

由于无线通信网络中的节点经常受到恶意攻击,抗毁节点优化方法缺乏灵活性,导致增加网络攻击性时无线通信网络的抗毁性值低的问题。针对上述问题,提出基于卷积神经网络的无线通信网络通信抗毁节点优化方法。通过控制网络抗毁节点的数量确保网络的稳健性,利用先进的特征提取技术,从无线通信网络中提取出关键的网络特征。引入卷积神经网络对抗毁节点进行分类,通过训练网络来识别不同节点在通信过程中的稳定性和重要性。最后,根据分类结果部署中继节点实现抗毁节点的优化,通过合理的中继节点部署策略,提高网络的连通性和容错能力,确保在节点失效或遭受攻击时,网络仍能保持稳定的通信能力。实验结果表明,该方法具有灵活性,在网络攻击比例较高的情况下,无线通信网络的抗毁性值仍然保持在一定较高的水平上,保持网络的稳健运行。

基于改进U-Net卷积神经网络的数字图像智能分类方法

环境噪声和干扰可能会对数字图像智能分类方法的性能产生负面影响,导致分类速度慢。为此,研究基于改进U-Net卷积神经网络的数字图像智能分类方法。通过去噪、增强和标准化处理,提高数字图像的质量;利用改进U-Net卷积神经网络提高预处理后的图像的维度,使网络能够学习到更丰富的图像信息;采用分割算法将图像划分为多个区域,通过关键点精确定位技术,准确识别出图像中的关键特征点;对比待分类图像与已知类别的图像相似度,实现智能分类。实验结果表明:与传统的分类方法相比,新方法在分类速度更快,实际应用价值更高。

基于DSP模式的计算机图像处理算法研究

基于DSP架构模式,提出了一种CNN卷积神经网络算法,并将其运用到计算机图像处理中。研究过程中,采用DSP技术进行计算机图像获取、算法处理、算例分析和结果优化,大大提高了计算机图像算法处理质量和效率。经过算法测试验证,结果表明,基于DSP数字信号处理器搭建多DSP并行处理架构模式,采用CNN卷积神经网络算法进行计算机图像处理,能够提高图像处理精度。该算法运行时的性能较高,功能低,CPU占用率不高,且DSP计算机处理系统在多DSP并行处理架构模式下进行算法分析,系统的稳健性和可靠性高,能够适应不同规模级别下的计算机图像处理数据集的处理速度、精度、资源消耗和功率要求,可为计算机图像算法处理提供准确、高效、经济的解决方案,对于计算机图像处理算法设计和优化以及应用具有较好的实用参考价值。

BP神经网络的改进及其用于手写数字识别的研究

模式识别是神经网络最有前景的应用领域之一,本文主要讨论如何提高多层神经网络 BP(Back-propagation)算法的学习速度以及该算法用于手写数字识别的研究.文中提出了局部连接的网络结构,并对基于特征输入和基于点阵输入两种神经网络分类器的特点进行了比较,针对神经网络的识别机制、识别能力和自适应学习,进行了深入讨论.本文还给出容错能力的概念,用以描述神经网络对非学习样本的分类机制.所有研究工作是在作者研制的 SSNN 神经网络仿真软件上进行的.

基于BP神经网络的属性匹配方法研究

为了实现异构数据库的数据共享,关键的问题就是要找出数据库间的相同属性。目前主要采用的方法是通过比较所有的属性来实现属性的相似性匹配,但是当同一属性用不同数据类型表示时,由于描述属性的元数据信息和取值信息的极大差异性,这些方法就不能找出相同的属性。并且将不同数据类型描述的属性放在一起匹配,还会造成属性数据之间的干扰,影响匹配结果的准确性。为此,本文提出一种基于 BP 神经网络的二步检查法属性匹配算法。该算法中属性首先根据数据类型进行分类,然后用分类后的属性集分别多次训练神经网络,并对每次的匹配结果求交集作为最终的属性匹配结果,进行两阶段检查,即二步检查法。该算法能有效地消除不一致信息的干扰,降低神经网络的规模,并且可以实现不同数据类型的属性集之间属性匹配过程的并行计算。实验结果显示本文提出的方法能明显地提高系统的运行效率、属性匹配的查准率和查全率。

神经网络用于多模式分类

本文叙述一种改进型HAMMING网在印刷汉字文本识别实用系统中作为粗分类的应用.给出了以3755印刷汉字为多模式分类对象的神经网络分类器的结构及其相应的算法.该方法在微型机上用软件仿真得以实现.取得令人满意的结果.

一种改进的BP算法在导弹成本预测中的应用

文中提出了一种更有效的前向BP神经网络,考虑了导弹成本中的一些非确定性的影响因素,建立了导弹成本的估算模型。经过算例结果表明,该方法所得的导弹成本预测精度取得了较满意的结果,具有实际应用价值。

用神经网络预估桩端阻力的临界深度

鉴于桩端阻力临界深度的特点及其在桩基设计中的重要性 ,本文提出了一种基于人工神经网络的端阻临界深度的预估方法。计算结果表明该方法不仅有效 ,而且能定量预估 ,计算精度较高 ,具有较好的应用前景。

利用神经网络模型提高变换编码性能

本文提出一种能进行数据变换、量化和编码的神经网络模型,引入离散阶梯状量化函数作为隐层神经元作用函数,在完成变换同时有效地把量化与神经网络相结合,在压缩比不变的情况下提高了恢复数据的信噪比.

高温超导体制备条件的人工神经网络识别

高温超导体的制备条件要求严格,其掺杂量大小、烧结温度控制等都直接影响实验样本的超导性质。近几年高温超导研究已积累大量实验数据,如何应用人工智能方法处理这些数据寻找更好的合成条件颇有意义。人工神经网络方法在许多领域己显示其处理复杂数据和模式识别的优越性,但尚未应用到化合物制备研究方面。本文对此作了初步尝试。

基于深度多尺度扩张CNN的多波段光谱锐化

为解决全色锐化过程中频谱和空间信息保存问题,提出一种基于深度多尺度扩张卷积神经网络的多波段光谱锐化方法。提出一种分组多尺度扩展网络结构,扩大每个网络层的接受域;为保留光谱信息,直接将上采样的LR多光谱图像添加到平方目标项中,使网络能够聚焦于高频部分;为保存空间信息,提升泛化能力,去除池化层和批处理标准化层,使用带扩张卷积的多尺度方法。在两个任务上的实验结果表明,提出方法在定量和定性上都能达到较好的性能,验证了其有效性。

舒血宁注射液临床不良反应特征及预警信号探测研究

舒血宁注射液为临床常用中药注射剂，为了解使用该药品后患者不良反应（adversedrugreaction，ADR）发生特征，该研究对来源于国家药品不良反应监测中心2005年1月1日—2012年12月31日使用舒血宁注射液后发生ADR的9601例报告进行分析，其中严重ADR病例326例，占3．40％，从2005年起ADR报告数量逐年上升，至2009年第3季度达高峰，且ADR病例报告以每年第3季度数量为最多，发生ADR的患者年龄60—74岁为最多，共3348例，占34．87％，静脉滴注者共9391例，占97．81％，8431例患者单次用药剂量符合药品说明书，61．61％的患者ADR发生于用药当天。ADR表现前10位者分别为皮疹、瘙痒、头晕、心悸、寒战、过敏样反应、憋气、恶心、静脉炎和呕吐，损害涉及的系统主要为皮肤及其附件损害、神经系统损害、全身性损害等，采用报告率比例法（PRR）及贝叶斯置信传播神经网络法（BCPNN）对以上10种ADR信号进行分析，并应用generalizedboostedmodels（GBM）倾向评分加权法对混杂因素进行控制后，PRR探测到的ADR信号为头晕、心悸、静脉炎和呕吐，BCPNN方法探测到的信号为头晕和静脉炎，同时发现患者在60～89岁时，使用舒血宁注射液剂量越大越易发生静脉炎。该研究为舒血宁注射液ADR研究提供依据，为做好风险管理提供指导。

基于改进Faster R-CNN模型的交通标志检测

在汽车主动安全性能的研究背景下,对目标检测算法Faster R-CNN(Faster Region-Convolutional Neural Networks)进行改进,并将其应用于交通标志的检测。为此,提出一种多尺度卷积核的ResNeXt模型来设计检测算法的基础网络,并在此基础上采用多维特征融合的策略来满足交通标志小目标检测的需求。针对Faster R-CNN中的区域建议网络(RPN),通过拟合交通标志特征来设计锚框以获取更好的推荐区域,从而进一步降低误检率与漏检率。在TT100K数据集中的实验结果表明,改进后的算法在小目标、多目标和复杂背景等的条件下,交通标志的检测效果优异,平均精度达到了90.83%。