基于TensorFlow.js和JSDoop的神经网络训练

TensorFlow.js和JSDoop对web浏览器的分布式神经网络训练有着重要的影响。JSdoop将一个问题划分为任务,使用不同的队列来分配计算,然后在web浏览器中处理任务。TensorFlow.js发挥网页交互性强的特点,并充分利用GPU并行化计算能力,将多个输入批量处理,使用单个前馈网络调用,将输入馈送到网络。结果表明,当JSDoop运行时,用户可跟往常一样继续使用网络浏览器。使用TensorFlow.js和JSDoop的循环神经网络(RNN)来预测分布式浏览器中的文本是可行的,并具有很高的准确度和可扩展性。

基于TensorFlow.js前端机器学习进行线性回归拟合及油井压力预测研究

近年来,随着人工智能技术的发展应用,机器学习的框架及研究工具逐渐成熟。其中,TensorFlow.js是由Google的AI团队发布的一款基于硬件加速的JavaScript库,用于训练和部署机器学习,用户在浏览器端就可以利用应用程序编程接口(Application Programming Interface,API)完成机器学习的基本任务。在油气田开发领域中,产生的生产及分析数据具有数据量小、相关性强的特点,在机器学习过程中,大部分业务通过浏览器就能进行简单的数据线性回归、分类、目标识别、可视化等处理操作,具有简单、快速、易学等特点。文章以线性回归模型为例,对探井试油过程中的油管压力数据采用前端机器学习方法进行线性回归拟合,并实现压力预测。

基于TensorFlow.js的英文语音识别研究与实现

TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统,而本文将介绍其衍生的js版本即TensorFlow.js框架,并且基于这个框架和浏览器环境加载一个预训练模型来实现语音识别简单孤立的英文单词的功能。通过对预训练模型的使用与优化研究,为进一步使用TensorFlow.js实现更加复杂的商业化功能做了前期探索。

基于Tensorflow.js的DIY图像风格迁移系统开发

针对目前各类美图软件美化效果单一、风格雷同的问题,文章开发一套基于快速风格迁移的DIY图像风格迁移系统。系统通过COCOS游戏引擎和JS等工具完成网页的UI设计与数据的获取处理,利用深度学习技术,使用Google公司的Tensorflow.js开源框架搭建风格迁移网络,并完成模型迁移及对JS获取到的风格图像、内容图像数据的转换,实现将用户选定图片的风格迁移到指定的图片上。同时,系统支持用户指定再训练轮次并对模型重新离线训练,调整风格迁移效果。

基于YOLOv5s和Android部署的电气设备识别

针对变电站多种电气设备实时检测的需求,提出了一种基于改进YOLOv5s的电气设备识别方法,并设计基于Android部署的电气设备识别APP,以便对电气设备进行识别与学习。以电力变压器、绝缘子串等6种常见变电站电气设备为例构建图像数据集。数据集进行图像预处理后对YOLOv5s算法进行改进。通过引入C2f模块提高小目标检测精度,采用Soft-NMS提高检测框筛选能力,减少漏检和误检的情况,使用改进后的算法对数据集进行模型训练。将训练好的识别网络模型通过TensorFlow Lite框架进行模型部署,设计电气设备识别APP。经验证,改进后的变电站电气设备识别网络模型mAP稳定在91.6%,与原模型相比提高了3.3百分点。部署后的APP具有设备识别和设备介绍等界面,使用移动端进行识别时每张图片识别时间都小于1 s,具有较快的识别速度和较高的识别精度,可以高效地实现变电站电气设备的实时检测与设备学习。

高耐水聚合物水泥防水涂料及其应用性能研究

从JS防水涂料的耐水机理出发,针对性地设计了由聚合物中活性官能团(羧基)与交联剂形成的后交联结构,减弱了水分子对聚合物分子间的增塑作用及对聚合物分子与无机填料界面力的破坏作用,研制了一种具有优异耐水性能的JS防水涂料。该涂料在长期浸水后,仍保持较好的物理力学性能,吸水率<9%、拉伸强度>1.6 MPa,且浸水1年后表观无变化。

基于Vue.js框架的“食在南”WebAPP前端设计与实现

本文论述基于Vue.js框架下的“食在南”WebAPP的前端设计与实现,主要介绍相关技术理论、开发工具、项目模块设计和技术方案,并采用前后端分离的模式进行前端开发实现。针对PC端WebAPP页面会拉伸平铺整个浏览器导致用户访问体验差的问题,文章通过新建IFRAME并把WebAPP页面显示到IFRAME当中进行优化。实验测试表明,这种方式能媲美移动端显示渲染,运行流畅,提升了用户使用体验。通过项目实施,以期培养学生良好的实践经验和综合素质,为商家搭建企业WebAPP提供案例支持。

基于卷积神经网络的大数据敏感信息监控系统的设计

大数据背景下敏感信息管理面临着新的挑战,有效监控敏感信息难度越来越大。针对传统监测研判手段和方法存在分类精度低、耗时长、存在误判、难于溯源定位、取证难等特点,本文研究卷积神经网络模型及朴素贝叶斯算法在大数据背景下对敏感信息的分类、识别和监控上的应用,采用TensorFlow与Keras深度学习的框架,利用朴素贝叶斯算法进行敏感信息分类,进而构建一个快速准确的将敏感信息进行识别监控数字化显示系统,该系统具备分类精度高,耗时短,误判少,能溯源的优势。

高原环境导致的中青年驾驶行为及驾驶绩效特征

为了量化分析高原环境导致的驾驶行为特征差异,寻找驾驶绩效下降时间窗,运用驾驶模拟器和低氧发生器在平原地区模拟海拔3 900 m高原驾驶环境,开展驾驶模拟试验分别收集驾驶人在平原环境和模拟高原环境的驾驶行为数据和心电图(electrocardiogram,ECG)信号数据。通过对比高原实车试验环境驾驶人的心率指标变化,运用雷达图、数值排序图和单因素方差分析方法对平原、高原环境下的驾驶行为特征进行对比分析,引入Jensen-Shannon散度(JS散度)量化2种环境下横向偏移距离、横向加速度、转向盘旋转率和速度这4个指标的概率密度拟合分布之间的差异,使用差分法确定高原环境下的驾驶绩效下降时间,验证了模拟高海拔环境驾驶模拟试验的有效性研究。结果表明:高原环境下横向偏移距离标准差、横向加速度标准差、转向盘旋转率标准差、速度标准差比平原环境下分别增加了0.094 3 m,0.119 0 m/s^(2),0.000 9°/s,0.651 3 km/h,车辆整体稳定性降低;借助JS散度发现横向偏移距离、横向加速度、转向盘旋转率和速度这4个指标在2种环境下的数值分布存在较大距离,分别为0.23,0.11,0.01,0.02,其中车辆的横向运动受负面影响更大;在进入海拔3 900 m的高原地区时,驾驶绩效约在6 min后显著下降。

基于d3.js的miRNA调控网络图绘制模块的设计

对d3.js类库绘图功能进行研究,设计并实现了miRNA调控网络图绘制模块。模块能够将存储在数据库中的miRNA及其调控的靶基因等相关数据读取出来并形成JSON文件,结合d3.js可视化库,绘制有向的网络图及权重网络图。通过网络图能够在有限空间内更加清晰地展示miRNA及其靶基因之间的关系。

大数据环境下的分布式机器学习框架比较研究

在大数据环境下,处理庞大的数据集与实现复杂的机器学习算法愈发关键。为解决这一挑战,分布式机器学习框架应运而生。通过分布式计算资源的协同工作,可以提高机器学习模型的训练效率和性能。

基于SpringBoot和Vue.js的大学生团队管理系统的设计

为了更好地对学生团队成员和团队事务进行管理,为团队成员提供良好的交互平台,设计了基于SpringBoot和Vue.js的团队管理系统,实现了首页管理、公告管理、团队荣誉管理、日程安排管理等多个功能。通过该系统,学生团队成员可以了解团队事务及动态,进行沟通与交流。该系统具有高度的灵活性、稳定性、安全性和可扩充性。

基于PBL模式的Vue.js课程教学改革实践探究

高等教育中正在推行工程教育认证,要求培养学生运用知识解决实际工程问题的能力。Vue.js作为当前Web前端开发主流的框架,已经成为软件工程专业的专业课,是适应新工科背景下的教育改革的关键课程。针对Vue.js教学授课中存在的问题,构建并实施了基于项目导向学习(PBL)模式的教学方案,重新设计了教学内容、过程和考核方式,实现由知识传授向能力培养的转变。问卷调查和教学评价表明,改革后的教学模式更加契合工程教育认证的需求,提高了教学效果和学生的学习兴趣。

基于React的电商网站构建与实现

为了满足电商网站所需的各项功能和要求,基于React框架和Node.js进行了电商网站的前后端分离式开发,并设计了关键模块,如用户认证、商品展示、购物车管理及订单处理等。采用了React的组件化开发理念,有效提升了代码的可维护性和可重用性。通过系统测试和性能调优,网站性能和稳定性得到显著提升,包括页面加载时间缩短、数据库查询速度优化以及系统响应性能改善。

“膳食智多星”微信小程序设计

针对传统的健康饮食管理程序存在的用户体验差、缺乏个性化推荐等问题,创新融合AI与微信小程序,设计开发了一款"膳食智多星"微信小程序。该小程序集多种功能于一体,可实现自动卡路里计算、食物营养成分分析、个性化食谱推荐、智能问答等功能,能够为用户提供智能、便捷的饮食指导。该小程序主要使用WXML+WXSS+ColorUI实现前端视图层,使用node.js实现后端逻辑层功能及数据交换。

基于Vue.js与Spring Boot的教务管理系统设计

随着Web应用开发技术的不断发展,采用传统Web技术开发的教务管理系统越来越难满足实际需求,在此背景下,提出了一种同时基于Vue.js与Spring Boot的教务管理系统设计与实现方案。该系统采用Vue.js框架作为前端开发框架,实现了前台页面的交互和后台数据展示。同时,使用Spring Boot作为后端框架,提供了稳定的数据请求和数据存储功能。阐述了系统的架构设计、技术实现和功能需求设计等方面内容。该设计方案,使系统具有速度快、效率高、稳定性强等优点,带来良好的用户体验,同时能够满足教务管理的需要。采用该架构设计的系统同时也具有很好的可扩展性和可移植性,方便学校进行二次开发和部署。

基于MultiRes-Unet神经网络的三维断层识别研究

三维地震数据中的断层规模从米级到千米级不等,断距从米级到数十米级不等。断层通常表现为同相轴错断、突然增减、消失或扭曲等显著地震响应特征。断层在三维地震数据体中占的体积比例很小,使得利用常规断层识别方法得到的断层识别结果存在不连续、识别率低等问题。针对断层的多分辨率特征,充分考虑了断层点或线在整个地震数据的占比小等特点,提出了一种三维神经网络MultiRes-Unet3D断层识别方法,该方法在网络学习过程中使用加权交叉熵损失函数解决了普通交叉熵损失函数不同项之间的平衡问题,使得神经网络具有了较为可靠的断层识别能力。首先,利用正演模拟方法生成三维合成地震数据集和断层标签,然后基于Tensorflow搭建、训练与测试MultiRes-Unet3D神经网络,再将训练好的网络模型迁移到实际三维地震数据的断层识别中。该神经网络断层识别方法在实际地震数据中的应用表明,断层识别结果空间连续性好,识别结果客观,断层边界更为准确,网络模型泛化性能良好,适用于具有不同断层构造特征的实际地震数据,节约了断层解释的时间成本与人工成本。

建设项目实行“多测合一”改革的必要性探讨

工程测绘贯穿于工程建设项目的各个阶段,对于建筑行业的发展具有重要意义。针对工程测绘存在的多次委托、重复测量等问题,对“多测合一”的必要性进行研究,在分析各地“多测合一”政策的基础上,深入探讨工程测绘工作特点,提出“多测合一”改革目标,并通过搭建“多测合一”信息管理平台的方法优化工程建设项目的工作流程,该文阐述了该平台实现的关键技术,即通过Three.js三维可视化技术实现在线浏览测绘数据和模型,并且在数据可视化、测绘标准统一、工程进度跟踪方面起到了一定作用。

基于遗传算法和深度神经网络的近红外高光谱检测猪肉新鲜度

为系统评估基于深度学习的智能辅助高光谱成像系统在猪肉新鲜度指标检测中的效果,采集了猪肉在4℃冷藏12 d中挥发性盐基氮(volatile basic nitrogen,TVB-N)、菌落总数(total viable count,TVC)以及900~2500 nm近红外光谱数据。基于Python的TensorFlow和Keras平台,对高光谱数据进行处理,建立了深度神经网络的定量检测模型。并利用遗传算法(GA)选择与猪肉新鲜度相关的特征光谱波段。结果表明,遗传算法选取波段对光谱模型的性能有明显提升。当光谱波段数达到35和50时,GA+ANN模型预测精度高于全波段的线性回归模型。TVC为预测指标的预测性能优于TVB-N,TVC测试集最佳R_(p)^(2)为0.877,RMSEP为0.575;预测TVB-N的最佳R_(p)^(2)为0.826,RMSEP为1.01。此外,通过研究还发现,遗传算法优选的近红外光谱波段与肉品的O-H,N-H,C=O等分子振动吸收带有较高的吻合度。本研究为处理近红外和高光谱数据提供了新的方法,也为猪肉及其他肉品新鲜度快速无损检测提供了技术参考。

基于Web3D的车间可视化系统设计与实现

针对当前三维可视化系统中存在的渲染速度慢、渲染效率低等问题,引入视锥体剔除渲染算法,基于Web3D技术设计了可视化车间系统。该系统采用B/S框架,利用Three.js技术实现场景的3D加载,实现了在浏览器上进行虚拟化仿真模拟。使用八叉树和轴对称包围盒的视锥体剔除渲染算法,提高了三维场景的渲染速度。并通过综合车间的实际验证,实现了车间设备的工作状态实时监控,生产数据展示更加立体、直观,有效提升了车间可视化系统运行效率和交互性能,满足了现代化车间的管理需求。