简介：摘要：图像自动标注问题要解决的就是图像和标注词之间的语义问题，为了让计算机能够解决图像与文本之间的“语义鸿沟”，让计算机通过一个模型算法计算得到我们需要的分类结果，而这个模型可以看成一个很复杂的函数，通过这个函数计算得到的结果便是我们需要的。卷积神经网络作为近些年来比较热门的深度学习算法，因其在图像识别领域有着强大的能力，故而选择了卷积神经网络作为主要模型。

简介：针对无刷同步发电机旋转整流器常见故障特点,提出一种基于小波包分解和BP神经网络的旋转整流器故障识别方法。运用小波包分析（WAP）提取故障特征信号,建立故障识别的神经网络模型,采取粒子群-人工蜂群（PSO-ABC）算法优化神经网络的最优初始连接权值和阈值等结构参数。仿真结果表明,该方法具有识别速度快、准确性高等优点。

简介：摘要电力变压器是电力系统中最为重要的核心电器之一，它担负着电压转换以及电能耦合的重要任务，甚至在一定程度上可以认为，整个电力传输系统的稳定水平直接取决于电力变压器的性能稳定水平。因此，探讨深度学习神经网络在电力变压器故障诊断中的应用具有重要的意义。本文首先对电力变压器进行了概述，详细探讨了深度学习神经网络在电力变压器故障诊断中的应用，旨在保证电力变压器的安全运行。

简介：探讨了漂浮基空间机械臂系统在轨捕获参数未知目标卫星后组合体航天器的镇定控制问题.首先在耦合空间机械臂系统捕获目标卫星操作过程动量、冲量的传递的基础上,建立了适用于漂浮基空间机械臂系统在轨捕获漂浮卫星控制系统设计的组合体航天器数学模型.利用该模型,设计了一种基于模糊高斯基神经网络的非奇异Terminal滑模控制算法.提出的控制算法不仅不要求系统动力学方程关于惯性参数呈线性函数关系,而且也不需要预知系统惯性参数;由于利用神经网络的自学习能力修正模糊控制的控制规则和隶属函数,这样在系统参数识别中,模糊神经网络可减少模糊规则数,更适应于空间机械臂系统在轨捕获的实际应用.最后通过仿真试验对比结果验证了所提出的控制算法的有效性.

简介：分数阶PID控制器继承了常规PID控制器的优点，并且具有更高的控制精度和更强的鲁棒性。针对常规PID控制器在纸浆浓度控制过程中存在的问题，设计了一种基于神经网络的分数阶PID控制器。用分数阶PID控制器代替常规PID控制器，并通过神经网络调节分数阶PID控制器的5个控制参数，实现一种参数自整定的PID控制器。仿真实验结果表明，神经网络分数阶PID控制器比常规PID控制器的控制精度高，对纸浆浓度的控制更稳定；采用神经网络分数阶PID控制器控制纸浆浓度是切实可行的，具有很好的推广应用前景。

简介：摘要网络性能预测是指以现有理论等为基础，来构造具有预测性的模型以实现对未来业务数据的推测和估计。本文按照电力营销系统的特殊架构，建立了基于神经网络的电力营销系统网络性能预测模型，构建了电力营销系统的网络特征信息集，并设定了网络性能预测的信息过滤规则。此外，基于构建的电力营销系统网络预测模型，进一步研发了电力营销系统流量过滤模块。通过OPNET网络仿真结果显示，基于神经网络的电力营销系统网络性能预测模型能够有效降低网络阻塞，提高网络使用效率。

简介：链路预测是网络信息挖掘的主要研究内容，通过对网络结构和其他信息的分析，挖掘缺失的链接或预测未来可能出现的链接。链路预测在推荐系统、社会网络和生物网络分析中有着十分广泛的应用。本文首先介绍了基于公共邻居、路径和随机游走的8种常用的链路预测指标．并在此基础上提出了一种基于这8种指标线性组合的度量指标，并经过实验找出了较好的优化参数。然后，提出了基于这8种指标的神经网络模型．并分别基于Weka平台和FANN库进行了实现。在社会网络的4个公开测试集上的实验结果表明．基于FANN库的神经网络模型的预测结果最好，在4个数据集上最高的AUC值分别达到了0。95l8、0．9289、0．7480和0．8677，与单一指标最好的AUC值相比分别提高了3．92％、1．45％、7．06％和24．35％。

简介：摘要：针对传统网络安全评估方法参数量大、准确率不高等问题，网络攻击多样化特点，本文通过引入神经网络算法，提出了一种新的网络安全态势评估方法。该方法使用主成分分析法对评估数据集的特征温度进行处理，并利用神经网络算法，搭建了相关评估模型，再利用优化算法对神经网络参数进行优化处理，获得最优因子，使得评估模型的性能得到提高。经测试证明，本文提出的基于神经网络算法的网络安全态势评估方法，不仅能够提高安全态势评估准确率，还能够提高其可靠性。

简介：认知风格是人们在信息加工方式上的个人偏好,是运用以大脑为基础的神经结构和机制进行信息加工的个体差异。本研究在词汇学认知风格模型的基础上,采用SOM神经网络的方法,对参与测试的240名大学生（平均年龄19.6岁）进行聚类分析。结果显示,大学生的认知风格可以聚为四类,它们是细致灵动型、粗放灵动型、讨论型和规范型。每一类型的大学生在认知风格上具有最大的相似性,而不同类型的大学生认知风格差异较大。研究还产生了9种更加具体的认知风格类型。

简介：摘要目的构建基于卷积神经网络的儿童病毒性脑炎MRI分类与早期诊断模型，探讨其对儿童病毒性脑炎早期诊断、精准治疗和改善患儿预后的价值。材料与方法收集浙江大学医学院附属儿童医院2020至2022年期间颅脑MRI影像数据1077例，其中病毒性脑炎患儿577例，非病毒性脑炎儿童500例。运用卷积神经网络中的Squeeze-and-Excitation Residual Networks（SE-ResNet）模型构建儿童病毒性脑炎MRI分类与早期诊断模型并与Convolutional Block Attention Module Residual Networks（CBAM-ResNet）、Mobile Networks（MobileNet）、Residual Networks（ResNet）、Shuffle Networks（ShuffleNet）模型进行了对比。结果所有模型在训练集上都达到了收敛。SE-ResNet、CBAM-ResNet、MobileNet和ShuffleNet模型在训练集训练100轮后准确率都达到90%以上，而只有CBAM-ResNet模型和本研究选用的SE-ResNet模型在验证集上同样取得了90%以上的准确率。在测试集上，CBAM-ResNet具有最高的准确率73.91%，ResNet具有最高的召回率75.45%，但只有本文所用SE-ResNet模型在准确率和召回率都达到较高水平，并且取得最好的F1得分和曲线下面积（area under the curve, AUC）值：准确率为70.83%，召回率为72.73%，AUC为0.77，F1得分为0.7183。结论运用人工智能技术结合MRI实现儿童病毒性脑炎早期诊断是可行的，本研究为进一步实现全面的儿童脑炎早期诊断、精准治疗和改善脑炎患儿预后提供了理论和应用基础。

简介：摘要：作为一个复杂的神经网络系统，大脑区域和基因协同有效地存储和传递信息。本文提出将协作相关性抽象为脑区基因网络(BG-CN)，并提出了基于图卷积神经网络的阿尔兹海默症的早期治疗系统，图卷积神经网络(GCN)，用于研究脑区内部和脑区之间的信息传递。该结果可用于阿尔茨海默病(Alzheimer ' s disease, AD)的诊断和病因提取。首先，建立了BG-CN的亲和聚合模型来描述脑区间和脑区内的信息传递。其次，基于亲和聚合模型，设计了具有脑区间卷积和脑区内卷积操作的GCN体系结构。通过在AD神经成像倡议(ADNI)数据集上的充分实验验证，GCN的设计更符合生理机制，提高了可解释性和分类性能。此外，GCN可以识别受损的大脑区域和致病基因，这可能有助于AD的精准医疗和药物设计，并为其他神经系统疾病提供有价值的参考。

简介：摘要：我国国民经济以及电力相关技术的发展，使得我国的电力事业得到了较快的发展，而在整体电力系统中关键的设施之一就是电力变压器，和电力系统之间的安全稳定运行有着十分紧密的联系，这也正是对其进行检测工作的重要原因。在微电子、计算机等先进技术不断发展的影响下，针对电力变压器进行在线实时监测已经有了极高的可行性。因为油浸性质的电力变压器在运行过程中气体溶解的类型不会出现对应的差异，传统故障诊断方式对于这些复杂多变且无标签的数据无法进行充分应用，因此一种基于深度学习神经网络的诊断方式应运而生。本文先从深度学习的概念以及深度学习神经网络模型分析入手，并在文后详细的在电力变压器故障诊断中如何运用深度学习网络进行了分析。

简介：对于分数阶控制系统,因分数阶控制器较传统PID控制器具有更好的适应性,这就为得到更加细腻的控制品质提供了可能。然而,分数阶PIαDβ控制器的参数整定则相对复杂。针对这一问题,提出了基于BP神经网络的分数阶控制器参数整定方法,有效地克服了分数阶控制器参数整定复杂问题。采用文章所提方法,分别设计了整数阶PID、分数阶PIαDβ控制器,并进行仿真对比。结果表明,采用分数阶PIαDβ控制器的系统控制品质优于整数阶PID控制器。

简介：在介绍BP神经网络基本原理基础之上,探讨如何利用神经网络进行产业间的关联分析,给出产业间的影响力系数及感应度系数计算方法,同时也提出产业系统中产业影响力系数及感应度系数的计算方法。通过对秦皇岛市产业系统的实例分析,该市建筑业对产业系统的影响力最大,而第三产业对其他产业的依赖性最强。

简介：针对传统交通控制与诱导模型及算法的不足，提出了具有中心协调系统（CCOS）的交通控制与诱导协同模型。利用数据融合技术将历史数据的短时交通预测、交通事件检测结果以及实时交通流数据设计面向交通动态的信息融合，并采用神经网络技术构建基于神经网络的交通控制诱导协同模型，同时对模型的参数进行了确定。。通过典型的路网进行仿真实验和对比分析，实验验证了该模型具有可行性和有效性。

简介：摘要：随着风力发电技术的不断成熟，系统容量越来越大，从而导致风力发电并网时所产生的电流冲击与波动过大，造成安全问题。 对变速恒频双馈发电并网系统，将传统 PID 控制与 BP 神经网络控制，提出了一种 BP 神经网络 PID 的空载并网控制策略。

简介：以某大坝沉降监测数据为例，利用Matlab软件的BP神经网络工具箱进行建模分析和预测。结果表明，滚动BP神经网络算法能较好地应用于大坝沉降数据的预测，具有良好的应用前景。

简介：同步现象广泛存在于脑神经活动中。本文构造了一个具有小世界连接特性的生物神经网络，数值模拟研究了外加刺激频率引起的放电同步现象。同时考虑网络结构对同步的影响，取网络耦合强度作为参量来研究它对网络同步的影响。研究发现，在某一个特定的共同外加刺激频率下，生物神经网络会出现尖峰同步放电现象。当网络的耦合强度增大时，使网络产生同步现象的频率点将会逐步增多。仿真结果表明不同的生物神经网络结构对输入信号的频率具有不同的选择性。

简介：针对径流量长期变化的因果关系复杂特性,常规的中长期水文预报模型又很难满足精度要求,提出了基于BP神经网络的来水量预测模型。结合实际径流数据,验证了模型的预报精度,可用来进行中长期水文预报。

简介：BP算法是人工神经网络研究的一个常用方法,但从本质上说是属于局部寻优法,容易陷入局部极小点,且存在着学习速度与精度之间的矛盾;遗传算法是一种全局优化算法,具有并行计算能力.本文采用遗传算法来训练前向神经网络,建立一个基于遗传算法和BP算法的神经网络预测模型.试验结果表明它是一个成功较高的预测模型.