简介：

简介：摘要： 在我国大力提倡退耕还林的前提下 ,森林资源得到了有效地保护。由于近几年来森林火灾不断发生 ,导致森林资源受到巨大的破坏 ,影响了人们正常的生活以及社会发展。做好目前的森林防火工作 ,是保护自然生态环境最有效的手段。

简介：摘 要：近年来，大数据、云计算、人工智能等新技术的迅速发展，数据量也急速增长。对于多模数据的应用和海量数据的处理已经成为研究人员最关注的话题之一。而神经学习的出现，给处理多模和海量数据带来了新的方向。深度学习构建的神经网络可以很好的处理非结构化的数据，给推荐算法的发展指明了道路。文章搭建了一种基于深度神经网络的多模信息推荐算法模型。实验结果表明，该模型能够有较好的推荐效果。

简介：摘要:改进的向量生成模型和特征提取模型分别从融合后的环境体系中对关键词深层解读。通过CNN建模指代特征提取，以向量矩阵作为输入，融合后的分向样本作为输出集合多义词样本循环多层分向提取。模型内部特殊采用分向相对卷积思想，保留了空间信息内的词语完整释义。向量化指代分析中采用改进CBOW模型的PYP算法，观测每个单词的参数分布，模拟上下文窗口结构，加入权重系数验证结构和内容的概率分布可行。

简介：摘要：近年来，我国能源供应方式已呈多元化方向发展，相较于火力发电，其他发电方式由于受到不同限制因素的影响，深度调峰的灵活性远不如火电机组，同时为了保护环境，大容量、清洁型发电机组的发展刻不容缓。火电机组的负荷大范围变动时，会引起温度、压力等诸多参数的变化，固定的PID参数已经不能作为高品质的控制对象，而在线调整PID参数既浪费时间还耗费精力，很难满足机组运行要求，由此提出神经网络逆模型控制方法。

简介：摘要：BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络。

简介：摘要 : 为提高现有苹果目标检测模型在硬件资源受限制条件下的性能和适应性，实现在保持较高检测精度的同时，减轻模型计算量，降低检测耗时，减少模型计算和存储资源占用的目的，本研究通过改进轻量级的 MobileNetV3网络，结合关键点预测的目标检测网络（ CenterNet），构建了用于苹果检测的轻量级无锚点深度学习网络模型（ M-CenterNet），并通过与 CenterNet和单次多重检测器（ Single Shot Multibox Detector， SSD）网络比较了模型的检测精度、模型容量和运行速度等方面的综合性能。对模型的测试结果表明，本研究模型的平均精度、误检率和漏检率分别为 88.9%、 10.9%和 5.8%；模型体积和帧率分别为 14.2MB和 8.1fps；在不同光照方向、不同远近距离、不同受遮挡程度和不同果实数量等条件下有较好的果实检测效果和适应能力。在检测精度相当的情况下，所提网络模型体积仅为 CenterNet网络的 1/4；相比于 SSD网络，所提网络模型的 AP提升了 3.9%，模型体积降低了 84.3%；本网络模型在 CPU环境中的运行速度比 CenterNet和 SSD网络提高了近 1倍。研究结果可为非结构环境下果园作业平台的轻量化果实目标检测模型研究提供新的思路。

简介：摘要目的训练放疗计划个体化三维剂量预测模型，并使用该模型建立计划质量控制方法。方法回顾性分析99例已临床实施的早期鼻咽癌同步加量容积旋转调强放疗(VMAT)计划，提取7个几何特征，包括各危及器官(OARs)到PTV、加量靶区和外轮廓的最小距离，及4个坐标位置关系特征。训练(89例)并验证(10例)基于人工神经网络(ANN)的三维剂量分布预测模型；然后基于该预测模型建立放疗计划质量控制方法。以各危及器官剂量学参数D2%、D25%、D50%、D75%和平均剂量(MD)为质量控制指标，通过标准为人工计划和预测剂量差别≤10%。采用由低年资物理师设计的10例计划，对该质量控制方法进行测试。结果18个头颈部OARs的主要剂量学指标，预测剂量与专家计划结果差异无统计学意义。剂量预测结果与专家计划相比，D2%、D25%、D50%、D75%和平均剂量(MD)的差别均控制在1.2 Gy以内。由低年资物理师设计的10例计划均达到常规临床剂量限值的要求，而利用建立的质量控制方法检出1例计划的脊髓、脊髓危及器官的计划体积(PRV)、脑干和脑干PRV剂量限制有待改善。根据模型预测值重新优化计划后，脊髓和脑干D2%分别降低了8.4和5.8 Gy。结论提出了一种简单易行的放疗计划质量控制方法，能克服统一性剂量限值未考虑患者特异性的缺陷，可提高个体化计划质量和稳定性。

简介：摘要：本文针对现役火电厂脱硝改造工程的造价估算，通过对影响脱硝改造造价的主要因素进行综合分析，利用 MALTAB软件构建了基于 BP人工神经网络的火电厂脱硝工程造价的快速估算模型。通过现有工程造价实例对快速估算模型进行训练、模拟及测验，并将模型估算值与现有工程造价实例进行了对比，结果表明该方法可以较好的估算火力发电厂脱硝改造的工程投资。该模型具有较好的快速性及适用性，可以为估算工程造价提供参考。

简介：摘要：在供电公司负荷预测中，企业用户的电力需求预测精确度对整个地区的负荷预测至关重要，能使负荷预测更加细化、精确化，从而利于电能供给平衡。然而近年来，人工智能方法用于用电需求的预测上，仍存在网络参数容易陷入局部最优的问题。基于此，以璧山城区646户高压企业客户，连续23个月的用电量为数据源，对其进行数据挖掘、聚类分析、预测，根据不同企业用电习惯及特点，挖掘数据特征向量，基于RBF人工神经网络建企业日用电量的预测模型，并与BP神经网络企业日用电量预测模型进行对比测试，基于RBF神经网络算法的企业日用电量模型精确度高达90%。

简介：摘要：天然气管道的输送介质是易燃、易爆的物质，含有多种杂质，对管道的腐蚀，使管道在内外腐蚀的条件下非常复杂，管道的缺陷使问题更加严重。一旦发生爆炸、泄漏、停车等事故，将造成严重后果。近年来，管道泄漏事故时有发生，对环境造成了极大的危害，因此预测管道的腐蚀速率具有重要的意义。本文将以 VMD-BP神经网络应用于天然气管道工况的检测。以天然气管道里程、高差、管道倾角、压力、雷诺数为输入参数，以管道最大平均腐蚀速率为输出参数，建立了天然气管道内腐蚀速率预测模型。结果表明 VMD-BP神经网络具有较好的拟合精度和预测效果，基于该模型的腐蚀速率预测更加可靠。结果表明， VMD-BP神经网络算法收敛速度快，预测精度高，能有效检测天然气管道，满足实际应用的要求。

简介：摘要目的建立基于卷积神经网络的人工智能烧伤深度识别模型并测试其效果。方法在本诊断试验评价研究中，收集中南大学湘雅医院(下称笔者单位)2010年1月—2019年12月收治的符合入选标准的221例烧伤患者伤后48 h内创面照片484张，采用随机数字编号。采用图像查看软件圈出目标创面，由笔者单位烧伤整形科3名具有5年以上专科工作经验的主治医师判断烧伤深度，用不同颜色标记浅Ⅱ度、深Ⅱ度或Ⅲ度烧伤后，按224×224像素的尺寸切割得到完整大小的图像块5 637张。采用图片生成器将3种深度烧伤图像块均扩充至10 000张后，将每种烧伤深度图像块按7.0∶1.5∶1.5比例分为训练集、验证集和测试集。在Keras 2.2.4 Python 2.8.0版本下，采用卷积神经网络中的残差网络ResNet-50构建人工智能烧伤深度识别模型，输入训练集进行训练，利用验证集对模型进行调整、优化。利用测试集测试构建的模型识别各类烧伤深度的准确率，计算精确率、召回率及F1指数；通过降维工具tSNE将测试结果降维可视化生成二维tSNE云图，观察各类烧伤深度分布情况；根据模型对3种烧伤深度识别的敏感度及特异度，绘制出相应受试者工作特征(ROC)曲线，计算ROC曲线下面积。结果(1)经测试集测试，人工智能烧伤深度识别模型识别浅Ⅱ度、深Ⅱ度、Ⅲ度烧伤的精确率分别为84%(1 095/1 301)、81%(1 215/1 499)、82%(1 395/1 700)，召回率分别为73%(1 095/1 500)、81%(1 215/1 500)、93%(1 395/1 500)，F1指数分别为0.78、0.81、0.87。(2)tSNE云图显示，人工智能烧伤深度识别模型测试集测试结果中不同烧伤深度之间总体重叠较少，其中浅Ⅱ度与深Ⅱ度、深Ⅱ度与Ⅲ度烧伤之间重叠相对较多，而浅Ⅱ度与Ⅲ度烧伤之间重叠相对较少。(3)人工智能烧伤深度识别模型识别3种烧伤深度的ROC曲线下面积均≥0.94。结论采用ResNet-50网络建立的人工智能烧伤深度识别模型可较准确地识别烧伤患者早期创面照片中烧伤深度，特别是浅Ⅱ度与Ⅲ度烧伤，有望用于临床烧伤深度辅助诊断，提高诊断准确率。

简介：摘要：电力变压器诊断是根据变压器故障特征，定故障的性质或者类别，为变压器的检修决策提供依据。文章对变压器油溶解气体的来源、特点及产生原因进行分析，通过构建变压器油中溶解气体与变压器故障之间的对应关系的专家系统，运用神经网络算法对变压器进行全面诊断，仿真结果表面文章所示方法具有可行性。

简介：摘要：随着经济发展，人们对电力能源的需求不断增长，对电力运行质量提出了更高的要求。电力企业需要不断完善电力系统管理，来满足人们的用电需求。带那里计量是电力系统管理的重要环节，对带那里计量故障进行分析和诊断，保障电力计量的精准性，可以有效提升电力管理效率，促进电力行业的发展。 x

简介：摘要：随着煤矿机械设备的发展和采掘技术的进步，煤矿开采深度和掘进面单进深度不断提高，掘进速度也不断加快，造成了瓦斯排放速度和绝对涌出量增加。由于其环境的复杂性和不确定性，煤尘、瓦斯等排放随时变化，且随着井下巷道日益复杂，采掘机械和采掘速度的进步，井下通风系统管理的变量越来越多。为了保证通风系统持续稳定的工作，各需风位置能得到可靠有效的通风，本文采用神经网络算法对通风系统进行可靠性预测，为井下通风管理人员提供一定的通风故障管理依据。

简介：摘要：随着技术的不断发展，计算机和互联网的普遍应用，社会生活的各个领域每分每秒在源源不断的产生大量的数据和信息。在司法领域，大量的卷宗文档数据在法院生产，人工对卷宗进行分类难以满足大数据量分类的需求，这时候使用机器进行卷宗分类就显得尤为必要。我们提出了一种基于深度学习卷积神经网络的方法，对司法卷宗进行自动分类。在实验中，我们的方法达到了94.53%的准确率，大幅提升了工作效率。

简介：摘要：随着科技的发展，我国进入互联网时代，这便使得互联网中的大数据被越来越多的人使用和重视。信息时代，群众可以从互联网中了解到自己想要的讯息，不管所属何种领域，都会挖掘大数据的经济价值以及科技价值。在目前对于分析大数据的方法来说，难度系数较高，是需要研究出一种新的分析方案，帮助挖掘大数据中存在的更多经济价值和科学价值。在当前可以采用无限深度神经网络方法来分析大数据，这种方法可以对大数据中的信息进行综合、整理、分析，为人们筛选出具有价值的信息。在本文中，将会对大数据分析的无限深度神经网络方法进行分析，希望对有需要的人有所帮助。

简介：摘要 本文针对水厂运行单体无人值守的发展趋势和比例加矾在平流沉淀池应用中具有较长滞后性，无法及时响应原水因素的突变从而造成水质不稳定性和不可靠性的弊端，以及混凝沉淀过程具有非线性的特点，提出基于BP神经网络的自动加矾数学模型。该模型以原水流量、浊度、温度、pH值、沉淀水浊度控制指标为输入量，以矾耗为输出量。该模型对南京水务集团某水厂某一系列平流沉淀池的矾投加量等生产数据具有较好的拟合性，证明该模型可应用于自动加矾生产领域，以弥补人工经验投加或按水量比例投加的不足。

简介：摘 要 : 本次论文针对于图像处理提出了，基于卷积神经网络的一种自动分割的方式。把图像进行去噪音处理 ， 归因化，然后再进行标注。使用有效的融合多尺度和残差连接卷积神经网络器进行训练，进而得到一个被优化的卷积神经网络的分割模型，再把这个图像加载到一个优化的模型里面，把原图以及恢复分辨率以后的图像进行掩码，进而得到一个高清的分割结果。把最后处理结果和利用 ps 处理的结果进行对比，结果表明 ， 本次研究中使用的方法非常可靠，得到的结果和标准结果很接近，而且能够实现自动分割，进而可以有效的解决在三维重建中的分割任务等问题。

简介：摘要：随着经济、技术的迅速发展，现代社会对于电能的需求量快速增加，电力系统也日益庞大和复杂，出现故障的潜在风险也逐步增加。近年来，随着人工智能技术和神经网络算法的快速发展和应用，特别是具有强大算力的神经网络硬件加速器和专用芯片的出现，神经网络应用于电力系统变得越来越有前景。本文对神经网络及其模型进行了介绍，并对神经网络在电力系统故障诊断、安全评估、负荷预测、经济调度等方面的研究进行阐述，最后总结了神经网络应用于电力系统的优点、缺点以及需要进一步解决的问题。