摘要：对于一个优秀的分离系统来说,加快分离过程,减少进料要求是非常重要的。同时,国内垃圾分类试点和国外垃圾分类实例也为新系统的设计提供了良好的经验。我们注意到,目前在中国的垃圾需要投入大量的人力,这造成了巨额的人力成本,拖低了垃圾分类的效率。对此,我们希望找到一种更有效的垃圾分类方法,利用垃圾密度的差异,利用振动分离技术来解决上述问题,并达到更高的精度,一次分离出更多的垃圾。在这种环境下,我们设计了这种智能垃圾分离系统。

摘要：传统的深度卷积神经网络设计方法依赖于人工设计以及反复试错,只能采用形式单一的网络结构,导致其参数过分冗余,乘法次数巨大.为了自动化地设计出结构灵活多变,网络规模及计算量较小的深度卷积神经网络,本文提出了一种面向深度卷积网络的多目标神经演化算法.该算法将深度神经网络表达成有向图,使用神经演化和多目标优化算法实现了深度、计算量和识别率下的多目标同时优化,同时还引入了线性规划用于将基因编码翻译为卷积层的配置参数,使得演化算法可以自动调整各个网络层的具体配置.演化得到的模型其最深路径上含有36个卷积层,CIFAR-100上Top5精度为86.1%,Top1精度为60.2%,与识别率相近的网络相比,具有结构新颖,乘法次数低等特点.综上,本文提出的方法能够自动生成一系列各具特色的深度神经网络,可根据在深度、计算量和识别率3个指标上的不同应用需求选择适合的深度神经网络,为深度神经网络部署于资源受限的无线传感器网络上提供了一种快速、经济、自动化的设计方法.