摘要：神经网络具有固有的优点和广泛的应用,但因其结构设计至今没有确定可寻的方法,使其发展受到很大的影响.为此,提出了基于正交试验的神经网络设计方法.经实证分析,该方法可从任意网络开始,利用正交试验原理改进网络结构,提高网络性能,直至最终设计出较优(或最优)的神经网络;具有原理简单,计算简便,易于应用等特点.

摘要：借鉴分层递阶结构原理和蚁群算法的思想,提出了一种基于信息素的粒子群算法并用来优化前向神经网络的结构和权值。通过在控制基因中释放信息素进行粒子控制基因的更新,实现了粒子间信息的共享。粒子群的惯性权重采用指数曲线衰减的形式,给每代最差粒子的速度随机加入干扰,克服了标准粒子群算法在寻优时出现的粒子早熟现象。仿真结果表明该算法能快速确定神经网络的结构和权值,表现出良好的收敛性能。

摘要：传统的神经网络 ,如BP网络设计 ,不仅工作效率降低 ,网络性能低下 ,而且会因非线性多极值目标函数而陷于局部最优解。本文采用全局寻优的遗传算法 (GA)来辅助网络设计 ,实现网络结构、连接权及学习规则的自适应演化。通过利用测井资料与孔隙度参数的学习建模 ,表明该方法可以克服传统方法的不足 ,具有一定的推广应用价值。

摘要：重点阐述如何用MATLAB软件来解决实际工程中的神经网络的设计问题 ,对网络种类选择、结构参数的确定、网络输入输出数据的归一化处理等问题都进行了必要的阐述 ,文中给出了程序流程与实例 ,证明将MATLAB用于神经网络的设计是有效可行的 .

摘要：为解决挖拔式木薯智能收获机械在作业过程需要快速准确地确定茎秆位置的问题,基于YOLO(You only look once)卷积神经网络提出一种检测速率更快且满足准确率的网络设计(CS-YOLO)。首先,采集并扩增木薯茎秆图像数据集,对样本集进行标注与划分;然后,改进YOLOv1网络结构,利用全局平均池化替代全连接层,并适当调整网络深度和宽度,设计了一种新的网络;最后,对网络进行检测性能试验和对比分析。结果表明:新网络模型尺寸较原网络大小减少约一半,平均每张图像的检测耗时约0.015s,检测速度显著提升;当测试阶段IOU(Intersection Over Union)阈值为0.1时,模型准确率达到了99%,提出的检测方法可满足木薯收获机精准作业要求。研究可为实时、准确地检测田间木薯茎秆位置提供了一种新的思路和方法,也为仿生挖拔式木薯收获机提供了技术支撑。

摘要：图像处理软件的飞速发展,带动了移动应用领域一大批修图、美化应用的兴起。但是修图、美化软件的快速发展和普及也带来了一些社会问题和安全问题,如网恋对象严重失真,摄影作品造假等。针对手机中的修图处理APP软件,提出一种基于多数据集特征学习的神经网络模型,并给出其网络拓扑结构。区别于传统的多个神经网络并行操作,提出的网络模型具有共享模型参数的特征,能同时对多个特征数据集进行深度学习,使检测程序具备多特征识别能力。此外,还提出了一种针对多任务网络模型的损失函数,以增强深度特征学习的能力。实验结果表明,提出方法的准确率较传统方法有较大提升,同时泛化性能优越,能识别出经过多种美图、修图软件修复过的图像。

摘要：自动信用卡欺诈检测是一个重要且有潜力的领域.基于人工神经网络的欺诈检测系统虽能令人满意.但具有良好结构的神经网络是很难构造的.由此提出一种进化方法来自适应地生成用于欺诈检测的神经网络结构.实验结果表明,该进化神经网络可以有效地完成信用卡欺诈检测.

摘要：使用人工智能的计算药物发现大行其道,因为有大数据,云计算的成本变得很低廉,更不用说深度学习算法的兴起了。如今大批初创公司将人工智能和大数据运用于医疗领域,本文介绍其中9家涉足计算机药物发现领域的初创公司。

摘要：我们构建了一种多层循环神经网络来对金融股票指标数据进行测试,分析多种指标算法组合用来预测股票走势的可靠性。在实际的股票分析当中,通常会选择不同的技术指标或者指标组合对趋势进行判断,但在验证这些金融技术指标组合可靠性上需要时间和实践去验证,利用循环神经网络去分析过滤指标数据生成预测数据,通过对预测数据和真实数据对比,我们可以验证出哪个股票技术指标组合对股票投资决策是可靠的。