摘要：在航空发动机外形重建过程中,需要将外形点云数据进行分割,获得更小、连贯、具有相同属性点的点云片段,以利于之后点云数据的分类提取。设计一种用于航空发动机外形特征点云分割的深度学习训练数据集的构建方法;分析航空发动机外形的特点,将理论模型与实测数据相结合,构建包含航空发动机外形特征的点云数据训练集。训练集中包括根据航空发动机外形典型特征设计的理论模型离散点云及实际扫描的外形点云数据。

摘要：提出了一种基于训练集的自动文摘方法.依据训练集所产生的主题词,设计出一种新的段落加权公式和一种新的句子重要性加权公式,将生成的主题句消除冗余后得到文摘.测试结果表明,该方法具有一定的实用性.

摘要：对文本特征表示模型和文本特征提取方法进行了探讨,分析了分类效果的影响因素,设计了一种动态调整训练集的文本分类算法,并结合支持向量机验证了该分类系统的类别特征信息和分类适应性.

摘要：对使用BP网络来代替嵌入式飞行数据传感(FADS)系统的空气动力学模型进行了研究。针对FADS系统的特点设计了一个具有双隐含层的BP网络模型并详细推导出了它的快速算法。文中不仅设计了数据集的产生方法,而且对数据集的划分进行了探讨。试验结果显示,动静压的平均绝对误差均在130Pa以内,可以满足FADS系统的设计要求。

摘要：文章主要从面向人工智能模型验证的可信访问、数据安全、应用架构安全角度进行典型需求梳理,通过风险分析和治理设计思路,提出了关键应用技术的验证和方法,为人工智能模型安全提供方向性研究指引。

摘要：计算机游戏是高新技术发展的产物,一个游戏成功与否取决于游戏的核心算法设计。要使游戏在玩家手中百玩不厌、妙趣横生,就要在游戏研发中应用新的理论和算法。智能程序设计在游戏可玩性方面能起到决定性因素,本文在分析游戏软件结构的基础上,讨论运用人工神经技术提高游戏软件质量的方法,尝试设计带预测控制的游戏,并用C++和MATLAB进行了实验。

摘要：提出用神经网络来确定步进电机最佳细分电流的思想。介绍了最佳细分电流数据训练集的简易方法,设计了多层前向神经网络的学习和仿真程序并进行了仿真实验。在学习中使用了Bayes正则化算法,使得网络的推广能力得到提高,同时为了避免多层前向神经网络陷入局部极小点,使用了权值调整技术。文中首次给出了用神经网络获得的64细分、8bit存储时的最佳细分电流数据表,对同行研究有直接参考价值。

摘要：提出一种基于半监督的联合分类方法。该方法在训练过程中,先构造一个基于类中心思想的简易分类器,通过设定有效阈值,从未标记数据中挑选区别度较大的数据加入到SVM的训练集中;在分类过程中,根据待分类点与分类面的相对位置,结合SVM和KNN算法,分两种情况来对其进行分类。实验结果表明,该方法既能在一定程度上克服监督学习算法手动标记大量训练集的困难,又能相应地提高分类准确率。

摘要：由于基于图像块的超分辨方法容易在图像块堆叠为图像的过程中引入模糊,提出基于层次化字典学习的图像超分辨率方法。把经过传统单次字典学习超分辨后的图像作为新的低分辨率图像,并和原始的高分辨图像组成新的高低分辨率训练集进行联合字典训练,得到第二级高低分辨率字典,对低分辨图像实现逐层超分辨的过程。与同类方法不同,特征提取阶段,采用lanczos3插值代替常用的双三次插值方法,利用改进的四方向Sobel算子提取每一小块的特征。与传统的超分辨率方法相比,该方法对低分辨率图像有着较好的细节恢复能力。

摘要：为了解决当前交通标志种类繁多和所处环境多变,导致智能识别正确率不高的问题,提出基于多示例深度学习的交通标志识别算法。根据样本图像块与其对应的标签设计一个包含颜色、几何、区域特征的训练集,得到样本特征与标签的对应规律;根据权重修正反馈,推导包与标签的逻辑关系,建立多示例训练学习算子,准确分类交通标志。进行训练集损失函数计算,通过最优分类器响应减少训练数据损失。最后,基于大数据样本驱动形成背景约束,从而去除示例中模棱两可的训练数据,完成交通标志的准确识别。基于QT平台,开发相应的识别软件。实验测试结果显示,与当前交通标志识别技术相比,所提算法拥有更高的识别正确性与鲁棒性,且对各类交通标志具有较高的识别准确率,在智能汽车、自动交通监控等领域具有一定的应用价值。