摘要：本文采用基于深度学习的循环神经网络(rnn),来对高校过往学生成绩数据进行处理分析,挖掘各课程之间的关系,进而实现对学生未来课程的预测,便于对相关学生做出预警通知。该预警可以加强教务系统的应用,从而加强对学生的管理,对防范学生出现挂科现象具有良好效果。

摘要：为提升变电站一次设备启动过程方案编制的数字化水平,文中对自然语言处理中的实体识别及关系抽取方法进行了研究。在定义了生成相关规则库及方案模板库所需数学模型的基础上,讨论了循环神经网络(rnn)在该场景的实际应用方法。应用过程中,针对传统rnn网络在处理长时依赖信息时会出现梯度消失的问题,文中引入了长短期记忆单元,并基于该单元设计了一种双向的循环神经网络。通过实际工程数据集上进行的对比测试结果表明,在进行实体识别时,所提算法对于复杂实体的识别效果更优,对操作指令的识别F值能达到94.15%;而在进行关系抽取时,该算法的F值则可达95.21%。

摘要：本研究聚焦于优化商品推荐系统中深度学习模型的性能,引入了一种针对循环神经网络(recurrent neural network,rnn)的优化思路。首先,研究了商品推荐系统的总体框架,包括数据收集与预处理、特征提取与表示、模型设计与训练以及推荐结果生成与排名等部分。其次,对rnn的基本原理进行了深入探讨,并引入了L2正则化方法进行模型优化。最后,利用Retailrocket数据集对所研究的模型进行了实验验证,评估了模型在商品推荐任务上的性能指标。实验结果表明,该优化方法在准确率、召回率和F1值等指标上均优于传统rnn模型,有效提升了推荐系统的性能。

摘要：近年来,研究者在利用循环神经网络(Recurrent Neural Network,rnn)进行古诗自动生成方面取得了显著的效果。但rnn存在梯度问题,导致处理时间跨度较长的序列时rnn并不具备长期记忆存储功能。随后,出现的基于长短期记忆网络(Long Short-Term Memory,LSTM)古诗自动生成方法在一定程度上解决了rnn的梯度问题。本文将LSTM改进的门控循环单元(Gate Recurrent Unit,GRU)应用在古诗自动生成技术上,并利用Adagrad优化算法对GRU模型进行优化,最后利用Tkinter设计GUI界面进行操作和查看。实验表明,相对于传统的LTSM,GRU在古诗自动生成方面生成的古诗效果更好。

摘要：为了辅助聋哑人与正常人进行正常沟通,设计了一种基于数据手套的手势识别系统。本文首先通过STM32来采集MPU6050加速度传感器和Flex2.2应变片的相关数据,然后利用动态手势滤波进行数据预处理,再采用循环神经网络(rnn)进行手势的识别,最后通过移动终端APP将识别结果以语音和文本的方式输出。该系统一共可以识别20种常用的交流手势,对于聋哑人进行日常交流具有一定的辅助作用。

摘要：为了提升配电网络的负荷预测精度,并为配网不停电技术提供可靠性分析的基础,文中对深度学习的时间序列处理算法进行了研究。针对传统循环神经网络(rnn)中神经元结构简单、无法储存长时间序列的结构信息等问题,引入了一种改进的长短期记忆(ILSTM)单元。通过改进算法的门结构来控制状态单元在隐藏层中的信息结构流向,有效避免了迭代过程中时间信息丢失的问题。对于当前算法中参数初始化方面的缺陷,采用了一种自适应惯性权重粒子群算法(APSO),优化了网络的训练效率与稳定性。结合某低压配电网的自动化改造项目对不同负载下的负荷状态加以采集,并基于实测数据对网络进行了训练和测试。仿真结果表明,与rnn网络相比,所提算法的指标均较为理想,且MAE、MAPE分别提升了42.95%和0.07%。

摘要：随着老龄化社会的到来,智慧养老将成为行业趋势。为实现智慧养老,本文设计了基于rnn算法结合Grafana预值检测的心跳异常检测、基于Openpose人体关键节点识别技术的跌倒检测、基于Dlib与支持向量机SVM算法的情绪识别功能。基于以上功能可实现对老人的健康与情绪的实时监测,助力智慧养老。

摘要：为了使中英文翻译更加智能以及更加合理,采用句子级的释义对译文进行改写,将其视为同一语言之间的翻译任务;在没有大规模平行释义语料库的情况下,利用机器翻译结果和源语言的参考翻译来近似平行释义语料库;然后,利用该模型训练一个从机器翻译结果到参考翻译的重复系统,生成语义一致的句子级重复结果;在此基础上,将重述结果引入系统整合的翻译假设中;最后,在翻译和释义的基础上,进行了面向移动应用的设计和开发,实现了中英文机器翻译;通过实验发现,该方法相对于经典的基线系统提高了1.02-1.71BLEU分数。

摘要：随机神经网络是一种仿照实际的生物神经网络的生理机制而定义的网络,其网络结构及应用具有自身的特点。在详细讨论了动态随机神经网络求解典型NP优化问题TSP的算法的同时,特别提出了一种有效改进算法,使得参数在简单选取的情况下保证能量函数的下降,在组合优化问题上具有普遍意义,并且在10城市TSP对改进算法进行验证,指出rnn是解决TSP问题的有效途径。

摘要：随着信息技术的飞速发展,数字内容呈现爆炸式增长的趋势。体育视频分类对于服务器中的数字内容存档具有相当重要的意义,因此利用深度神经网络(DNN),并结合卷积神经网络(CNN)和循环神经网络(rnn)实现对15种体育类别的准确分类。为了使训练出的基于运动动作进行分类的模型具有更高的准确性,从YouTube中搜集体育视频并将这些体育视频制作成数据集。通过将CNN提取的特征与rnn中的时间信息相结合,建立了用以解决体育视频分类问题的一般模型。针对10和15种体育视频的分类问题,利用基于VGG-16模型的迁移学习设计了分类方案,使针对10和15种体育视频的测试识别准确性分别达到了94%和92%,结果表明,所提出的方案具有较高的准确性。