摘要：tensorflow是目前较为流行的应用最为广泛的人工智能框架,该框架可以通过已有的数据训练并研究模型的准确性。论文旨在通过使用tensorflow框架对高校实验教学评价模型进行研究,研究设计和实现高校实验教学评价模型,以目前主流的评价模型为例,通过将实验教学评价模型向量化设计,同时实现实验教学评价算法,通过采用样本数据的训练和测试,形成可以实现基础预测的实验教学评价模型,在为后续的教学质量的改革发展中起到一定的参考意义和积极作用。

摘要：基于tensorflow智能医疗服务平台是通过深度学习对疾病实现快速、准确的诊断,结合图像识别技术、语音识别技术,设计一款手机APP,通过自然流畅的对话结合用户病症部位照片,即可实现云端快速就诊,图片识别还用于药物识别,辨别药物真假及获取药物适用人群与使用建议。用户只需要一部手机在家,即可实现快速、高效的医疗诊断体验,极大降低医疗资源不足的问题。

摘要：人脸识别是近几年深度学习的典型代表,tensorflow这个深度学习平台通过卷积神经网络能够有效的学习和训练进而达到识别人脸,系统采用OpenCV中的Haar-like人脸识别分类器由OpenCV和tensorflow相互结合搭建。能有效的捕捉人脸,并通过深度学习对人脸进行分类。

摘要：针对燃气管道闸阀故障诊断存在的诊断准确率低、运算过程复杂等问题,结合深度学习理论,基于人工智能学习软件tensorflow,自行设计张量运算,构建深度学习神经网络模型,用于预测闸阀发生故障的严重程度。选择了闸阀在故障预测系统中的9种参数,经过标准化处理,卷积神经网络进行特征提取、运算、故障评估等分析,最终设计得到了具有高精度预测的卷积神经网络模型。

摘要：随着科技的进步,人工智能已经开始融到入人们的生活的方方面面,并在各个领域均取得令人惊喜的成果。甚至在被认为是最不可能被机器替代的艺术领域,过去几年中,人工智能也开始逐步参与其中。Deep Dream是谷歌2015年发布的一种艺术性的图像修改技术,利用这项技术可以生成具有艺术风格的画作。利用深度学习框架tensorflow导入Inception模型,进而研究并实现Deep Dream生成模型。

摘要：人工智能将是未来发展的大方向,深度学习则是人工智能领域的一个重要分支。随着深度学习在国内外的快速发展,以及深度可分离卷积神经网络模型的提出,极大地推动了深度学习在图像识别、文字处理和语音识别等领域的广泛应用。基于Google人工智能系统tensorflow的深度学习开发平台,可以快速搭建出深度可分离卷积神经网络。文中采用MobileNet模型,Ubuntu16.04开源Linux操作系统,CUDA9.0运算平台,cuDNN7.0.5并行架构,设计Python爬虫程序构建数据集,运用TensorBoard对模型进行可视化。通过对此类模型进行重建和训练,保存训练完成的模型,对图像实现了较高准确度的识别。完成在不同迭代次数下模型性能的测试和分析,通过与Inception_v3模型的准确度与迭代周期进行对比,表明MobileNet在移动端、嵌入端以及网络规模大小和内存限制时具有较好的推广应用价值。

摘要：随着现代农业技术的发展,柑橘的生产与采收自动化是必然趋势,而柑橘的目标识别是实现采摘自动化的重要环节。提出一种基于树莓派的柑橘识别系统,以树莓派作为软件程序平台,应用Python语言构建卷积神经网络模型,利用tensorflow平台实现柑橘的识别。通过机器视觉采集柑橘树的相关数据,结合深度学习算法,对柑橘树上的柑橘进行识别及计数。经过测试,识别正确率约为92.4%。此外,利用GPS模块进行识别位置定位,确定区域内的柑橘密度及使用光照强度传感器测量环境光照强度对图像进行直方图均衡化处理,降低光照对柑橘识别的影响。

摘要：本文基于tensorflow设计一种卷积神经网络。通过介绍卷积神经网络的结构,研究卷积神经网络中的前向传播和反向传播算法,推导了前向传播和反向传播的数学公式,并利用tensorflow实现一种卷积神经网络。在CIFAR10数据集上训练6000次的top1准确率为74.3%,验证了方法的有效性。

摘要：介绍了图像识别和机器学习基本原理和流程,深入分析了softmax回归算法,设计了手写数字识别模型,在tensorflow上使用softmax回归算法实现了手写数字图像的识别,实验表明,使用tensorflow能够快速实现图像识别、语音识别、自然语言处理等相关的机器学习和深度学习算法,可靠性和准确性较高。

摘要：学生生活学习信息的采集、管理与分析工作需要耗费学校、教师、学生大量的时间精力,其中涉及的环节繁琐耗时,同时存在大量无用信息占用资源,而一些有效信息未得到充分利用的情况。为促进高校教育信息化发展,本文设计的基于tensorflow框架的可视化大学生行为分析系统能够在一定程度上满足此需求,解决相关问题。其目的在于利用机器学习算法研究教育数据挖掘,进行学生数据分析,进而为学生自我提升、教师改良教育方法提供指导性依据。通过对本校学生问卷调查数据进行机器学习训练,并利用随机森林算法预测,其预测准确度可达90%以上,具有实践价值。