摘要：随着智能电网、坚强电网的建立及人工智能领域技术的高速发展,如何对电力领域的负荷进行更高精度的预测已成为电力从业者们特别关注与研究的问题。基于tensorflow智能学习系统的深度学习LSTM循环神经网络算法的短期电力负荷预测算法,结合某地区发电厂负荷数据设计实验,通过多次数据迭代、参数更新,进行模型训练与预测,最终的实验证明:基于tensorflow的LSTM循环神经网络算法预测效果明显好于传统机器学习算法。随着数据量的增大,模型更显示出其良好的鲁棒性。

摘要：随着智慧城市建设的步伐不断加快以及人工智能技术的高速发展,如何利用大数据技术对电气火灾事件实现精准预测已经成为当前火灾预防研究者特别关注的问题.本文设计并实现了基于tensorflow智能学习系统的LSTM神经网络电气火灾预测算法,对某地区输电线路上的数据进行了分析,通过多次数据迭代和参数调优对模型进行了训练,实验结果表明,基于tensorflow的LSTM神经网络算法对于电气火灾的预测不仅具有较高的准确度,而且泛化能力强,预测效果明显好于其他学习算法.

摘要：近年来，随着卷积神经网络理论的快速发展和移动设备的普及，基于移动式tensorflow平台构建定制化的卷积神经网络分类模型，成为深度学习爱好者的主要研究方向之一。将个人图片库作为训练集输入模型，通过调整阀值和权值，最终获得定制化的分类模型，满足个性化的分类需求。对移动式tensorflow平台、卷积神经网络及其移植到移动平台上的相关步骤进行了研究。通过此开发流程，为进一步使用移动式tensorflow平台解决现实图片分类问题提供了参考。

摘要：针对使大学校园在课堂签到、考核考勤和信息发布过程中更智能化、便利化、人性化的目的,本文采用嵌入式Android技术和机器学习框架tensorflow,基于智慧班牌的信息互动系统的设计方法。智慧班牌是一个数据信息呈现端和信息采集端,其硬件部分以ARM处理器为核心拓展出存储模块、WiFi模块、USB通信模块、触摸屏模块,用基于UVC协议的通用USB摄像头实现人脸图像的采集。经实验测试,本信息互动系统可以实现1s内识别人脸,平均减少5分钟课堂签到时间。对20个人的每人10次正、侧面识别中总共误识别9次,识别准确率达95.5%。智慧班牌每次启动自动从服务器获取相关数据并呈现在屏幕上,且每小时自动请求新的数据。教师可在终端上两秒内地查询学生出勤信息。

摘要：随着机器视觉技术发展,对识别速度、准确率和项目开发周期等方面都提出了更高的要求。人工智能无疑是较好的解决方式,而以往从底层编程搭建深度学习框架在技术和项目进度上都很难满足要求。为了满足图像识别要求,选择专用的图像处理服务器进行训练与识别,并对其主要部件进行选型。对SSD模型结构进行了分析,根据各层次结构计算了一次训练与前向运算过程中所需计算的参数及内存要求。通过开源的深度学习框架tensorflow、SSD识别模型,在Python环境下设计图像格式转换、图像识别和定位程序。并在VOT2016标准数据集中进行测试。测试结果显示,在速度和识别成功率上都符合预期要求。

摘要：卷积神经网络对于静态局部结构有很强的抽象表达能力,循环神经网络能够从动态变化的序列数据中学习到时间上的关联性。如果将卷积神经网络和循环神经网络的优点进行结合,设计一种CNN-RNN的融合网络,那么在处理图像序列时,融合网络应能够提取更合适的特征表示,达到更好的识别效果。基于tensorflow深度学习框架,尝试多种可能的CNN-RNN融合框架,并使用CK+表情数据集进行测试,结果表明CNN-RNN框架能够有效地提取表情序列的特征,分类效果比CNN有明显的提升。

摘要：针对超磁致伸缩材料的磁滞特性,提出了一种基于Preisach磁滞模型的MLP神经网络来建立磁滞模型,提高了模型的泛化能力;并通过对Preisach模型进行改进,建立了扩展Preisach模型,使其具有反交换性质。首先,建立扩展Preisach模型,简化函数表达式;其次,利用tensorflow建立MLP神经网络模型辨识输入输出之间的关系;最后,将原始数据切分为训练集、测试集和验证集,通过训练集和测试集寻找合适的神经网络隐含层层数、节点数、激活函数和优化算法,然后利用验证集验证该神经网络。实验结果表明,设计的基于Preisach磁滞模型的MLP神经网络的磁滞模型,在位移大于3μm时,该模型具有较高的精度和泛化能力。

摘要：相比于GAN技术,手写数字生成技术没有那么亮眼,但它却是图像生成可以参考借鉴的最简单实例,从手写数字到手绘图像,甚至到手工雕像,人工智能已经渗透到了艺术创作领域并且通过训练创造出令人赞不绝口的艺术作品。主要研究了利用生成对抗网络进行手写数字生成的技术,基于对生成对抗网络原理的理解,在Tensor Flow深度学习框架与MNIST数据集的基础上,完成了网络的训练与测试,重点对比分析了MLP-GAN、DCGAN、CGAN以及C-DCGAN模型生成手写数字的情况,最后的训练结果表明,C-DCGAN生成的图片更清晰高效。

摘要：作为深度学习的代表算法之一,卷积神经网络因为拥有良好的特征提取能力而被广泛应用于计算机视觉、自然语言处理等领域。然而,因为卷积神经网络拥有庞大的计算量,主流的硬件平台往往不能满足模型的各种需求。例如,CPU受限于自身架构无法提供高效的算力;GPU因功耗太高而无法满足移动设备需求;ASIC开发周期较长,成本较高,难以实现设计的复用。现场可编程逻辑门阵列是一种半定制电路,拥有计算力强、功耗低等特点,其并行化的结构特点正适用于卷积神经网络模型的搭建。针对MINST数据集,该文提出了一种卷积神经网络模型的设计思路及优化方法,并利用VIVADO HLS工具在FPGA平台上完成卷积神经网络模型的部署,探讨了卷积层IP核的通用性设计。经实验验证,卷积层的时钟周期经优化后大大缩短,卷积层的设计可通过参数调整实现复用。部署于FPGA的卷积神经网络模型性能良好,能通过参数传输的方式实现针对不同数据的通用。

摘要：随着自媒体时代的到来,互联网新闻、网络互动社区言论成为民众舆论的主力军。该系统针对网络虚假舆论被恶意引导、传播等问题,设计一款机撰文稿的智能识别系统。首先使用Python设计网络文稿数据采集功能,然后利用tensorflow深度学习框架训练出能分辨正负面情感的文本识别模型,最后实现业务逻辑模块和数据大屏展示,对用户请求的文稿进行判断甄别,该系统为现阶段的舆情分析提供一种新思路和新手段。