摘要：针对程序设计类课程教学中存在的问题,深入分析“项目式+翻转课堂”的教学模式与程序设计类课程的契合关系,以“MNIST手写数字识别”项目为例,阐述“项目式+翻转课堂”教学模式的设计和评价方式,介绍基于项目式教学的翻转课堂构建过程,最后通过问卷调查分析说明教学效果。

摘要：针对传统机器学习中应用于多位字符验证码的分割识别方法具有整体准确率低、泛化能力不足的问题,提出一种高效通用的识别方法。设计基于CNN模型的端到端字符型验证码识别流程,使用tensorflow框架实现流程的数据训练和效果验证。该方法可以高效地识别出字符型验证码,其平均准确率为95%以上,输入整张图片,直接输出整体识别结果,具有更强的通用性。使用CNN模型识别多位字符验证码相比于传统机器学习方法具有更高的准确率和通用性。

摘要：交流输电线路在电力系统中起着关键的作用,影响着国家工业发展和人民的经济生活。尽管直流输电技术越来越完善,但交流输电方式在高压输电和低压配电中仍然举足轻重。因此当交流输电线路发生故障时,如何快速且准确的识别出故障类型进而进行相应故障处理,对于提高电网可靠性,减少经济损失具有很高的实际意义的。本文搭建了tensorflow机器学习平台,通过电磁暂态仿真模型软件测试出训练数据和测试数据,研究基于相关算法的三相交流线路短路故障辨识的方法。希望通过tensorflow这个深度学习平台,探索出较为成熟的交流线路短路故障识别方法,并以此为出发点应用在电力系统的各个环节中。

摘要：三维地震数据中的断层规模从米级到千米级不等,断距从米级到数十米级不等。断层通常表现为同相轴错断、突然增减、消失或扭曲等显著地震响应特征。断层在三维地震数据体中占的体积比例很小,使得利用常规断层识别方法得到的断层识别结果存在不连续、识别率低等问题。针对断层的多分辨率特征,充分考虑了断层点或线在整个地震数据的占比小等特点,提出了一种三维神经网络MultiRes-Unet3D断层识别方法,该方法在网络学习过程中使用加权交叉熵损失函数解决了普通交叉熵损失函数不同项之间的平衡问题,使得神经网络具有了较为可靠的断层识别能力。首先,利用正演模拟方法生成三维合成地震数据集和断层标签,然后基于tensorflow搭建、训练与测试MultiRes-Unet3D神经网络,再将训练好的网络模型迁移到实际三维地震数据的断层识别中。该神经网络断层识别方法在实际地震数据中的应用表明,断层识别结果空间连续性好,识别结果客观,断层边界更为准确,网络模型泛化性能良好,适用于具有不同断层构造特征的实际地震数据,节约了断层解释的时间成本与人工成本。

摘要：本程序主要任务是在前作的基础上做出一些改良。前作[1]是以深度学习为核心,开发了一个可以进行食谱推荐和健康分析的微信小程序。本论文中,将利用基于tensorflow搭建的神经网络模型;通过使用微信的相应接口,在百度AI的基础上,实现对用户的卡路里摄入动态监控。本文旨在用丰富的组件来拓展小程序的相关页面。其中,Vant组件完善菜品界面;ECharts组件完善卡路里曲线;利用Python中重量级框架Scrapy和Django,实现搜索关键词、词云图以及其他可视化图标的功能;同时对小程序的界面进行了一定程度的美化。

摘要：现阶段普遍采用的内泄漏检测方法,实际上并没有做到液压缸微小内泄漏量的监测。为监测液压缸微小内泄漏量,提出了利用tensorflow的研究方法。其中最大的创新点是设计了一种结构性的液压油传感器,并采用tensorflow构建网络实施监测,将复杂的应变—微小泄漏量关系简化至可直接读取。主要内容是利用液压油传感器,提供给微小内泄漏一个缓冲部位,减少压力影响,同时连接液压油收集部位和PC端,构成整个监测系统对数据进行采集和处理,最后再利用tensorflow实现无需人工的液压缸内部微小泄漏量监测。结果表明,结合液压油传感器和tensorflow,提取原始数据并处理最终数据,可以监测液压缸微小内泄漏量,为液压系统的微小内泄漏量的监测提供了研究思路。

摘要：针对疫情期间或者特殊行业无接触配送的需求,基于树莓派4B处理器及Raspberry操作系统,采用Python开发语言及tensorflow、OpenCV和***等实现开发。通过车载摄像头采集图像,利用OpenCV技术对图像进行处理,实现循迹功能;通过建立深度学习模型,对红绿灯数据集进行训练,利用训练好的模型实现红绿灯识别功能;通过红外避障模块实现道路避障功能。在带有红绿灯、障碍物和四个弯道的长方体模拟轨道进行测试,能准确地完成两圈行驶。该设计原理清晰,易于实现,在无接触配送、无人驾驶等方面具有很高的应用价值。

摘要：大数据背景下敏感信息管理面临着新的挑战,有效监控敏感信息难度越来越大。针对传统监测研判手段和方法存在分类精度低、耗时长、存在误判、难于溯源定位、取证难等特点,本文研究卷积神经网络模型及朴素贝叶斯算法在大数据背景下对敏感信息的分类、识别和监控上的应用,采用tensorflow与Keras深度学习的框架,利用朴素贝叶斯算法进行敏感信息分类,进而构建一个快速准确的将敏感信息进行识别监控数字化显示系统,该系统具备分类精度高,耗时短,误判少,能溯源的优势。

摘要：传统药房采购的中药饮片入库时,往往需要经过人工审核的方式确保中药饮片进入对应的药箱,中药饮片在配药出库时也要经过人工干预保证发药正确。针对中药饮片入库和出库审核时间较长的问题,前端上利用QT Designer软件完成了自动化药房中药饮片识别系统的UI显示界面设计;后端上使用tensorflow里的Keras框架搭建14层的卷积神经网络模型,完成了14000张数据集上的模型训练,训练集获得准确率为96.07%的模型;通过信号槽函数设计和训练模型外置与调用,实现了软件前后端的交互。自主开发的自动化药房中药饮片识别系统软件具有本地图片识别、拍照识别、连续识别这3种识别功能,可以有效辅助药房人员进行中药饮片出入库审核,提高工作效率。

摘要：提出了一种基于单片机中人工神经网络的低压串联交流故障电弧识别方法,搭建了交流串联故障电弧实验平台,设计了基于STM32F407ZGT6单片机与AD7606芯片的信号采集板,建立了tensorflow下的人工神经网络模型。通过采集正常工作和发生故障电弧的电流奇次谐波数据,对人工神经网络模型进行训练,将训练后的人工神经网络导入单片机STM32F407ZGT6中,用于对故障电弧进行识别。实验结果表明该方法可准确识别交流串联故障电弧。