摘要：深度学习是机器学习的一种前沿发展,设计主要利用谷歌的tensorflow框架,实现了对十种花卉的分类和识别。通过已有的大量的花卉图片素材,编写卷积神经网络对花卉图片训练集进行训练,并且将训练后所得模型存放在指定文件夹。再编写一个简洁的python图形的用户交互界面,实现图片的选择,根据训练出来的神经网络将识别结果输出。

摘要：文章主要介绍了基于移动终端的人脸识别系统的设计过程,该系统应用深度学习理论知识,并且利用谷歌公司开发的开源框架tensorflow实现人脸识别。基于移动终端的人脸识别系统借助HTML语言来调用HTML中的功能函数,从一段离线视频帧里截取人脸图像帧,用MTCNN模型进行人脸检测,再与Res-Net模型进行识别。结果表明,该系统可较好地实现人脸识别功能。

摘要：本文设计和实现了一个简单的应用程序,使用tensorflow神经网络框架训练出的CNN模型,并转换导出为TFLITE文件。利用Android系统的OpenCVC++库对Android手机的摄像头进行开发,使用户可以在移动端本地对图像进行识别。各项结果显示,本系统进行图像识别时,逻辑完善,各组件无错误,功能运行良好。载入训练好的CNN模型静态图文件,进行检测后,图像识别准确率保持在90%以上,基本达到了本论文的预期要求。

摘要：针对实际环境中干扰因素多和计算量大,导致人脸识别准确度下降和系统算力不足的问题,提出了一种基于深度神经网络与MPI并行计算的人脸识别算法.首先,分析深度神经网络模型,设计关键训练步骤,同时收集各类人脸图像,建立训练样本库.然后,结合深度神经网络模型,对样本库数据进行训练,生成识别框架,并借助tensorflow开源模型与Python来实现算法,进而达到识别人脸的目的.最后,基于MPI并行计算技术,搭建高性能并行计算平台,对所提算法进行分段优化与集成,实现识别系统的高速计算效率.实验测试结果显示:与已有的相关识别技术相比,所提算法具有更高的人脸识别准确度与抗干扰能力,从而可为高端智能监控系统提供技术基础.

摘要：笔者以tensorflow中的不良图像过滤技术为架构,在其基础上建立更为复杂详细的算法,重点研究不良图像过滤器设计中的核心技术,设置一个出错率更低,识别能力更高效的不良图像过滤器,使之能够检测出一般过滤技术难以辨别的检测盲区。此外,还采用人脸识别辅助提高识别准确率,在此基础上设计并实现了一个Android平台的不良图像识别软件。

摘要：本文结合实际环境,介绍了一种通过RSA算法和AES算法混合加密的设计方案,实现远程监控系统台站端与服务端在保证双方即时通信的基础上,又保证了数据传输的安全性,保护数据不因偶然或者恶意因素而遭到破坏、更改、泄露,确保广播电视的安全播出。

摘要：介绍tensorflow深度学习架构,分析梅尔频率倒谱系数(MFCC)模型,结合双向循环神经网络(Bi-RNN)和联结主义时间分类(CTC)模型,对中文语音数据集Thchs-30进行深度学习,最终完成中文语音识别的实验设计,为中文语音识别在本科实验教学的应用具体重要参考意义。

摘要：场景识别技术属于机器视觉的研究内容,是图像理解的常见任务,一直受到广泛关注。随着人工智能专业的发展,卷积神经网络在图像理解与识别领域取得了许多成果。因此,该文基于常用的卷积神经网络模型GoogLeNet和残差网络设计了场景识别模型。通过设计的模型提取场景图像特征,并利用卷积神经网络模型进行场景识别,最终完成对场景的分类识别任务。实验结果证明了卷积神经网络在研究场景识别问题上的有效性。

摘要：随着网络技术的快速发展,网络入侵等网络信息安全隐患引起人们的日益关注,通过入侵检测来及时发现潜在网络入侵行为是抵御入侵的一种有效手段,在实际应用中具有重要的意义。该文引入基于条件变分自编码器的深度学习模型,利用tensorflow框架搭建了一个入侵检测系统。为了验证本文入侵检测系统的有效性,我们在公开的NSL-KDD数据集上开展了相应的性能测试,实验结果表明所设计的入侵检测系统在五种网络状态的预判分类上准确率达到了72.2%,可以在实际部署中对入侵行为进行有效分类。

摘要：本文研究股票价格趋势的预测问题,并给出基于深度学习的股票价格趋势预测方法。构建深度学习网络模型,对沪深300股票指数高频数据进行训练学习并做出涨跌预测。研究表明,本文所设计的深度学习算法在股票价格趋势预测问题上有较好的数据特征抽取能力,能够反映样本的本质特征,并取得比较好的预测结果。