深度学习算法在山区植被分类中的应用

本文将深度学习技术中的卷积神经网络算法应用于遥感影像中的植被类型分类研究,模型包括卷积层,池化层以及全连接层,卷积层完成了影像中特征的提取,池化层对特征降维,最后全连接层完成植被的分类工作。针对研究使用的数据集,模型得到的94%的分类精度。     

基于卷积神经网络的牛脸识别方法研究

随着科学技术的发展,奶牛养殖中传统的人工识别效率低,需要花费大量的人力物力,不足以适应现代需求,我们希望能够借助计算机来处理、分析、理解图片中的内容,使得计算机可以从图片中识别奶牛个体面部,方便奶牛养殖的管理。在牛脸识别中,神经网络的结构会对神经网络识别的准确率产生巨大的影响。卷积神经网络是一种比起其他算法可以有更低错误率的算法,在卷积神经网络中,一个神经元只与部分邻层神经元连接,通过卷积神经网络各层计算,有效的减少神经网络中的参数,防止过拟合问题,从而构建一个合理的神经网络结构来实现准确识别。     

基于WT-CNN深度学习的轴承故障识别

针对传统轴承故障识别方法的识别率低以及人工干涉等问题。提出了一种基于时频图和深度神经网络(WT-CNN)轴承故障类别的自动识别方法。首先采用连续小波变换(CWT)将原始信号转为时频图,然后将其输入VGG-16神经网络模型中的卷积网络层(CNN)进行特征自动提取,并使用softmax层完成识别。实验结果表明,该方法可以准确地识别轴承故障类别,其准确率达到100%。因此与其他神经网络和传统机器学习方法相比,WT-CNN神经网络模型能有效对轴承故障类别完成识别任务。     

基于深度卷积神经网络的遥感影像分类研究

针对目前应用于遥感影像分类的常用算法已经无法满足大数据应用下的分类精度要求等问题,文章提出了基于卷积神经网络遥感影像分类方法并给出了具体分类流程,为卷积神经网络在遥感影像分类领域的应用奠定了基础。     

基于Keras的图像分类模型的研究与应用

为提高图像识别的准确率，降低模型的损失，以及简化模型构建过程，文章提出一种基于Keras框架的图像分类神经网络模型。通过改进传统神经网络模型中损失函数以及增加DropOut过拟合技术，利用谷歌TensorFlow平台的Keras高级接口进行图像识别模型的搭建和训练，最终将模型应用于Fashion-MNIST多分类数据集，实验结果表明提出的基于Keras图像分类模型极大地简化了模型的复杂度，减少了模型过拟合现象的发生，并提高了图像分类的准确率。     

基于卷积神经网络的管道井缺陷识别研究

管道井与人类社会生活息息相关,而由于管道井盖丢失、破损造成交通事故频发,危害人类财产生命安全。本文提出利用计算机视觉技术检测识别管道井缺陷,然后通过标记报警功能来实时抢修,可以避免更多事故的发生。本文通过构建深度神经网络模型,利用卷积神经网络模型自动提取图像中每种管道井缺陷的特征,通过对管道井的六种缺陷现象进行训练、测试,得到最终识别结果。实验结果表明,卷积神经网络对管道井缺陷图像的识别达到来预期的效果,并在缺陷检测中优于传统的分类模型。     

一种基于现有快递自提终端的改进方案

针对当前物流业“最后一公里”问题，分析了采用自动存取终端的优缺点。针对电子商务订单的特点，以成熟应用于物流中心的自动化立体库技术为基础，应用可变货格分配概念和多层穿梭式皮带输送存储线联动技术等先进的仓储物流技术对其进行改进，设计了新式的自动化存取终端。将仓储物流中心的概念引入到自动存取终端的规划建设中，改进了现有快递自提终端的缺点，为解决物流“最后一公里”问题提供了新思路。     

基于物联网的仓储管控一体化系统设计策略

分析了仓储管控一体化系统的构成和建设的意义,总结了物联网应用的四个原则,给出了基于物联网仓储管控一体化系统的结构,重点强调了物联网多功能结点的分类设计策略,最后对信息综合与分层信息处理进行了探讨。     

基于蚁群算法的改进神经网络备件库存分类模型研究

针对基于BP神经网络的备件库存预测模型的不足,提出基于蚁群算法的改进神经网络算法应用于备件预测模型。首先建立了基于蚁群算法的改进神经网络备件库存分类模型：其次进行了实验分析及对比。验证了模型的可行性。对装备备件预测具有一定的参考价值。     

基于GMDH方法和BP神经网络的经济预警模型

文章应用GMDH方法来确定BP神经网络的输入指标,对传统的BP算法进行了改进,使得输入指标的选择能自动实现,减少了人为因素的干预。用改进后的BP神经网络对四川省的工业经济状况进行了评价,计算结果表明,训练后的神经网络模型能准确对经济状况进行评价分类,从而实现对经济的预警。     

基于物联网的仓储管控一体化系统设计策略

分析了仓储管控一体化系统的构成和建设的意义,总结了物联网应用的四个原则,给出了基于物联网仓储管控一体化系统的结构,重点强调了物联网多功能结点的分类设计策略,最后对信息综合与分层信息处理进行了探讨.     

基于可拓神经网络的分类算法研究

BP神经网络是一种常见的分类算法。但BP网络运算速度慢,而且容易陷入局部极小。文章通过增加动量因子避免了BP网络的局部极小,并利用可拓学的扩缩变换,改进了BP算法的训练停止区域,加快BP网络的收敛速度。文章在matlab70环境下进行了仿真测试,仿真结果显示,基于可拓神经网络的分类算法在收敛速度等方面有明显改善。     

基于改进粒子群神经网络对电力仓储库存需求预测研究分析

随着电力行业集约化政策的落实,通过协议库存采购货物是电力仓储常见的补货形式,但在现如今的库存补货中,缺乏高效的需求预测模型,补货数量往往依靠经验主义,容易导致仓储库存堆叠,管理成本增加。针对此问题,文章将广州供电局立体库提供的实际数据作为样本数据,首先建立BP神经网络预测模型,并考虑电网物资采购特性,引入改进的粒子群算法进行模型优化,实验结果表明,优化后的电力仓储需求预测模型中,标准均方根误差和平均绝对百分误差分别为原模型的43.15%和67.3%,预测误差明显降低,系统稳定性增强,优化效果明显,可为需求预测在电力仓储中的应用提供新方法。     

基于卷积神经网络的特征描述子学习

随着深度学习的发展,作为图像任务基础的特征描述子开始倾向于通过卷积神经网络学习。目前的卷积神经网络模型大多采用交叉熵损失项进行约束,通过大量的输入数据训练网络。但由于缺乏细节上的约束,因此训练的网络模型特征提取能力并不优秀。针对以上问题,文章提出一种新的浅层神经网络模型,并在此基础上通过改进采样策略以获得更多的训练样本,使用复合的损失项对网络训练过程进行约束。实验表明,提出的神经网络模型能够获得更紧凑的特征描述子,特征提取的能力更强。     

自动化烟丝库的仓储调度策略研究

本文提出了一种改进后的仓储调度策略算法,对多AGV系统进行路径规划,并对增加AGV运行期间的复合循环调度进行研究,结论显示该方法能有效地提高仓储调度系统与AGV系统的兼容性及实时调度的柔性、效率和鲁棒性,对相似系统应用具有参考价值。     

基于PCNN的金属断口图像识别方法研究

结合Bandelet变换和神经网络的各自特点，提出了一种基于脉冲耦合神经网络（Pulse Coupled Neural Networks，PCNN）的新的识别方法。该方法将金属断口图像输入到PCNN中，像素激发引起神经元激发。发生点火，产生脉动序列输出，得到输出图像的神经元点火序列及熵序列作为断口识别分类的特征。该方法将PCNN引入到金属断口的识别研究中，开拓了金属断口模式识别的新领域，同时对于PCNN的理论研究和实际应用具有现实意义。     

基于树莓派的垃圾分类系统设计

随着科技与经济的高速发展,合理利用垃圾资源已经成为我国主要问题之一.为解决目前垃圾分类中分类效率低下的问题,本文通过对ResNet卷积神经网络的运用,提出了一种基于微型计算机的垃圾分类系统,该系统使用树莓派作为主控设备,以华为垃圾分类挑战赛数据集作为本次数据集,实现了准确识别垃圾种类并将垃圾分类的功能,同时通过对舵机的控制实现了垃圾箱的开合动作.测试结果表明,该系统具有较好的垃圾识别和分类功能.     

简易无接触温度测量与身份识别装置

本系统采用STM32F103为无接触测温板块控制核心,搭配mlx90614测温模块,oled显示,来完成对人体和物体的分类测温,k210用做身份识别模块处理核心利用其搭载的双64核处理器以及kpu神经网络处理器,对采集数据进行神经卷积运算,身份算法方面使用了mtcnn特征点采集算法,Haar人像分类器以及196维人脸比对模型来实现高精度人脸识别,口罩识别模块我们使用了自己训练的yolo2分类模型来实现口罩分类功能.     

医药物流仓储作业的计算机仿真与优化研究——以S物流企业为例

首先对S物流企业的储运基地布局进行了深入分析,利用ABC分析法进行药品货物的分类存储,并对药品库进行布局规划,最后利用Flexsim平台对药品入库与出库过程进行仿真,根据仿真结果找出仓储作业中的瓶颈,对药品仓储方案进行优化设计,提高了仓储作业效率。     

电力仓储体系规划设计的数据分析

鉴于仓储体系建设对于电力公司现代仓储配送网络构建的重要作用,针对仓储体系的规划设计进行了深入的分析,着重分析了仓储体系规划设计的关键性数据分析因素:物资分类、储备定额和仓库规模,对物资聚类分析过程及储备定额与仓库规模的计算方法进行了详细描述,为仓储体系的数据分析提供借鉴.