文本卷积神经网络模型在短文本多分类中的应用

互联网技术的蓬勃发展使人们获取信息的方式发生了深刻的变革,同时也使得互联网上的信息出现爆炸式增长。如何快速、准确地获得有用的信息及隐藏在信息中的知识,是当下人们的迫切需求。文本是互联网信息中最重要的数据类型之一,因此,文本挖掘已经成为数据挖掘中一个极为重要和繁荣的子领域。本文研究了通过文本卷积神经网络模型实现的互联网短文本多分类,对比了卷积神经网络模型与统计学模型朴素贝叶斯的效果差异,比较了不同词向量化方式对模型效果的影响,以及不同文本预处理方式对模型效果的影响。     

使用多任务级联卷积神经网络进行车牌照识别

车牌照识别是计算机视觉技术的一项重要应用,在保障日常交通秩序中扮演关键角色,因此,一直以来车牌照识别技术都是计算机视觉领域中一项热门研究。由于车牌照识别系统的应用场景通常在交通路口,交通情况复杂度高,由于车辆运动和拍摄角度导致的遮挡、图像变形等问题,使得高精度、抗干扰的车牌照识别系统具有重要研究价值。近年来,随着深度学习技术的发展,特别是其在图像识别和目标检测领域带来相较传统方法的巨大的性能提升。文章尝试使用深度卷积神经网络的方法,提出了一个在精确度和鲁棒性方面都较为出色的针对中国大陆车牌照的识别算法,其在我们的私有数据集上识别准确率达到94.93%,识别图片平均耗时243 ms。该方法可以通过更换数据集来泛化到其他国家或地区的车牌照识别问题上。     

基于动态门限的波长分配算法

目的：为了寻找一条适合的光通路，并合理地调配网络资源，扩大现有的网络资源的使用率，达到最大限度的增加通信通道的容量，降低完全分割策略波长分配算法导致的网络拥塞。方法：引入动态门限的概念，利用基于遗传算法的神经网络预测器求出门限值，根据实时网络动态划分各个波长子集。结果：动态门限可以对各个波长子集进行灵活划分，解决全分割策略波长路由分配的局限性，降低网络拥塞的发生率。结论：该算法与分割策略波长分配算法相比，性能有了很大的改善，此算法在一定程度上降低完全分割策略波长分配算法导致的网络拥塞，提高整个网络的公平性。     

基于RBF神经网络的郑州航空港货运吞吐量预测

从主成分分析入手,通过对RBF神经网络进行改进,构建了航空港货运吞吐量的预测模型,并对郑州航空港的货运吞吐量进行预测,经验证精确度较高。基于郑州航空港货运吞吐量的增长趋势,提出积极进行政策扶持、加强郑州航空港运作管理等具体建议,以期为郑州航空港建设提供一定的启示。     

基于BP神经网络模型的我国航空公司财务风险预警实证研究

随着国内经济体制改革不断深化和航权的不断开放,我国航空公司以其自身航线网络的覆盖为全国乃至世界的经济联络和交流做出了突出的贡献,然而,错综复杂的经济环境决定了航空公司更需防范潜在的财务风险,避免陷入财务危机。本文将采取主成分分析方法来对所选取的预警指标降低维度进行优化,运用优化后的预警指标构建基于BP神经网络模型的航空公司财务风险预警模型。本文选取2004年至2016年(剔除数据不全年份)四大航空公司共49个样本的财务和非财务数据,对2005年至2017年航空公司的财务风险进行预测。其中,38个样本作为训练样本,11个作为检测样本,检测结果表明:基于BP神经网络模型的航空公司财务风险预警模型具有较好的预测效果,可以进行有效的财务预警。     

基于K-means算法的神经网络文本分类算法研究

本文在分析文本分类算法的一般模型和现有技术后,针对传统神经网络算法存在的问题,提出了一种引入Kmeans算法用于训练RBF神经网络的径向基函数中心,改善误差反向传播（BP）神经网络分类算法收敛速度较慢的缺点。实验结果表明,改进后的RBF网络与BP网络、RBF网络相比,在取得较好分类精度和召回率情况下,具有较高的运算速度和较强的非线性映射能力。     

基于BP神经网络分析的在线矿浆品位分析仪设计

针对矿浆品位的在线分析的需要,设计了基于BP神经网络的在线矿浆品位分析仪,采用国外X荧光组件作硬件平台,利用VB6编程语言编写BP神经网络数据处理程序。初步实验表明,仪器能实时测出矿浆中含量较高的元素的品位,与采用化学方法测出的化验值基本吻合,对选矿生产具有一定的指导作用。