基于深度学习的AIT智能交通系统

随着我国汽车保有量的不断增加,城市地面交通现状收到社会的重点关注,交通拥堵已经成为非常棘手的问题。在人工智能发展背景下,提出以人工智能为基础,采集交通信息,并进行深度学习并处理,达到采集、分析、处理、控制交通系统的目的,形成基于深度学习的AIT智能交通系统。通过建立AIT智能交通系统,达到对我国交通系统的智能化管理,达到交通的最优化设计。     

基于深度学习的智能分类垃圾箱设计方法

目前,全国对于"互联网+"智能垃圾分类系统、智能垃圾桶等软硬件需求已处于白热化状态。垃圾分类机器人依靠计算机视觉来识别不同材料之间的差异,其背后应用了AI系统来赋予机器识别的规范和技术。通过深度学习技术,机器人可采用多层神经网络和视觉系统,以与人的方式类似的方式查看和识别物体。     

基于深度学习的虚拟学术社区智能问答研究

[目的/意义]作为科研人员知识获取、交流与利用的重要场所,虚拟学术社区资源具有数量多、价值高等特征,探索智能问答服务在社区的理论、方法与应用,对推动学术资源高效检索与利用,促进知识服务创新具有重要意义。[方法/过程]梳理虚拟学术社区研究现状与目前知识服务存在的不足,联合双向长短期记忆网络(BiLSTW)、文本相似度等技术作为支撑,基于注意力机制的CNN的智能问答方式构建学术社区内资源的智能问答模型,增加注意力分支以抽取细粒度特征,提高检索速度,提升科研效率。[结果/结论]智能化技术的应用实现学术资源的深度聚合,实现传统信息交互与智能化新技术的协同发展,提升了学术资源利用率,扩大信息资源共建共享。     

基于边缘计算和深度学习的城市违章行为智能分析

本文提出了一种基于深度学习的城市管理违章行为的分析算法,可以智能分析出视频流中的常见违章行为,用于城市管理人员的远程执法,节省了人力;将深度学习算法部署在前端的边缘计算设备,显著的减小了云数据中心的计算压力和数据传输的延时,改善了系统的性能。     

一种基于增强现实技术虚拟试衣的智能衣柜设计

随着科技的不断进步,人们的生活习惯也因此发生变化,越来越多的人愿意用新技术来改善现有生活中的一些问题。现有衣柜存在衣物收纳、衣着搭配及衣物管理等诸多问题,本文针对上述问题,提出了一种基于增强现实技术试衣的自动收纳整理衣物的智能衣柜设计。本设计能够运用增强现实技术进行衣着搭配预览,利用自动挂衣收纳装置有序整理衣物且防止衣物折皱,同时具有除湿、杀菌等功能。本设计简化了衣物收纳取用中的繁琐步骤,减轻人们劳动力的同时促进了生活质量的提高。     

基于嵌入式实时系统的智能伪钞鉴别仪

我们在智能伪钞鉴别仪系统的开发过程中,引入了嵌入式实时操作系统Small RTOS51,通过Smaill RTOS51操作系统,可在各任务间合理地分配CPU的时间和系统资源,简化软件编程,保证了系统的实时性,提高系统的可靠性.     

基于OpenCV的嵌入式智能门禁系统设计

基于智能家居安防系统中安全性的需求,以三星S3C6410嵌入式核心芯片为平台,以Open CV技术为核心,设计实现了具有人脸识别功能的智能安防门禁系统。本智能门禁系统首先将授权人的人脸信息进行灰度化、降维及计算特征值等处理,再进行准备训练,得到授权人的相关信息。然后对摄像头采集到的人脸信息进行处理。将授权人的人脸信息与采集到的人脸信息进行比对,判定门禁系统是否开放。经过测试,该智能门禁系统较好的完成了人脸识别功能,实现了门禁系统的设计要求。本设计已成功应用于智能家居安防系统中。     

基于自然语言处理和深度学习的建设工程合同智能分类方法研究

当前建设工程合同管理工作量大,长期依赖人工审核和主观经验,为改变合同审查依赖主观经验的现状,进一步探索和实现合同条款智能识别和智能审核,尝试引入基于深度学习（DL）的自然语言处理（NLP）技术,提出一种建设工程合同智能分类方法。首先,设计合同智能分类方案,分别采用卷积神经网络（CNN）、长短期记忆网络（LSTM）和融合模型进行计算实验;其次,将CNN和LSTM模型用于合同文本特征提取和合同文本分类中,通过融合两个神经网络以提升分类模型的性能指标。结果显示,精确率和召回率的调和平均数（F1值）最高的为融合模型,其次是LSTM模型,CNN模型最低。相较于基于机器学习的其他同类研究,基于NLP和DL的建设工程合同分类融合模型能够提高合同文本分类任务的效果,实现对大规模数据量的施工、勘察、监理等不同类型合同的准确识别以及快速分类和归档。     

一种基于深度学习算法的隧道裂缝智能检测系统

<正>现阶段,隧道结构作为隐蔽工程,其特点在于所处的外部环境复杂多变,受力情况复杂,隧道的结构安全性和稳定性受到影响。而国内铁路对隧道衬砌病害的检测工作,是通过人工检查完成的。依靠人工进行检测,要求检测人员具有专业性,检测工作是以人员主观判断为主,很难保证检测工作的准确性以及检测效率。同时受复杂的客观条件影响,例如：恶劣天气、照明、目视距离等,加大了人工检测的难度,     

基于深度学习框架下的多模态情报智能挖掘研究

【目的/意义】本文基于深度学习的理论框架,以突发事件中多模态危机情报智能采集加工生成应对策略的 过程作为研究对象,构建出第三视角视频采集模型,并按照“数据→信息→知识→情报”的递进顺序建立危机情报 多层次多阶段智能化模型。【方法/过程】提供不同层次多模态情报挖掘智能方法,使其达到对突发事件中多模态危 机数据智能采集后,通过智能挖掘分析把危机信息加工成危机知识并利用其智能生成突发事件分阶段应对策略, 从而最终构建多模态危机情报智能管理体系。【结果/结论】本文的研究架构和情报智能挖掘,可为突发事件应急决 策提供科学、客观的实践参考和理论指导。     

基于嵌入式的家用智能锁的设计

当今社会人们的生活水平日益增高,人们的安全意识也逐渐提高,因此日常家庭防盗安全问题已经引起人们的广泛关注,以前的普通机械锁安全性已经不能满足人们对安全性的要求。而智能锁则具有安全性高,成本低,低功耗,易操作等优点,这样极大的提高了我们的安全性。所以基于嵌入式的智能锁如何设计已经具有很高的研究价值。设计的智能锁的核心控制是运用STC89C52单片机来完成,同时STC89C52单片机还是智能锁的密码装置。采用矩阵键盘输入的电子密码和指纹密码解锁两种解锁方式。系统采用LCD1602液晶显示屏实时更新显示信息,并设有修改密码功能,由于采取上电先输入密码,输入密码正确后,会有两个选项,如果再输入1,就是开门,输入2就是修改密码。设置密码后若输入密码不对的前2次不会报警。这个智能锁的密码由六个数字组成,装置里有用户自己设置好了六位密码,能否开门看输入的密码是否与装置中以设好的密码相符,如果符合则开门,如若不符将无法开门。本次设计较为成功。     

基于深度学习的图像识别研究

图像识别技术是人工智能的一个重要领域,传统的图像识别方法需要人工设计特征,而深度学习属于神经网络结构,它能够从大数据中自动学习特征,极大的提高了识别准确率以及效率。因此本文着重研究了基于深度学习的图像识别方法,并探讨了卷积神经网络以及深度信念网络的基本模型和原理。     

基于嵌入式的智能故障诊断的研究与设计

在研究和分析了嵌入式故障诊断的特点和智能故障诊断技术的基础之上,设计了一个采用多Agent技术的基于嵌入式的智能故障诊断系统的结构模型,并对其诊断流程进行了设计。最后采用面向对象的表示方法对该系统的实现进行了类图的描述。     

女生的衣柜

节能小常识:服装在生产、加工和运输过程中,要消耗大量的能源,同时产生废气、废水等污染物。在保证生活需要的前提下,每人每年少买一件不必要的衣服可节能约2.5千克标准煤,相应减排二氧化碳6.4千克。     

基于ARM的嵌入式智能家畜养殖远程控制应用

家畜养殖是目前比较主流的养殖业之一,随着科技与社会的进步和发展,传统的家畜养殖模式已经无法满足现代的市场需求。因此,应用新技术,实现现代化的养殖系统成为了目前家畜养殖业的主流。其中,对于家畜养殖的远程控制,是目前最为主流的养殖模式。通过大规模的养殖模式,采用先进的控制系统,减少人员的劳动支出,实现远程控制的养殖模式。本文将对远程控制系统中,基于ARM处理器的嵌入式技术进行研究与分析。     

基于数据可视化处理的嵌入式智能查询算法

数据在许多研究领域都可采用图形来表示,图形和图形理论为人工智能决策提供了有效的可视化工具、体系化准则和相关技术。以交通线路自动调整系统为例,说明在嵌入式智能查询算法中如何利用图形对数据进行可视化处理的方法来避免"盲目"操作,从而提高算法的决策效率。     

基于深度学习的高中美术项目式学习

<正>项目式学习与深度学习都是以建构主义理论为指导,强调学生在真实的情境中针对问题的探究学习。深度学习是一种价值追求,而项目式学习是实现深度学习的一种教学方式或教学模式。深度学习是项目式学习的上位概念,所以探究项目式学习就必须充分理解深度学习的概念并把它置于思考的前沿位置。     

基于深度学习的文本表示方法

【目的/意义】文本表示是自然语言处理的基础工作，是信息检索、文本分类、问答系统的关键问题。【方法/ 过程】论文介绍了传统的文本表示方法，按照文本不同的粒度，回顾了近五年国内外基于神经网络模型的词表示、 句子表示、篇章（段落）表示的方法，并提出了未来的研究方向。【结果/结论】实验发现，通过在神经网络模型中融入 更多的特征能得到更优的词向量，但词向量还缺乏统一的评价标准，句子向量表示通常根据具体NLP任务建模，不 同结构的模型在特征表示、运算速度上各有优劣势，篇章表示通常使用层次组合模型。     

基于深度学习的情感识别研究进展

<正>随着人机自然交互、智能机器人等领域的研究发展需要,机器人与人之间进行简单的对话沟通已难以满足当下要求,而机器人具有一定的认知和理解能力,能够理解人类的情感则成为当下研究的新方向,因此情感识别已成为智能机器人领域的一个重要研究方向。目前基于语音、面部表情、生理信号等单一信号的情感识别已经取得一定的进展。但是实际上,只有综合人的语音、面部表情、肢体动作等多种行为特征才能更加准确地理解人类的意图和情感状态。     

基于深度学习的情感分类研究

互联网上的信息蕴含着海量带有情感的数据,充分地对其进行分类可以更好的了解网民的观点和社会舆情。情感分类是自然语言处理(NLP)的重要问题之一,旨在解决情感极性的自动识别与分类问题。近年来随着深度学习的迅速发展,深度学习在海量文本数据的智能理解上表现出独特的优势,得到了越来越多研究者的青睐。本文首先讨论几类有代表性的深度学习模型,利用几类典型的深度学习模型引出多种基于深度学习的情感分类方案。