基于AdaBoost与改进CNN的驾驶员愤怒情绪识别

针对驾驶员愤怒驾驶引发的道路交通安全问题,提出一种基于AdaBoost与改进卷积神经网络(convolutional neural net-works,CNN)的驾驶员愤怒情绪识别模型.利用AdaBoost算法检测驾驶员人脸并采集面部表情数据,建立基于驾驶员情绪的表情数据集.针对CNN中LeNet模型的不足,提出改进方...     

基于AlexNet神经网络的户外车位实时检测

针对户外停车场场景复杂,导致车位使用情况检测效能低、时效差和成本高的问题,提出了基于深度学习的车位实时检测方法.在计算能力有限的嵌入式系统中,对AlexNet网络部分进行修改,使其能直接在嵌入式系统中运行;在采集和截取到每个车位后,嵌入式系统对车位分类得出使用情况.实验表明,所提出的车位使用情况检测方法与传统方法相比较...     

基于深度学习的电商用户评论情感极性分析

为对电商平台中的用户评论进行情感极性分析，先对这些电商评论文本进行预处理，再利用经过训练优化了参数的BERT-CNN模型进行分析。结果表明，BERT-CNN模型虽然用时较长，但准确率、召回率和F都优于其他模型，而且BERT-CNN模型训练过程稳定，收敛后损失较小，因此，在情感分析中BERT-CNN模型效果最好。     

在线课程思政资源智能推荐系统设计

为了解决在传统教学中难以实现三全育人理念下的全程育人问题，设计一个在线课程思政资源智能推荐系统，有助于在课余时间进行线上思政育人。系统由下往上分为数据采集层、数据分析层和资源推荐层，将数据采集层中的学生基本属性及行为数据输入至数据分析层中的卷积神经网络（CNN），预测学生偏好课程，然后从My SQL数据库中提取相应的课程思政资源，形成推荐列表至资源推荐层，实现对学生的智能推荐。基于学校教学平台的数据实验，结果表明，该系统具有较高的F1值和AUC值，对推动高校三全育人建设具有一定的工程价值。     

基于EdgeBoard的AI视觉多功能智能车的设计与实现

以百度飞桨PaddlePaddle作为运算平台，采用卷积神经网络算法构建数据模型，对智能车赛道数据进行了采集和处理，并基于百度深度学习开源平台AI Studio进行模型训练，完成对车道数据的检测．本系统实现了将赛道检测的人工智能技术与传统运用传感器进行侧面标识物的检测相结合，最终完成基于百度EdgeBoard计算板和Wobot控制器的视觉多功能智能车的设计与实现．     

基于尺度空间金字塔网络的人群计数算法

针对人群密度大和分布不均等因素造成计数困难的问题,提出了一种基于尺度空间金字塔网络的人群计数算法.首先通过迁移经典网络VGG16的前10层作为前端模块提取初步特征;然后使用尺度空间金字塔模块提取多尺度人群特征,并在该模块中引入扩张卷积,通过增大感受野进一步优化特征图,以解决人群拥挤和人群分布不均的问题;最后使用1×1的...     

基于轻量级卷积神经网络的科技型中小企业估值研究

对科技型中小企业进行科学合理估值有利于其募集资金从而健康发展，但传统估值方法的准确度和适用性均有待考量。鉴于此，利用文献分析与关键词提取方法，初步从相关文献中提取科技型中小企业估值指标，并通过德尔菲法筛选得到能体现科技型中小企业核心能力的关键指标；进一步设计轻量级卷积神经网络（TecNet）结构，基于大数据训练构建适用于科技型中小企业的估值模型；最后以10家样本企业为例，对其2017—2021年度预测值与真实值相对误差进行拟合分析以及敏感度分析，以验证所构建估值模型的有效性。结果表明：模型预测的拟合曲线与真值重合度较高，平均相对误差为3.43%，且90%的样本的相对误差在10%以内，说明Tec Net模型具有科学有效性；将关键指标提升5%时，硕士及以上比例、研发投入占营业收入比例以及专利数对估值结果浮动程度最高，分别为16.51%、16.10%和11.87%，表明科技型中小企业价值对这3项指标最为敏感。因此，科技型中小企业发展应着眼于其关键指标，通过优化员工学历层次、加大研发投入等措施提高智力资本，并持续加强技术创新。     

基于卷积编解码网络的自由感应衰减信号提取方法北大核心

在实际应用中,自由感应衰减信号(FID)数据中通常含有大量噪声干扰,直接影响了检测结果的准确性。该文针对上述问题,设计了一种基于卷积编解码网络的FID信号提取方法。即在卷积神经网络的框架下,通过训练学习复杂噪声背景下FID数据时频谱与纯净FID信号时频谱之间的映射关系,实现FID信号的噪声压制,再经短时傅里叶逆变换完成FID信号的提取。在卷积网络训练中同时考虑了FID信号的实部和虚部特征,更好地保留了其相位信息。实验结果表明:提出的FID信号提取方法可以在多种噪声同时存在的情况下有效地压制噪声,且不损失FID信号。该方法可作为深度学习课程的验证性实验,也可作为创新性实验内容。     

改进YOLOv5s PCB板缺陷检测算法

当前PCB板缺陷检测存在检测效率低、漏检或误检率高、检测精度不够等问题，以YOLOv5s为基础算法，提出改进算法YOLOv5s-DS。该改进算法首先通过融入DSConv深度可分离卷积进行特征提取，降低网络参数计算量。其次，采用SIOU损失函数替换GIOU损失函数，提升算法精度，加快收敛速度。研究结果表明，该改进算法有效地提升了PCB板缺陷检测的精度和检测速度，降低了漏检率，为PCB板缺陷检测提供了参考。