基于3D卷积神经网络的人体行为识别方法

为了提高视频中人体行为识别的准确率,更好地利用视频中的原始信息,提取出更具有代表性的特征,提出一种基于3D卷积神经网络的人体行为识别方法。该方法构建了一个深层三维卷积神经网络模型,使用三维卷积核进行卷积操作,提取视频中人体行为的时域和空域特征,通过多层卷积操作对底层特征进行再组合,得到抽象的高维特征。在KTH数据集上的实验结果表明,该方法有较好的识别效果。     

基于深度神经网络在线密码攻击模型的研究

密码创建规则中包含多种多样的个人身份信息组合方式,不仅文法结构规范特殊,而且语义内容丰富.对于文本处理方法,传统的基于概率上下无关文法模型会导致文本特征表示稀疏、语义信息或丢失的问题,因此提出利用深度学习DNN算法.通过对个人身份信息数据进行特征提取,构建语义分类表示的深度神经网络,并为该模型设计训练方法来进行广泛的训练.最后通过实验表明深度学习DNN算法能够提高个人身份信息语义识别的性能,在一定程度上优于已有的一些密码攻击方法.     

遗传算法在电力系统故障诊断中应用及智能设计

介绍了遗传算法及其在电力系统故障诊断中的应用,建立了基于遗传算法的模糊神经网络智能控制系统模型,并对模型的智能控制过程进行了分析,以故障分类算法为例,说明算法在电力故障诊断中的应用及其实现过程。     

基于VPMCD的全方位高校教师教学质量评价方法

当前高校教育改革逐渐深入,如何提高教学质量已经成为当前高校教学的工作重点,而教学评价是提高教学质量的关键指标。因此,合理、科学的教学评价方法显得尤为重要。目前神经网络被广泛应用于高校教学评价,但是神经网络具有样本需求多、计算量大及容易陷入局部最优解的缺陷。针对这些问题,提出变量预测模型分类(Variable Predictive Model Based Class Discriminate,VPMCD)方法的全方位高校教师教学质量评价方法,并将其与BP神经网络进行仿真对比分析。结果表明,相对神经网络,VPMCD方法能有效提高评价准确率。     

基于改进编码的多聚脯氨酸二型结构预测

目前使用机器学习方法对稀有的PPII二级结构进行预测工作还比较少见。本文在分析数据集的特征基础之上,采用加强局部信息的改进编码方法,并使用生物信息学中常用的BP神经网络来预测PPII二级结构。通过对不同输入窗口长度与不同隐层节点数的神经网络进行训练和测试,得出在输入窗口长度为5个氨基酸残基和隐结点数为8时PPII螺旋结构能够被很好地预测出来,此时的预测敏感度为82.5%。     

基于Hopfield网络的复杂网络社团提取

针对复杂网络中的社团提取问题,提出了一种基于离散Hopfield神经网络的社团结构提取算法,该算法的思想为:首先,对复杂网络数据的进行处理;其次,结合社团提取准则模块度函数Q的形式设计Hopfield神经网络的权值向量W和阈值T;最后,根据网络稳定点的输出值提取出网络中的社团结构.仿真实验表明,本文中的Hopfield神经网络算法比谱分算法得出的Q值更优,对网络的划分更接近实际网络.针对复杂网络中的社团提取问题,提出了一种基于离散Hopfield神经网络的社团结构提取算法,该算法的思想为:首先,对复杂网络数据的进行处理;其次,结合社团提取准则模块度函数Q的形式设计Hopfield神经网络的权值向量W和阈值T;最后,根据网络稳定点的输出值提取出网络中的社团结构.仿真实验表明,文中的离散Hopfield神经网络算法比谱分算法得出的Q值更优,对网络的划分更接近实际网络     

基于BP神经网络模型的商品房价格预测研究

鉴于目前商品房价格预测方法存在的问题,在分析影响商品房价格主要因素的基础上,提出采用BP神经网络建立商品房价格预测模型,利用果蝇-蛙跳算法优化BP网络初始权值和阈值等结构参数,选取某城市2000～2018年的商品房价格及其主要影响因素数据作为训练样本和测试样本.通过仿真分析表明:BP神经网络模型经过果蝇-蛙跳算法优化后能加快网络的收敛速度,提高商品房价格预测的精准度,对于政府部门进行房价宏观调控以及房产企业的运营管理都具有一定的参考价值.     

BP神经网络隐层结构的设计方法

针对神经网络隐层结构设计问题,介绍了几种神经网络隐层层数和各层节点数的设计方法.此方法计算量小,具有很高的实用参考价值.     

控制动态电磁感应强度的神经网络逆向建模方法

介绍了基于B-H磁滞回线,利用BP人工神经网络建立的逆向B-H模型。根据建立的这个模型,利用simulink对这个模型进行仿真,通过输入期望的磁感强度信号,得到需要的磁场强度信号。     

基于GA-BP网络的洱海水质预测研究

水质预测是水污染防治工作的前提,是实现水系统管理的重要基础工作。在神经网络预测基础上,提出了基于遗传算法优化神经网络的洱海水质预测模型。该方法克服了传统BP神经网络收敛速度慢、算法容易陷入极小值、隐含层神经元个数难以确定等问题。利用遗传算法较强的全局搜索能力,提高了算法收敛度,能够迅速得到全局最优解。MATLAB仿真结果对比表明,优化前神经网络模型平均误差为25.1%,优化后模型预测平均误差为2.3%,证明该算法缩短了收敛时间,提高了预测精度。