基于云计算平台的智能预测模型研究

本文针对不同用户对鲜切花价格预测数据的需求,提出了一个基于云计算平台的智能预测模型。通过对BP神经网络算法进行改进,建立鲜切花智能预测模型,利用云服务创建服务接口,在云服务中实现数据信息共享。分析结果显示:该平台具有实用性,在云计算平台上获取了低成本、高质量的数据。     

样条权函数神经网络在机械手逆运动学中的应用

针对传统神经网络算法中存在的缺陷,提出了一种样条权函数神经网络,并将其应用于机械手的逆运动学求解中。该类型的神经网络结构简单,训练得到的权值是由三次样条函数组成,而非传统神经网络的常数,通过求解线性方程组得到三次样条函数的表达式。所以本算法不存在局部极小、收敛慢等缺点,仿真证明该算法具有较高的精度。     

基于径向基神经网络的非寿险公司财务预警研究

选取我国保险行业中40家非寿险公司2006~2008年的混合非平衡面板数据作为研究样本，采用径向基神经网络模型从偿付能力、盈利能力、成长能力三个角度对非寿险公司财务预警进行研究。实证表明，此模型可以为管理层的财务预警提供更有有效的信息，并且在我国保险业具有样本量小，有效数据少的情况下，有着良好的运用前景。     

基于机器学习的模拟电路故障诊断研究

本次研究将对神经网络方法做简单介绍,在此基础上提出小波神经网络法、优化神经网络法以及支持向量机法等在模拟电路故障诊断中的应用。     

基于卷积神经网络马铃薯叶片病害识别和病斑检测*

针对自然环境下马铃薯叶片病害识别率低和晚疫病斑定位难的问题,基于大田环境中采集的马铃薯叶片图像,首先对马铃薯叶片病害进行识别,对比AlexNet、VGG16、InceptionV3、ResNet50、MobileNet五种神经网络模型,结果表明InceptionV3模型的识别效果准确率最高,可达98.00%。其次对马铃薯叶片的晚疫病斑进行检测,提出一种改进型的CenterNet-SPP模型,该模型通过特征提取网络获取对象的中心点,再通过中心点回归获得中心点偏移量、目标大小等图像信息,训练后的模型在验证集下的mAP可达90.03%,以F₁为评价值分析对比其它目标检测模型,CenterNet-SPP模型的效果最好,准确率为94.93%,召回率为90.34%,F₁值为92.58%,平均检测一张图像耗时0.10 s。为自然环境下马铃薯叶片病害识别和检测提供较为全面的深度学习算法和模型研究基础。     

基于BP神经网络的光通信系统故障诊断

阐述了光通信系统故障诊断过程中,应用BP神经网络模型的重要性。以专家经验和文献依据为途径,建立了光信号系统故障知识库。同时,选择了基于模糊综合评判为计算方法,建立了神经网络数学模型。最后,以光信号元件故障诊断实例为例,论证了BP神经网络法的可行性。     

基于脸部转向控制的智能车

随着智能化水平的提升,人们对智能化的追求也越来越高,能够让机器主动理解人类的语言与意图,日益成为当今研究的热点。本文基于机器视觉、图像处理技术采集、识别人类最为简单、高效的脸部转向语言,利用MATLAB将采集的数字图像分割为矩阵,通过LVQ神经网络算法对分割后的矩阵特征进行学习、识别、产生转向信号,通过蓝牙通讯控制以单片机为控制器的智能车,以便更好地实现机器智能化。