基于深度学习的乳腺癌预测

随着人民生活水平的不断进步与对美好生活的向往,人们对于个人的健康越来越重视.乳腺癌是对女性健康威胁最大的恶性肿瘤之一,对乳腺癌进行快速、精准诊断并提供个性化治疗方案已成为目前社会的迫切需求.论文使用深度学习TensorFlow框架构建前馈神经网络,根据从乳房块细针抽吸(FNA)数字化图像数据描述的细胞核特征中,分析不同维度的病理特点,预测乳腺癌是良性还是恶性.为医疗行业提供一种高效乳腺癌预测手段,具有一定的实际意义.     

基于TensorFlow的交通标志识别系统研究

在经济快速发展、人们生活水平逐渐提高的同时,社会上行驶的车辆数目迅速增多,交通拥堵现象成为常态,并且交通事故也频频出现,对社会造成了巨大损失。基于此种形势,无人驾驶领域的智能交通系统受到很多人的关注。TensorFlow是近年来比较流行的深度学习框架,本文将基于TensorFlow实现卷积神经网络模型,并解决交通标志识别的实际应用。     

基于TensorFlow的犯罪时间序列预测

本文针对基于TensorFlow的犯罪时间序列建模及预测方法进行了研究。首先搭建TensorFlow软件开发平台,然后利用长短时记忆网络(LSTM)建立犯罪时间序列预测模型,最后对实际犯罪时间序列进行建模预测,得到了较好的效果。     

基于GA改进LSTM-BP神经网络的智慧楼宇用能行为预测方法

针对大部分预测方法难以适用于多源异构数据的处理,且存在能源类型考虑不全面等问题,提出了基于GA改进LSTM-BP神经网络的智慧楼宇用能行为预测方法.该方法通过K-means聚类算法分析用能行为并减少用能数据规模,利用遗传算法优化长短时记忆网络(LSTM)结合反向传播神经网络(BP)的预测模型,实现对智慧楼宇的能耗预测.基于TensorFlow深度学习框架进行实验分析,结果表明所提方法在12 h及120 h内预测结果的MAE值分别为1.79 J和2.11 J,预测效果稳定并优于其他对比方法,故具有一定的应用前景.     

TensorFlow框架中OpenCL核函数的测试验证方案设计与实现

[目的]TensorFlow是人工智能领域最具代表性的深度学习框架.国产加速设备需要一个支持OpenCL的TensorFlow才能发挥其加速性能,为此需要将TensorFlow框架下的CUDA代码向OpenCL转换.如何验证OpenCL核函数的正确性,是研发任务面对的重要问题.[方法]基于TensorFlow动态链接库...     

基于热成像的动态多目标温度智能监测仪设计

为了满足小型室内场所人员体温自动监测的需求,设计一款低成本的动态多目标温度智能监测仪。 采用高分辨率微型热成像模块 Lepton 3.5 获取热红外图像,在 STM32H743 上搭载 TensorFlow Lite 深度学习框 架,监测热红外图像中的人体并标记其温度,重点基于“滑动窗口”技术设计新的人体识别算法,解决了由 于 MCU 算力不足导致的视频卡顿问题。实验结果表明,目标识别的准确率高达 99.7%,监测多个动态目标温 度时视频流畅。该温度监测仪体积小,成本低,监测目标多,适用于家庭、办公室和实验室等场所。     

激活函数的对比测试与分析

随着人工智能的发展、含有激活函数库开源框架的增加,针对激活函数库的对比与分析越来越重要。在Intel x86架构上进行实验,从函数性能、稳定性、精度3个方面测试并分析了PyTorch和TensorFlow两种主流人工智能框架中的常用激活函数。实验结果表明,PyTorch的整体稳定性要高于TensorFlow,且Sigmoid、Hardsigmoid、SeLU、ReLU、ReLU6、Tanh函数的性能皆优于TensorFlow;在精度方面,TensorFlow中除SeLU函数与LeakyReLU函数稍差些,其余函数与PyTorch表现相当。     

基于TensorFlow卷积神经网络的图像识别

TensorFlow是Google公司发布的开源人工智能深度学习框架,卷积神经网络是进行图像识别的一种有效方法。本文在研究Tensorflow深度学习框架以及卷积神经网络的基础上,利用keras官方下载的cifar数据集,采用LeNet-5算法对数据进行了处理、建模、训练、并对模型进行了评估以及保存,利用测试集完成测试后,不同图像识别的准确率有所不同,青蛙识别的准确率最高,为79%,汽车的识别准确率为78%,猫和狗的识别准确率最低,分别为41%和53%,所有图像识别的平均准确率为65%。