基于深度学习的中医药研究应用

本文介绍了机器学习的两个阶段:浅层学习和深度学习,介绍了在中医药研究应用方面的进展,希望本文能给中医药研究者带来新的思路。     

基于深度学习的虹膜识别方法研究

随着信息化社会的高速发展,人们生活水平的不断提升,与此同时人们开始越来越注重身份验证的准确性、安全性、稳定性.人体生物特征表现出了几大特点:唯一性、稳定性、不可复制.本文通过深度学习技术简述、分析特性、探究支持,研究了生物特征识别中的虹膜识别方法.虹膜识别性能指标在应用中相比其他生物指标高,具有很高的研究价值.希望通过本次对虹膜识别方法的探究,促进虹膜识别在人工智能方面的新发展.     

基于深度学习的通信信号调制方式识别

针对采用传统机器学习算法对通信信号调制识别方法中的计算复杂度高、准确率低以及人工提取特征步骤繁琐等问题,提出一种基于深度神经网络通信信号调制识别模型。模型可以直接识别经过采样之后的通信信号类别,且具有识别准确率高、通用性强、抗噪声性能好及处理流程简便等特点,有效解决了传统算法无法实现自动提取特征的缺陷。通过大量实验以及对通信信号特征的准确分析,采用卷积神经网络和循环神经网络等网络的组合设计,构建了一个识别准确率较高且端到端的通信信号识别模型。     

基于Unet深度学习的超级慢动作实践

本文使用开源算法将深度学习技术应用于超级慢动作制作,针对原始数据集的不足,在原有数据集的基础上增加新的视频进行训练,并优化了中间帧算法,取得了较好的效果.     

基于深度学习的翼状胬肉智能诊断系统初步研究

本研究评估基于深度学习的翼状胬肉智能诊断系统的应用价值.收集了2019年12月至2020年8月在南京医科大学眼科医院门诊就诊的正常及翼状胬肉患者的眼前节照相624张,用于训练集和测试集,训练出翼状胬肉智能诊断模型.专家诊断组显示61眼(32.4％)为正常眼前节组,127眼(67.6％)患有不同程度的翼状胬肉;其中翼状胬...     

基于对抗性样本的深度学习算法可靠性评估研究

介绍深度学习算法可靠性面临的安全隐患及对抗性样本对可靠性的影响;分析深度学习算法可靠性评估现状:目前业界缺乏对深度学习算法可靠性的系统性评估方法,一定程度上影响着深度学习的广泛应用和技术发展;依据团体标准《人工智能深度学习算法评估规范》(T/CESA 1026-2018)对深度学习算法可靠性评估进行探讨;采用白盒、黑盒实验方式研究对抗性样本对深度学习算法可靠性的影响,并将逐步在深度学习算法的测试评估中推广。     

基于深度学习的情感分析技术

随着大数据的分析与研究的热潮,深度学习已经成为人工智能技术不可分割的一部分,如自然语言处理,计算机视觉,语音识别等技术的发展都与深度学习息息相关。大量研究表明,深度学习已经成为一种趋势,是人工智能技术不断发展的不竭动力。因此,文章主要对深度学习以及其在自然语言处理中的文本情感分析技术上的研究与应用做一个简单的介绍,首先介绍情感分析和深度学习的概念,然后阐述一下深度学习在情感分析技术上的研究和应用,最后总结一下深度学习对情感分析技术的影响。     

深度学习硬件方案综述

深度学习技术促进了人工智能的迅速发展,被广泛应用于各个领域.但深度神经网络模型规模庞大、结构复杂,对其进行优化需要耗费巨大的计算资源.随着计算机硬件的快速发展,各种加速器的处理能力显著增强,为深度学习提供了硬件基础.本文首先介绍深度学习背景及其对硬件的需求;然后对当前主要的硬件加速器进行对比分析;最后进行总结展望.     

基于深度学习的医疗图像分割综述

自2006年深度学习这一概念提出以来,各研究领域对于深度学习技术的研究热度一直高居不下.深度学习的出现,对计算机视觉领域的发展起到了重要推动作用.计算机视觉的主要研究任务是对图像、视频等进行目标的检测、识别以及分割等,目前已经广泛应用于医疗、金融和工业领域中.其中最常见的应用场景是医学图像处理.图像分割是医学图像处理任...     

深度学习技术在遥感影像分类与识别中的应用研究综述

本文首先介绍了三种经典的深度学习算法,然后介绍了遥感影像分类与识别的基本方法,接着论述了基于深度学习的遥感影像分类和识别的研究现状,最后对未来深度学习技术在遥感应用领域中的发展方向进行了总结。     

不良文字图片识别技术研究

5G消息服务的开展为不良图片信息的传播提供了便利条件.不良文字图片作为一种特殊的不良图片信息给通信网络的内容安全带来了挑战.为了能够对不良文字图片进行有效治理,运营商需要借助人工智能技术对图片中的文字信息进行识别和提取.本文详细介绍了不良文字图片治理整个技术过程需要引入的3个处理步骤,并对3个处理步骤涉及到的深度学习模...     

基于声学模型的不良语音识别技术研究

不良语音识别技术是在高清音视频业务中监测不良信息的有效手段。本文提出了一个基于声学模型的不良语音识别框架。并针对框架中特征提取、声学模型构建、不良语音判定模型三个重要部分的实现方法进行分析描述。并列举了各种方法的优缺点。对构建高效的不良语音识别系统具有较高的参考价值。     

Face Image Recognition Based on Convolutional Neural Network

With the continuous progress of The Times and the development of technology,the rise of network social media has also brought the“explosive”growth of image data.As one of the main ways of People’s Daily communication,image is widely used as a carrier of communication because of its rich content,intuitive and other advantages.Image recognition based on convolution neural network is the first application in the field of image recognition.A series of algorithm operations such as image eigenvalue extraction,recognition and convolution are used to identify and analyze different images.The rapid development of artificial intelligence makes machine learning more and more important in its research field.Use algorithms to learn each piece of data and predict the outcome.This has become an important key to open the door of artificial intelligence.In machine vision,image recognition is the foundation,but how to associate the low-level information in the image with the high-level image semantics becomes the key problem of image recognition.Predecessors have provided many model algorithms,which have laid a solid foundation for the development of artificial intelligence and image recognition.The multi-level information fusion model based on the VGG16 model is an improvement on the fully connected neural network.Different from full connection network,convolutional neural network does not use full connection method in each layer of neurons of neural network,but USES some nodes for connection.Although this method reduces the computation time,due to the fact that the convolutional neural network model will lose some useful feature information in the process of propagation and calculation,this paper improves the model to be a multi-level information fusion of the convolution calculation method,and further recovers the discarded feature information,so as to improve the recognition rate of the image.VGG divides the network into five groups(mimicking the five layers of AlexNet),yet it USES 3*3 filters and combines them as a convolution sequence.Network deeper DCNN,channel number is bigger.The recognition rate of the model was verified by 0RL Face Database,BioID Face Database and CASIA Face Image Database.     

命名实体识别技术综述

命名实体识别是自然语言处理中的热点研究方向之一,目的是识别文本中的命名实体并将其归纳到相应的实体类型中。首先阐述了命名实体识别任务的定义、目标和意义,分析提出了命名实体识别的主要难点在于领域命名实体识别局限性、命名实体表述多样性和歧义性、命名实体的复杂性和开放性;然后介绍了命名实体识别研究的发展进程,从最初的规则和字典方法到传统的统计学习方法再到现在的深度学习方法,不断地将新技术应用到命名实体识别研究中以提高性能;接着系统梳理了当下命名实体识别任务中的若干热门研究点,分别是匮乏资源下的命名实体识别、细粒度命名实体识别、嵌套命名实体识别以及命名实体链接;最后针对评判命名实体识别模型的好坏,总结了常用的若干数据集和实验测评指标,并给出了未来的研究建议。     

基于AI的无线网络感知技术研究综述

在无线通信网络中使用感知技术,可以从海量网络数据中提取所需特征信息,以便实现网络的智能管理。传统感知技术往往与感知对象密切相关,依赖使用者的经验与知识,有很大的局限性。未来无线通信网络结构将会日益庞杂异构,海量数据、快速变化的业务使得传统信息感知技术无法有效实现感知需求,而人工智能(Artificial Intelligence, AI)技术兴起后也逐渐应用于无线通信领域,因具有高效、灵活等优势,所以利用AI技术在无线网络中实现感知需求成为可能。综述了无线通信中的AI感知技术的概念、机制、关键技术,对比分析了不同算法的性能,并探讨了AI感知技术未来可能面临的挑战。     

加密流量检测与态势预警平台研究

网络流量检测是实现网络整体安全态势感知的主要手段,通过采集网络流量、脆弱性、安全事件和威胁情报等数据,利用大数据和机器学习技术,分析网络行为及用户行为等因素构成的整个网络当前状态和变化趋势,并预测网络安全状态发展趋势。随着密码技术的广泛应用,网络中存在着越来越多的加密流量,如HTTPS、VPN流量;由于加密技术的使用,破坏了明文数据的统计特点、数据格式等,用通用的流量检测方法很难有效检测加密流量,基于加密技术的随机性、网络上下文等,结合人工智能技术和机器学习方法,研究和设计了网络加密流量检测体系框架、方法和关键技术,对加密流量的检测具有较强的指导意义。     

基于图像检测识别的数据增强技术

当前,在图像目标检测识别方面,深度学习技术已经成为研究的热点.然而深度学习在进行网络训练时需要使用大量的样本,当样本数目较少时,得到的训练模型其检测效果往往不佳.介绍了色彩变换、水平翻转、旋转、亮度变换、缩放、裁剪、添加噪声等不同数据增强方法,并结合VOC2007数据集,采用数据增强技术实现样本扩充.实验结果表明对样本...     

变体垃圾短信翻译技术研究

变体垃圾短信被赌博类垃圾信息广泛使用。其使用同音字替换、形近字替换绕过垃圾短信监控系统的关键字审查。本文对变体垃圾短信的特点进行了深入研究,并结合人工智能技术,提出了有效翻译变体垃圾短信技术方法,并给出了应用于现网的识别方案。实验证明,本文提出的变体垃圾短信翻译方法能够对很多敏感关键词进行完整恢复,便于监控系统对内容进行关键字审查。     

基于层次自注意力的高效场景文本识别

在深度学习技术的发展驱动下,智慧应用场景对文本识别任务提出了更高的要求。现有方法更加侧重构建强大的视觉特征提取网络,忽略了文本序列特征的提取能力。针对该问题,提出了一种基于层次自注意力的场景文本识别网络。通过融合卷积和自注意力可以建立并增强文本序列信息与视觉感知信息间的联系。由于视觉特征和序列特征在全局空间中的充分交互,有效地减小了复杂背景噪声对识别精度的影响,实现了对规则和不规则场景文本的鲁棒性预测。实验结果表明,所提方法在各数据集上均表现出竞争力。尤其是在CUTE数据集上可以实现81.4%,6.24 ms的最佳精度和速度,具备一定的应用潜力。