简介：

简介：摘要混凝土抗压强度是保证混凝土工程质量最重要的检验指标，然而混凝土抗压强度的检验评定通常是在浇筑后28d进行的，即使试验结果不能满足规定强度，混凝土强度也不能提高。因此混凝土抗压强度早期预测具有重要研究意义。本文应用神经网络技术建立了混凝土强度预测模型，并将预测结果与实验室测试结果进行对比较。研究表明神经网络在预测混凝土的抗压强度方面有较高的精确度，将该技术应用于混凝土配合比设计，有助于保证混凝土工程质量。

简介：摘要：深度学习和人工智能已成为我国当下的热门讨论话题，卷积神经网络模型作为深度学习模型中具有代表性的模型之一受到了许多研究者的关注。本文在介绍卷积神经网络模型发展历程的基础上，探讨了卷积神经网络模型在目标检测、语义分割以及自然语言处理方面的应用，以期能为该领域的研究者选择模型时提供参考。

简介：摘要伴随着近年来我国经济的高速发展和科学技术水平的不断提高，中国城市轨道交通建设也逐渐发展为网络化运营。分析轨道交通的历史客流数据、探索其变化规律、建模预测未来客流量，对运营管理部门合理安排设备维护人员、编排适当的列车时刻表、提高重庆轨道交通综合服务质量具有十分重要的指导意义。

简介：摘要：深度学习作为一种有效的机器学习方法，在各个领域都表现出了十分优秀的性能。作为一种深度学习基本模型，卷积神经网络(CNN)强大的特征学习和迁移学习能力在计算机视觉界越来越受到关注。本文介绍了卷积神经网络的基本结构，并介绍了随着时间出现的各种以卷积神经网络为基础的模型，例如Lenet、Alexnet、GoogleNet、VGGNet、ResNet，刨析并总结了各个模型的优缺点。

简介：摘要：随着中国经济的不断发展，中小微企业已经成为了国家经济高质量增长的重要基础。本文对中小微企业的信贷问题，给出了分析方案。

简介：摘 要：近年来，大数据、云计算、人工智能等新技术的迅速发展，数据量也急速增长。对于多模数据的应用和海量数据的处理已经成为研究人员最关注的话题之一。而神经学习的出现，给处理多模和海量数据带来了新的方向。深度学习构建的神经网络可以很好的处理非结构化的数据，给推荐算法的发展指明了道路。文章搭建了一种基于深度神经网络的多模信息推荐算法模型。实验结果表明，该模型能够有较好的推荐效果。

简介：摘要：随着城市交通复杂度的增加，传统的交通流预测方法已难以满足精准化、个性化的交通需求。为此，本文提出了一种基于神经网络的交通流预测模型。在模型设计过程中，考虑到交通流量具有显著的时间序列特性，采用深度学习中的长短期记忆网络（LSTM）进行建模。研究结果表明，与传统方法相比，神经网络模型在准确率和稳定性方面有显著提升。模型不仅能预测整体的交通流量变化趋势，也能准确预测具体路段和时间段的交通流量。此研究为城市交通规划和精细化管理提供了新的技术方案和理论依据，对解决城市交通拥堵问题具有积极的实践意义。

简介：摘 要：回顾了卷积神经网络的发展历程,介绍了卷积神经网络的基本运算单元。在查阅大量资料基础上，重点介绍了有代表性的 AlexNet、VGGNet、GoogLeNet、ResNet等，对他们所用到的技术进行剖析，归纳、总结、分析其优缺点，并指出卷积神经网络未来的研究方向。

简介：摘要高铁隧道变形监测过程中有很多不确定因素导致获得的监测数据包含很多随机误差，利用小波分析理论先对数据进行降噪处理，再通过小波分析与经典的人工神经网络相结合，建立小波神经网络模型进行预测。与BP网络模型相比，经过小波函数降噪后再进行预测模型的建立所获得的预测结果精度更高，误差小，在高铁隧道的变形监测研究中有很好的应用前景。

简介：摘要：全球导航卫星系统(GNSS)是一种高度精确、连续、全天候和近实时微波技术，其中GPS的应用最为广泛，目前GPS已经能够达到毫米级的平面坐标定位精度，这种优势能够大大缩减人工测量的时间，提高效率，但是由于GPS所测高程和我国工程测量中使用的高程基准面不同使得GPS高程测量值的应用受到限制。针对将GPS高程测量值通过拟合方法转换为工程坐标下的正常高的研究有着广泛的实用价值。本文采用目前流行的BP神经网络法对测区范围内GPS所测得的大地高数据进行拟合，基于GPS测量得到已知点坐标和高程异常，建立两者之间的神经网络关系，并对网络进行训练，根据预测值和实际值之间的差异对网络中的权值和阈值进行重复计算修改，最后使得预测与实际值之间的误差满足要求，计算外符合精度并对未知点的高程异常值进行预测。通过MATLAB实现BP神经网络高程拟合并与多项式曲面拟合方法进行精度比较，最后得出BP神经网络拟合精度高且相比于多项式曲面拟合法具有准确性，可靠性和稳定性。

简介：摘要：随着科技的不断发展，图像识别已经成为研究的热点领域。深度神经网络作为现代人工智能的重要分支，为图像识别技术的发展带来了革命性的突破。本文旨在研究面向图像识别的深度神经网络模型设计，探讨不同模型的设计方法和优劣，并深入分析其内在机制。通过实验对比和分析不同模型的性能，总结各自的特点和适用场景，为未来的研究和实践提供有益参考。

简介：摘要：随着遥感技术的不断进步和深度学习算法的快速发展，逐渐出现了一系列应用于遥感图像分类的神经网络模型。本文通过对近年来相关文献的综述，总结了各种神经网络模型在遥感图像分类中的应用情况、优缺点及发展趋势，旨在为遥感图像分类领域的研究者提供参考和启示。

简介：摘要交通流预测是交通控制与管理，交通状况改善的重要参考指标。本文建立灰色模型和BP神经网络相结合的组合模型，利用灰色模型对实际监测到的数据进行拟合、预测，得到预测值和预测残差，将预测残差输入到神经网络模型进行残差的学习、仿真和预测，残差预测值和灰色模型预测值的和值作为最终预测结果。结果表明，用灰色模型对神经网络模型预测进行优化，其预测结果比单一的神经网络建模预测具有更高的准确性和实用性，提高了预测的精度。

简介：摘要对锦屏二级水电站引水隧道的大理岩进行了保持轴向应变恒定的卸围压试验，得到大量试验数据。由于传统上Excel等对试验数据回归拟合的缺陷，所以在此讨论了基于

简介：

简介：[摘要]本文研究了手机行业采购按时交付情况，从采购商和供应商两个视角出发，研究了影响按时交付的因素，并给出了识别准时交付情况的评估模型。

简介：摘要：在全球经济高速发展的时代背景下，人们的生活水平也不断提高，汽车成了每家每户必不可少的交通工具。再加上交通物流业的迅猛发展，交通事故也频繁发生。研究发现，导致交通事故的最主要的因素就是汽车驾驶存在盲区。视野盲区阻挡驾驶员的视线，导致驾驶员在遇到突发事件时，无法及时有效地作出制动措施。因此，有效解决汽车视野盲区问题，关系到汽车驾驶的安全性。如今市面上的盲区检测产品，探测精度低，易产生视觉疲劳，从而也会导致安全事故的发生。基于此团队研发了一款超声波盲区检测预警自处理系统，通过雷达探测和监控摄像头技术的融合，能够使盲区信息实时展现在驾驶员的视野范围之内，有效地解决了图像出现的失帧和变形的问题，并利用危险等级模型的检测实现报警区域影像的放大集中，有效避免了驾驶员的视觉疲劳，使驾驶员接收到视觉和听觉的双重预警，并且该模型能使汽车实现自处理功能，解决驾驶员的判断失误或紧急境况的突发应变能力不足而造成事故的问题，以最安全的方式确保盲区检测效果。

简介：摘要针对非煤地下矿山安全评价的非线性和复杂性特点，提出了基于BP神经网络的动态系统较强的BP神经网络系统，并建立了非煤地下矿山安全评价模型。为了提高非煤地下矿山生产过程的可靠性并结合生产过程的特点，提出了一套安全评价指标体系，确定了BP神经网络的结构及其评价方法。为了提高BP神经网络算法的收敛速度和稳定性，以标准BP算法是最有效的。

简介：摘要影响边坡稳定性的因素复杂，导致很难利用传统的方法定量的描述边坡的稳定性。人工神经网络模型的优势在于可以利用系统的整体性质而不依赖于明确的关系。本文利用已发表的滑坡或边坡的数据应用于人工神经网络模型，以此预测滑坡的稳定性，并与传统的极限平衡法和最大似然估计法法得到的结果进行比较。结果表明人工神经网络方法预测边坡的稳定状况是可行的。