人工神經(jīng)網(wǎng)絡(luò)

果。利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行水庫長(zhǎng)期徑流預(yù)報(bào)可提高精度。關(guān)鍵詞：長(zhǎng)期徑流預(yù)報(bào)； 人工神經(jīng)網(wǎng)絡(luò)； 封江口水庫； 鄂北水資源配置工程中圖法分類號(hào)：TV697文獻(xiàn)標(biāo)志碼：ADOI：10.15974/j.cnki.slsdkb.2023.09.001文章編號(hào)：1006-0081（2023）09-0006-050引言跨流域調(diào)水是解決水資源空間分布不均衡的重要途徑，而調(diào)水工程供水效益的發(fā)揮主要取決于引水過程與受水區(qū)本地徑流過程的有機(jī)結(jié)合，如果引水過多將導(dǎo)致水資源浪費(fèi)，若引

VM）、人工神經(jīng)網(wǎng)絡(luò)（ANN）和Logistic回歸（LR）的玻璃文物鑒定算法，對(duì)63種玻璃文物進(jìn)行分類鑒定。結(jié)果顯示：算法的預(yù)測(cè)精度均高于95%，可以將其應(yīng)用到玻璃文物的實(shí)際鑒定中。關(guān)鍵詞：玻璃文物鑒定；支持向量機(jī)；人工神經(jīng)網(wǎng)絡(luò)；Logistic回歸中圖分類號(hào)：TP18；G124? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：2096-4706（2023）13-0101-04Identification of Glass Cultural Relics Base

息抽取；人工神經(jīng)網(wǎng)絡(luò)大數(shù)據(jù)和互聯(lián)網(wǎng)帶來了海量數(shù)據(jù)，人們需要識(shí)別相關(guān)信息并從中獲取洞察力和關(guān)鍵信息。信息抽取技術(shù)就是在這樣的背景下誕生了，其也作為建立知識(shí)圖譜的基礎(chǔ)。本文通過文獻(xiàn)綜述的方法，系統(tǒng)地介紹了信息抽取技術(shù)的歷史背景和發(fā)展路徑。根據(jù)技術(shù)特征，它可以分為三個(gè)子任務(wù)：實(shí)體提取、關(guān)系提取和屬性提取。其中，每個(gè)子任務(wù)根據(jù)其應(yīng)用領(lǐng)域分為面向特定領(lǐng)域和面向開放領(lǐng)域，根據(jù)其數(shù)據(jù)源分為面向文本和面向網(wǎng)絡(luò)。首先，從深度學(xué)習(xí)角度探討了進(jìn)行信息提取的重要性；然后，通過三個(gè)

關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)；新能源發(fā)電項(xiàng)目；工程造價(jià)；工程造價(jià)指標(biāo)；激勵(lì)函數(shù)；權(quán)值１ 引言現(xiàn)階段，建筑產(chǎn)業(yè)轉(zhuǎn)型升級(jí)所帶來的更高要求，使得地產(chǎn)行業(yè)由原本的暴發(fā)式增長(zhǎng)逐漸轉(zhuǎn)變?yōu)槠骄彴l(fā)展［１］。 這一時(shí)期也是整頓行業(yè)的最佳階段。 考慮到建筑行業(yè)的實(shí)際需求，合理的成本管控成為保障項(xiàng)目順利推進(jìn)的重要基礎(chǔ)［２］。 在保障建筑質(zhì)量的同時(shí)，追求更低的成本、更大的利潤(rùn)空間也成為各大地產(chǎn)企業(yè)的主流發(fā)展方向［３］。 這就涉及工程造價(jià)控制的問題。 在傳統(tǒng)模式下，主要根據(jù)施工圖預(yù)算和竣工

值計(jì)算;人工神經(jīng)網(wǎng)絡(luò)中圖分類號(hào)：TP311? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2022）15-0001-031 引言獲得通信設(shè)備、探地雷達(dá)等物理系統(tǒng)電磁特性的主要途徑有實(shí)際測(cè)量和數(shù)值模擬。受限于相關(guān)測(cè)試測(cè)量設(shè)備及實(shí)驗(yàn)條件，實(shí)際測(cè)量往往難以實(shí)現(xiàn)。例如，難以準(zhǔn)確地、無損地得到人體受到電磁場(chǎng)照射后，不同組織的電磁能量分布，并且相關(guān)測(cè)量設(shè)備價(jià)格昂貴。相較于實(shí)際測(cè)量，數(shù)值模擬具有計(jì)算快捷、易于實(shí)現(xiàn)、成本較低的特點(diǎn)，是獲得物理系統(tǒng)電磁特性的重要途徑

決策樹和人工神經(jīng)網(wǎng)絡(luò)兩種統(tǒng)計(jì)分析方法，對(duì)影響學(xué)生答題正確性的平均知識(shí)水平、平均粗心程度、行為總數(shù)、專注度、沮喪、鉆系統(tǒng)的空子這6個(gè)因素進(jìn)行了分析。結(jié)果顯示：平均知識(shí)水平對(duì)平均正確性的影響最大，平均粗心程度次之。研究成果將為學(xué)生學(xué)習(xí)行為的改進(jìn)和老師教學(xué)方法的完善提供理論依據(jù)與指導(dǎo)。關(guān)鍵詞：SPSS?Modeler??決策樹??人工神經(jīng)網(wǎng)絡(luò)??答題正確性??影響因素中圖分類號(hào)：G434????????????????文獻(xiàn)標(biāo)識(shí)碼：A???文章編號(hào)：1672-37

含水率;人工神經(jīng)網(wǎng)絡(luò)熱風(fēng)干燥是食品加工生產(chǎn)中一項(xiàng)重要熱加工技術(shù)，人們?cè)诓粩嗟匮芯亢透倪M(jìn)熱風(fēng)干燥技術(shù)，以獲得高品質(zhì)和低加工時(shí)間低能耗的產(chǎn)品。據(jù)報(bào)道，在一些發(fā)達(dá)國(guó)家，干燥耗能占全國(guó)能耗的10%～25%[1]。很多產(chǎn)品干燥的關(guān)鍵技術(shù)在于如何在滿足產(chǎn)品的感官特性、營(yíng)養(yǎng)品質(zhì)和貨架期等要求下，達(dá)到減少加工時(shí)間與能量消耗的目的[2]。新鮮的巴沙魚（Pangasius bocouti）由于水分含量高，加工制品易于腐敗變質(zhì)[3]。對(duì)于魚類加工而言，水分控制就成為重要的一個(gè)環(huán)

需要基于人工神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)新的艦船通信信道均衡控制方法，首先采集了艦船通信信道控制數(shù)據(jù)，其次基于人工神經(jīng)網(wǎng)絡(luò)構(gòu)建了艦船通信信道均衡模型，最后設(shè)計(jì)了艦船通信信道均衡算法，從而實(shí)現(xiàn)了艦船通信信道均衡控制，進(jìn)行實(shí)驗(yàn)，結(jié)果表明，設(shè)計(jì)的艦船通信信道均衡控制方法的均衡控制指標(biāo)較高，證明其控制效果較穩(wěn)定，具有有效性，有一定的應(yīng)用價(jià)值，可以作為后續(xù)艦船通信信道控制的參考。關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò);艦船通信;信道均衡控制一、引言隨著科技的發(fā)展，我國(guó)的通信技術(shù)逐漸成熟，在各個(gè)領(lǐng)域都

開展基于人工神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)網(wǎng)絡(luò)攻擊預(yù)測(cè)模型構(gòu)建方法的研究，根據(jù)計(jì)算機(jī)網(wǎng)絡(luò)傳輸信息的正向傳輸方向，提取計(jì)算機(jī)網(wǎng)絡(luò)節(jié)點(diǎn)信息，并對(duì)其進(jìn)行預(yù)處理，在此基礎(chǔ)上設(shè)計(jì)基于網(wǎng)絡(luò)節(jié)點(diǎn)的計(jì)算機(jī)網(wǎng)絡(luò)攻擊預(yù)測(cè)模型架構(gòu)，引進(jìn)人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型，計(jì)算模型預(yù)測(cè)結(jié)果損失值，進(jìn)行模型中神經(jīng)元反向傳輸預(yù)測(cè)結(jié)果的收斂，完成對(duì)計(jì)算機(jī)網(wǎng)絡(luò)攻擊預(yù)測(cè)模型的設(shè)計(jì)，提升模型預(yù)測(cè)結(jié)果的精度。對(duì)比實(shí)驗(yàn)證明：預(yù)測(cè)模型在使用中的期望結(jié)果偏差值<0.05，符合市場(chǎng)對(duì)計(jì)算機(jī)網(wǎng)絡(luò)攻擊預(yù)測(cè)模型的應(yīng)用要求?！娟P(guān)鍵詞】人

態(tài)的基于人工神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)技術(shù)、基于復(fù)雜系統(tǒng)協(xié)同運(yùn)行流程規(guī)則的控制流程監(jiān)控和系統(tǒng)安全自決策技術(shù)。實(shí)踐表明：采用該智能傳動(dòng)控制體系，升船機(jī)成套設(shè)備運(yùn)行可靠率超過了99.5%。相關(guān)經(jīng)驗(yàn)可供類似工程升船機(jī)系統(tǒng)設(shè)計(jì)借鑒。關(guān)鍵詞：垂直升船機(jī); 傳動(dòng)控制; 智能化; 自適應(yīng); 人工神經(jīng)網(wǎng)絡(luò)中圖法分類號(hào)： TV736文獻(xiàn)標(biāo)志碼： ADOI：10.16232/j.cnki.1001-4179.2022.02.0180引 言中國(guó)江河眾多，內(nèi)河航運(yùn)發(fā)達(dá)，在升船機(jī)建設(shè)方面，無論

測(cè)模型及人工神經(jīng)網(wǎng)絡(luò)4類定量銷售預(yù)測(cè)方法從優(yōu)缺點(diǎn)、優(yōu)化歷程及適用類型3個(gè)方面進(jìn)行梳理總結(jié)，并對(duì)機(jī)器學(xué)習(xí)的部分組合算法進(jìn)行舉例與歸納。分析得出：時(shí)間序列法適用于歷史數(shù)據(jù)離散程度小且影響因素少的短中期服裝銷售預(yù)測(cè);回歸分析法中多元回歸法比一元回歸法在算理上更適合具有多因素影響的服裝銷售預(yù)測(cè);灰色預(yù)測(cè)模型適用于數(shù)據(jù)平滑且影響因素較少的服裝銷售預(yù)測(cè);人工神經(jīng)網(wǎng)絡(luò)則適合銷售數(shù)據(jù)離散程度大的時(shí)尚型服裝銷售預(yù)測(cè)。關(guān)鍵詞：服裝銷售預(yù)測(cè);預(yù)測(cè)方法;時(shí)間序列法;回歸分析法;灰

TM）和人工神經(jīng)網(wǎng)絡(luò)（ANN）混合模型，綜合考慮運(yùn)行時(shí)段、天氣狀況、道路基礎(chǔ)設(shè)施、是否交叉路口、是否高峰路段等因素，對(duì)公交車的到站時(shí)間進(jìn)行預(yù)測(cè)研究，結(jié)果顯示混合模型在預(yù)測(cè)公交車在前一個(gè)站點(diǎn)的?？繒r(shí)間和站間的行使時(shí)間方面均具有較高準(zhǔn)確性。關(guān)鍵詞：長(zhǎng)短時(shí)記憶網(wǎng)絡(luò) 人工神經(jīng)網(wǎng)絡(luò) 預(yù)測(cè) 準(zhǔn)確性Research on Bus Arrival Time Prediction based on Deep LearningZhang Junfang， Du Peng， F

3）基于人工神經(jīng)網(wǎng)絡(luò)的車牌字符分割與識(shí)別等步驟。對(duì)手機(jī)拍攝的車牌照片進(jìn)行實(shí)驗(yàn)，所提出的算法利用神經(jīng)網(wǎng)絡(luò)匹配識(shí)別精度達(dá)到95.2%，平均運(yùn)行時(shí)間為2.015 s，無論識(shí)別精度還是時(shí)間都能夠達(dá)到應(yīng)用需求。關(guān)鍵詞：智能手持設(shè)備;車牌定位;邊緣檢測(cè);人工神經(jīng)網(wǎng)絡(luò);車牌識(shí)別中圖分類號(hào)：TP311.5? ? ?文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2096-1472（2022）-01-29-04Abstract： Automatic license plate recognitio

池檢測(cè);人工神經(jīng)網(wǎng)絡(luò);節(jié)能環(huán)保0 前言隨著汽車行業(yè)的不斷崛起，新能源汽車的發(fā)展日漸迅速，技術(shù)的未來化，重在產(chǎn)品技術(shù)，信息智能，復(fù)合能源上，為增強(qiáng)汽車行業(yè)的競(jìng)爭(zhēng)力，本文立足低碳經(jīng)濟(jì)，對(duì)新能源汽車的核心部件電池技術(shù)進(jìn)行了一系列的討論。新能源電池帶來了一系列的社會(huì)問題，如環(huán)境污染和能源消耗，本文重點(diǎn)關(guān)注了國(guó)內(nèi)外新能源汽車的電池檢測(cè)與管理問題和相關(guān)的系統(tǒng)研究。希望借此討論出一套有效的技術(shù)手段可以及時(shí)檢測(cè)發(fā)現(xiàn)電池的缺陷，保證新能源汽車的運(yùn)行安全提高能源的使用效率。本

需要融入人工神經(jīng)網(wǎng)絡(luò)方法，通過對(duì)樣本數(shù)據(jù)進(jìn)行訓(xùn)練，確定人工神經(jīng)網(wǎng)絡(luò)模型的激勵(lì)函數(shù)和權(quán)重值，實(shí)現(xiàn)失效面的回歸求解，并完成對(duì)測(cè)試樣本的準(zhǔn)確分類預(yù)測(cè)?！翱煽啃怨こ獭闭n程中融入人工神經(jīng)網(wǎng)絡(luò)，可以突破可靠性工程求解中存在的天然瓶頸，有效地實(shí)現(xiàn)對(duì)樣本數(shù)據(jù)的優(yōu)化處理，降低小樣本所帶來的誤差風(fēng)險(xiǎn)。關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò);可靠性工程;回歸;分類;失效概率中圖分類號(hào)：G642? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ?文章編號(hào)：1002-4107（2021）11-004

芯片進(jìn)行人工神經(jīng)網(wǎng)絡(luò)計(jì)算處理的方法。硅基光電子芯片憑借光子的獨(dú)特性質(zhì)，能夠在人工神經(jīng)網(wǎng)絡(luò)的計(jì)算處理中發(fā)揮高帶寬、低時(shí)延等優(yōu)勢(shì)。在處理深度學(xué)習(xí)中大量的矩陣計(jì)算的乘加任務(wù)時(shí)，硅基光電子芯片擁有更高的處理速度和更低的能耗，從而有利于深度學(xué)習(xí)中的人工神經(jīng)網(wǎng)絡(luò)計(jì)算速度和性能的提升。關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)；硅基光電子芯片；人工智能；深度學(xué)習(xí)Abstract： Silicon photonic chips are used to perform artificial ne

究提出用人工神經(jīng)網(wǎng)絡(luò)對(duì)混合土特性進(jìn)行評(píng)價(jià)，以預(yù)測(cè)由于土的力學(xué)特性相互作用而產(chǎn)生的土的安全承載力現(xiàn)象。關(guān)鍵詞：承載力力學(xué)性能;人工神經(jīng)網(wǎng)絡(luò);混合土壤通過室內(nèi)試驗(yàn)研究了紅土在混合土過程中的特性，并對(duì)混合土的力學(xué)特性進(jìn)行了評(píng)價(jià)，以提高混合土的安全承載力;通過改變混凝土基礎(chǔ)尺寸和土的力學(xué)特性，系統(tǒng)地研究了混合土地基承載力。為研究沿海地區(qū)地基的承載力，對(duì)海嘯行為進(jìn)行了數(shù)值模擬，提出了紅樹林增強(qiáng)地基，土基承載力還與土基的地震位移有關(guān)，通過在地基中發(fā)育密集區(qū)來增強(qiáng)路堤土

關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò);智能化;機(jī)械設(shè)計(jì);應(yīng)用引言在近些年科技的發(fā)展迅速，我國(guó)各個(gè)領(lǐng)域和產(chǎn)業(yè)中都將人工神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用到本領(lǐng)域中。機(jī)械的生產(chǎn)加工和設(shè)計(jì)制造領(lǐng)域也不例外，通過機(jī)械設(shè)計(jì)制造和人工神經(jīng)網(wǎng)絡(luò)技術(shù)的有效融合推動(dòng)了我國(guó)高速發(fā)展下對(duì)工業(yè)運(yùn)轉(zhuǎn)速度的需求，實(shí)現(xiàn)了對(duì)操作流程的規(guī)范，同時(shí)也促進(jìn)了機(jī)械設(shè)計(jì)行業(yè)的生產(chǎn)質(zhì)量和生產(chǎn)效率的提升。我國(guó)的機(jī)械設(shè)計(jì)行業(yè)雖然發(fā)展迅速但仍存在著一些不足，例如并沒有完全的把制造的要點(diǎn)和人工神經(jīng)網(wǎng)絡(luò)的技術(shù)進(jìn)行完美融合，并且機(jī)械設(shè)計(jì)中運(yùn)用人

據(jù)挖掘;人工神經(jīng)網(wǎng)絡(luò);學(xué)生資助中圖分類號(hào)：TP18? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2021）07-0006-04Research on Identification of Students with Financial Difficulties Based onNeural Network MethodYU Zhenwei，LI Yuan（Suzhou Institute of Technology，Jiangsu Univers

合材料;人工神經(jīng)網(wǎng)絡(luò);FRP約束;強(qiáng)度模型中圖分類號(hào)：TU37? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)志碼：APrediction of Compressive Strength of CFRP-confinedConcrete Columns Based on BP Neural NetworkMA Gao1，2，LIU Kang1（1. College of Civil Engineering，Hunan University，C

難。伴隨人工神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)系統(tǒng)的出現(xiàn)，此類攻擊的檢測(cè)變得更加有效。神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)以及能夠?qū)?shù)據(jù)進(jìn)行分類的優(yōu)勢(shì)，應(yīng)用彈性傳播神經(jīng)網(wǎng)絡(luò)檢測(cè)模擬攻擊的研究成為一項(xiàng)重要的手段。該文提出的研究方法包含數(shù)據(jù)預(yù)處理模塊和神經(jīng)網(wǎng)絡(luò)模塊，數(shù)據(jù)預(yù)處理模塊執(zhí)行歸一化數(shù)據(jù)功能，而神經(jīng)網(wǎng)絡(luò)則對(duì)每個(gè)連接進(jìn)行處理和分類以找出攻擊。經(jīng)過文中研究方法的結(jié)果與現(xiàn)有方法進(jìn)行比較，我們可以發(fā)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)檢測(cè)具備很好的優(yōu)勢(shì)。關(guān)鍵詞：計(jì)算機(jī)安全;人工神經(jīng)網(wǎng)絡(luò);彈性傳播中圖分類號(hào)：TP393?

塑系統(tǒng);人工神經(jīng)網(wǎng)絡(luò);數(shù)據(jù)驅(qū)動(dòng)Key words： automobile injection molding;quality control;smart factory;artificial neural network;data-driven 中圖分類號(hào)：U471.14? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1674-957X（2

復(fù)合纜;人工神經(jīng)網(wǎng)絡(luò);獨(dú)立成分分析引言隨著社會(huì)的進(jìn)步和科技的發(fā)展，光電技術(shù)在現(xiàn)實(shí)生活中的應(yīng)用也愈發(fā)廣泛，對(duì)人們的生產(chǎn)、生活產(chǎn)生了重大影響。但是，對(duì)電能進(jìn)行傳輸?shù)氖侄魏蛯?duì)光進(jìn)行傳輸?shù)氖侄问遣煌姆椒?，在單?dú)進(jìn)行傳輸時(shí)，這兩種能量并不會(huì)出現(xiàn)干擾的情況，光電復(fù)合纜就可以把相關(guān)設(shè)備對(duì)電和信號(hào)的需求同時(shí)得到解決，具有重要的意義。在傳輸過程中不會(huì)彼此產(chǎn)生干擾，光電復(fù)合光纜的應(yīng)用，實(shí)現(xiàn)了信號(hào)傳輸與電力能源傳輸?shù)耐瑫r(shí)進(jìn)行，不僅減少了資金投入，而且提高了傳輸?shù)馁|(zhì)量和效率。這

等教育;人工神經(jīng)網(wǎng)絡(luò);手語識(shí)別;課堂交流中圖分類號(hào)：G642.0 ? 文獻(xiàn)標(biāo)志碼：A特殊教育事業(yè)一直是我國(guó)教育事業(yè)發(fā)展需要攻克的難關(guān)，其中高等教育更是一個(gè)重點(diǎn)[1]。本文基于深度卷積神經(jīng)網(wǎng)絡(luò)提出一套針對(duì)聾人工高等教育改革方面的手語翻譯系統(tǒng)[2]，將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于聽障大學(xué)生手語語法分析[3-6]。1 聽障大學(xué)生在高等教育教學(xué)中存在的問題普通教師在教學(xué)過程中，教師會(huì)根據(jù)在傳授知識(shí)時(shí)學(xué)生的反應(yīng)與學(xué)生對(duì)課堂知識(shí)的吸收程度對(duì)課程進(jìn)行教學(xué)上的調(diào)整。30%左右的聾人

工智能;人工神經(jīng)網(wǎng)絡(luò);自然語言處理;機(jī)器學(xué)習(xí);紡織行業(yè)中圖分類號(hào)：TS181.8 ?文獻(xiàn)標(biāo)志碼：B文章編號(hào)：1009-265X（2021）03-0071-07Abstract： A custom and personalized image search engine was built by combining artificial intelligence technology with various fields of textiles and u

行訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)模型對(duì)電磁傳感器的電磁進(jìn)行分析。車模方向控制方面，不再手動(dòng)編寫控制算法和調(diào)節(jié)參數(shù)，使訓(xùn)練集、測(cè)試集等符合高斯分布。這樣不僅讓訓(xùn)練出的神經(jīng)網(wǎng)絡(luò)具有一定的魯棒性，還能夠增強(qiáng)智能車對(duì)道路的適應(yīng)性。人工神經(jīng)網(wǎng)絡(luò)控制算法可以應(yīng)用到更多的人工智能領(lǐng)域，人們可以類比基于機(jī)器視覺的神經(jīng)網(wǎng)絡(luò)控制模型，利用openCV（可編程全彩攝像頭），配合神經(jīng)網(wǎng)絡(luò)算法，為無人駕駛技術(shù)在3D感知與物體檢測(cè)中的應(yīng)用打下堅(jiān)實(shí)基礎(chǔ)。同時(shí)，人們可以在其他領(lǐng)域做出進(jìn)一步的嘗試：電

）療效的人工神經(jīng)網(wǎng)絡(luò)（ANN）模型，以期為臨床選擇適宜的CHB治療方案提供依據(jù)。方法：回顧性分析2011年7月-2019年11月廣州市第八人民醫(yī)院接受干擾素治療的92例CHB患者的臨床資料，收集其基本信息、生化指標(biāo)、血常規(guī)指標(biāo)、病毒學(xué)標(biāo)志物等。按干擾素療效分為應(yīng)答組（73例）和無應(yīng)答組（19例），采用Minitab 18.0統(tǒng)計(jì)軟件進(jìn)行多因素Logistic 回歸分析以篩選影響干擾素療效的因素;采用Neurosolutions 5.0軟件隨機(jī)抽取約30%的

息。使用人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）、支持向量機(jī)回歸（Support Vector Regression，SVR）、嶺回歸（Ridge）等共7種機(jī)器學(xué)習(xí)方法進(jìn)行船舶油耗預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明，ANN的R2值大于0.9，預(yù)測(cè)精度最高，Lasso與Ridge的預(yù)測(cè)精度最低，R2值皆小于0.5。本文提出的模型可為在航船舶實(shí)時(shí)油耗預(yù)測(cè)提供重要參考。關(guān)鍵詞：船舶油耗預(yù)測(cè);人工神經(jīng)網(wǎng)絡(luò);支持向量機(jī)中圖分類號(hào)：U676.3? ?

等教育;人工神經(jīng)網(wǎng)絡(luò);手語識(shí)別;課堂交流中圖分類號(hào)：G642.0 ? 文獻(xiàn)標(biāo)志碼：A特殊教育事業(yè)一直是我國(guó)教育事業(yè)發(fā)展需要攻克的難關(guān)，其中高等教育更是一個(gè)重點(diǎn)[1]。本文基于深度卷積神經(jīng)網(wǎng)絡(luò)提出一套針對(duì)聾人工高等教育改革方面的手語翻譯系統(tǒng)[2]，將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于聽障大學(xué)生手語語法分析[3-6]。1 聽障大學(xué)生在高等教育教學(xué)中存在的問題普通教師在教學(xué)過程中，教師會(huì)根據(jù)在傳授知識(shí)時(shí)學(xué)生的反應(yīng)與學(xué)生對(duì)課堂知識(shí)的吸收程度對(duì)課程進(jìn)行教學(xué)上的調(diào)整。30%左右的聾人

試驗(yàn); 人工神經(jīng)網(wǎng)絡(luò); 數(shù)值模擬中圖分類號(hào)： U448.27; TU311.3??? 文獻(xiàn)標(biāo)志碼： ????文章編號(hào)： 1004-4523（2021）01-0001-08DOI：10.16385/j.cnki.issn.1004-4523.2021.01.001引? 言Π型主梁斷面是一種典型的開口鈍體斷面，梁體周圍來流繞流情況復(fù)雜，易引起渦激振動(dòng)現(xiàn)象的產(chǎn)生。但Π型梁可以充分發(fā)揮鋼與混凝土兩種橋梁建設(shè)常用材料的力學(xué)特性，提高材料利用率，減輕橋梁自重，提高施工

經(jīng)網(wǎng)絡(luò)、人工神經(jīng)網(wǎng)絡(luò)、“異或”問題、前饋神經(jīng)網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)的歷史分期及其進(jìn)一步發(fā)展等;指出，在神經(jīng)網(wǎng)絡(luò)的研究中，感知機(jī)不能解決線性不可分的分類問題，通過增加隱藏層才能進(jìn)行“異或”運(yùn)算。通常情況下，在訓(xùn)練神經(jīng)網(wǎng)絡(luò)的同時(shí)，還要進(jìn)行嵌入學(xué)習(xí)，對(duì)于機(jī)器翻譯、情感分類、句法剖析這些自然語言處理的特殊任務(wù)，常常要加上很強(qiáng)的約束，并應(yīng)當(dāng)把基于語言規(guī)則的理性主義方法和基于大數(shù)據(jù)的經(jīng)驗(yàn)主義方法結(jié)合起來。關(guān)鍵詞：大腦神經(jīng)網(wǎng)絡(luò);人工神經(jīng)網(wǎng)絡(luò);“異或”問題;感知機(jī);前饋神經(jīng)網(wǎng)絡(luò)中

續(xù)發(fā)展;人工神經(jīng)網(wǎng)絡(luò);區(qū)域分析;生態(tài)經(jīng)濟(jì)系統(tǒng)Abstract Suzhou is selected as the research area. On the basis of the ecosystem service value evaluation method， the equivalent factor value of Suzhou was modified according to the specific situation to deter

度學(xué)習(xí)；人工神經(jīng)網(wǎng)絡(luò)；量化研究；動(dòng)態(tài)性；情感標(biāo)注【中圖分類號(hào)】J60 【文獻(xiàn)標(biāo)識(shí)碼】A 【文章編號(hào)】1007-4198（2021）03-130-03【本文著錄格式】陳益敏，張焜，劉聆風(fēng).人工智能音樂的“音樂人格”——賦予音樂創(chuàng)作的動(dòng)態(tài)性以增進(jìn)音樂的情感性[J].中國(guó)民族博覽，2021，02（03）：130-132.引言二十一世紀(jì)，人工智能技術(shù)在音樂領(lǐng)域應(yīng)用并快速發(fā)展，其在音樂創(chuàng)作、音樂教育和音樂保護(hù)領(lǐng)域都有交叉融合的趨勢(shì)?；赝斯ぶ悄芤魳钒l(fā)展史，AI最早應(yīng)

智能體和人工神經(jīng)網(wǎng)絡(luò)的情景模擬方式逐漸成為學(xué)界主流，其優(yōu)勢(shì)是借助極其復(fù)雜的運(yùn)算方式，利用可獲取的城市數(shù)據(jù)進(jìn)行多方面的分析，真正模擬復(fù)雜多變的情景環(huán)境，充分考慮交通、公服、地形、市場(chǎng)等因素對(duì)城市邊界拓展的影響。人工神經(jīng)網(wǎng)絡(luò)（ANN）是一種應(yīng)用類似于生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)來處理信息的數(shù)學(xué)模型，廣泛用于各類空間場(chǎng)景分析模擬技術(shù)。人工神經(jīng)網(wǎng)絡(luò)主要分為輸入層、隱藏層和輸出層三部分，除了運(yùn)用人工神經(jīng)網(wǎng)絡(luò)算法外，還充分利用了ARCGIS搭載的Python腳本語言。本次將神經(jīng)

能技術(shù);人工神經(jīng)網(wǎng)絡(luò);遺傳算法中圖分類號(hào)：TM76 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-5168（2021）26-0016-03Application of Intelligent Technology in Power System AutomationZHUO Bingyang（Fujian Runxiu Electric Power Development Co.， Ltd.，? Putian Fujian 351100）Abst

傳感器;人工神經(jīng)網(wǎng)絡(luò);神經(jīng)元本文基于神經(jīng)網(wǎng)絡(luò)對(duì)多種傳感器監(jiān)測(cè)的數(shù)據(jù)進(jìn)行融合迭代處理，來解決氣體傳感器的測(cè)量誤差，得到相對(duì)準(zhǔn)確的氣體濃度值。在神經(jīng)網(wǎng)絡(luò)對(duì)采集氣體進(jìn)行處理后，周圍環(huán)境的氣體濃度值能夠在便捷裝置上更新顯示。便攜多氣體監(jiān)測(cè)設(shè)備的系統(tǒng)總體框架如圖1所示，設(shè)備由電源、移動(dòng)終端、傳感器監(jiān)測(cè)模塊、藍(lán)牙模塊和STM32F405RGT為主控芯片的單片機(jī)組成。設(shè)計(jì)為了滿足設(shè)備能夠隨身攜帶的特點(diǎn)和本著環(huán)保的原則，同時(shí)讓其具備安全性能良好的優(yōu)點(diǎn)，采取了可充電式電池作

的關(guān)系，人工神經(jīng)網(wǎng)絡(luò)（ANN）可以很好地表現(xiàn)了輸入輸出關(guān)系不確定的非常非線性關(guān)系，并且基于神經(jīng)網(wǎng)絡(luò)的優(yōu)化設(shè)計(jì)是優(yōu)化模具數(shù)控加工工藝參數(shù)的有效途徑。關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò);模具數(shù)控;加工一、引言模具加工參數(shù)選擇的合理性在一定程度上取決于操作者的經(jīng)驗(yàn)。專家系統(tǒng)是解決經(jīng)驗(yàn)問題的一種方法。積累多年的專家加工經(jīng)驗(yàn)，以規(guī)則的形式表達(dá)，基于知識(shí)進(jìn)行推理，在專家知識(shí)范圍內(nèi)獲得最佳的切削加工參數(shù)。二、數(shù)控機(jī)械模具制造技術(shù)簡(jiǎn)介在機(jī)械設(shè)備制造中，沒有優(yōu)秀的模具，優(yōu)秀的模具生產(chǎn)設(shè)計(jì)

，尤其是人工神經(jīng)網(wǎng)絡(luò)的廣泛運(yùn)用，電腦AI已經(jīng)是各行各業(yè)都不可回避的問題，這里既有AI發(fā)展帶來的壓力與更替，更代表著新機(jī)會(huì)與技術(shù)革新。針對(duì)現(xiàn)代影視播放渠道平臺(tái)化，劇集生產(chǎn)周期節(jié)奏快，制作量巨大等新問題的產(chǎn)生，有效利用AI人工智能技術(shù)特點(diǎn)，可以幫助傳統(tǒng)影視制作行業(yè)在不擴(kuò)大人力成本的同時(shí)，有效縮短制作周期，提高制作質(zhì)量。本文就從AI制作的技術(shù)原理特點(diǎn)，及其發(fā)展方向上進(jìn)行研究，闡述AI人工智能在目前影視制作中的優(yōu)勢(shì)以及具體應(yīng)用模式，以及對(duì)未來影視AI技術(shù)可能的發(fā)展

國(guó)內(nèi)基于人工神經(jīng)網(wǎng)絡(luò)的故障診斷的專利申請(qǐng)總體情況進(jìn)行分析，并分別從專利申請(qǐng)量、專利申請(qǐng)人分布、專利申請(qǐng)區(qū)域分布等方面進(jìn)行統(tǒng)計(jì)分析。關(guān)鍵詞：故障診斷;人工神經(jīng)網(wǎng)絡(luò)1、概述隨著科技的迅猛發(fā)展，現(xiàn)有的機(jī)械設(shè)備逐漸的趨于自動(dòng)化，復(fù)雜化和大型化，且由于設(shè)備使用年限的增長(zhǎng)和人為的使用不當(dāng)，這些設(shè)備的故障往往無法避免，同時(shí)也難以排查。傳統(tǒng)人為的故障診斷不僅耗費(fèi)時(shí)間長(zhǎng)，而且診斷效率和準(zhǔn)確率都不高。這樣往往會(huì)造成設(shè)備的停機(jī)時(shí)間過長(zhǎng)，且給使用者或者企業(yè)造成巨大的經(jīng)濟(jì)損失。因此

譜技術(shù)與人工神經(jīng)網(wǎng)絡(luò)技術(shù)。文章對(duì)人工神經(jīng)網(wǎng)絡(luò)的歷史進(jìn)行了回顧，引進(jìn)了幾個(gè)較為經(jīng)典的人工神經(jīng)網(wǎng)絡(luò)的算法，并在此基礎(chǔ)上論述了其影響。最后，對(duì)人工神經(jīng)網(wǎng)絡(luò)的前景做出了評(píng)斷。關(guān)鍵詞 人工神經(jīng)網(wǎng)絡(luò)；BP算法中圖分類號(hào) TP2 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1674-6708（2018）222-0129-02以一己之力戰(zhàn)勝兩位世界級(jí)圍棋高手李世石及柯潔的Alpha Go的橫空出世，不僅僅吸引了相應(yīng)人才從事此方面的研究，更顯示了其的巨大潛力。而Alpha Go能戰(zhàn)勝這兩位圍

S.Saravanan，F(xiàn).Ju，N.Q.Guo（1.School of Mechanical ＆Aerospace Engineering，Nanyang Technological University，Singapore；2.School of Engineering，Monash University，Bandar Sunway 46150，Selangor，Malaysia）1 IntroductionComposite materials ar