神经网络在和谐警民关系评价体系中的应用

人工神经网络理论是基于模仿人类大脑的结构和功能,借鉴神经科学的基本成果而构成的一种信息处理系统,近年来在各领域得到迅速发展。在提出和谐警民关系评价体系的基础上,构建一个人工神经网络评价模型,来解决传统评价体系权重确定过程中人为影响及缺乏动态性这一弊端。通过使用矩阵试验进行仿真的实验结果表明,该算法运算速度快、自学习能力强、识别率和效率高,能弱化指标权重确定中人为因素的影响,从而实现了警民关系评价系统的智能化,比较科学、准确地评价了警民关系和谐程度。     

神经网络与专家系统集成

神经网络和专家系统是计算机人工智能应用的两大分支。目前，这两大分支的发展均表现出各自所存在的问题，如专家系统知识获取的“瓶颈”问题和神经网络知识表示的“黑箱结构”问题。如何将二者集成，是解决这一问题的一条途径。对目前现有集成系统进行总结归纳，可抽象出神经网络和专家系统的集成系统所应具有的模式、功能结构和模型结构，同时可发现一些有待进一步完善和解决的关键问题。     

夜间红外行人图像在可见光行人图像库的检索算法

本文旨在弥补夜间红外模式监控下行人图像与白天监控下行人图像间的模态差异和异构特性，较好实现多摄像头下红外人像与可见光人像数据间的检索和比对任务。设计一种局部参数共享的双路卷积神经网络模型，提取具有全局粗粒度和局部细粒度的两种人像特征，通过对两种特征分别进行特征度量，实现跨模态人像检索模型的训练和优化。结果表明，模型所提取的两种特征在测试数据集上具有较好的应用效果，准确率与目前主流算法相比具有竞争力。本研究能够服务视频侦查工作，提高现有的动态、静态人像比对的应用水平。     

人脸识别技术研究的两个新突破

国内外对人脸识别技术的研究虽已有100多年的历史，但至今仍有许多技术难题尚未被攻克。本文作者在人脸识别技术方面取得了一些新的研究成果：采用小波及分形理论分析人脸的关键特征，从而实现了海量人像的快速识别和查询；应用神经网络建模，建立颅面与脸面相对应的数学模型，从而解决了以往人像重建时嘴唇、鼻子、耳朵难以重建的技术难题。     

卷积神经网络在识别等速运动配合程度中的应用

目的开发识别不同配合程度下等速膝关节运动力矩-时间图的卷积神经网络(convolutional neu⁃ral network,CNN)模型。方法200名健康青年志愿者分别在30°/s和60°/s角速度下各进行两次、间隔45min的等速向心右侧膝关节全力和半力屈伸往复运动,收集力矩-时间图。200名受试者随机分为训练集(140名)与测试集(60名),用训练集受试者的力矩-时间图训练CNN模型,再用训练好的模型预测测试集内图形的类别。共进行3次随机取样与模型开发。结果在等速膝关节全力及半力运动条件下各收集2400张力矩-时间图。3次训练的CNN模型分类准确率分别为91.11%、90.49%和92.08%,平均准确率为91.23%。结论本研究开发的CNN模型对全力及半力等速力矩-时间图具有较好的区分效果,有助于识别受试者在等速膝关节运动过程中的配合程度。     

金融犯罪之人工智能预防路径研究——以贷款诈骗风险智能建模预测为分析路径

金融诈骗类犯罪的智能防控路径,是人工智能社会面临的重要课题。对金融犯罪中银行防控贷款诈骗风险的数据进行数学建模分析、评估,是运用数据挖掘模型探索有效防控贷款诈骗风险的重要路径。朴素贝叶斯模型、马尔可夫覆盖结构的贝叶斯网络模型和神经网络模型均可用于贷款诈骗风险防控,且在风险预测中具有较好效果,可用于未来的建模预测。目前人工智能建模预测贷款诈骗风险还需要解决一些现实问题,如黑箱模型的解释问题等。金融诈骗类犯罪的人工智能防控将是未来犯罪防控的一种必然趋势。     

我国虚拟旅游系统建构与应用研究

随着信息技术的飞速发展,电子计算机和数字技术已被广泛应用到社会发展的方方面面,极大促进了整个社会的发展,虚拟旅游正是顺应这一时代潮流的产物。以BP神经网络为理论基础,将黄山、泰山、故宫和乌镇作为研究对象,通过大量问卷调查,采集相关数据,构建出虚拟旅游系统的评价模型,并针对虚拟旅游系统中的仿真性和体验性进行评价与模型验证,研究结果显示,黄山和故宫的虚拟旅游系统比较优秀,泰山和乌镇的虚拟旅游系统相对较差,这一结论与旅游发展的实际情况相符,从实践层面验证了模型的合理性与科学性。     

基于深度神经网络的车辆图片特征自动识别技术研究

针对公安工作中嫌疑车辆种类型号众多、排查分类困难等问题,尝试提出一种基于AlexNet深度神经网络的车辆自动识别技术,能够快速实时对车辆进行分类识别,极大减少了利用人工进行嫌疑车辆排查的时间。该方法可以自适应地避免复杂环境背景对识别效果的干扰,提高嫌疑车辆的识别准确度。经验证,用1000张自然环境下车辆照片进行编程实验和仿真模拟,识别率达到了97.26%。该方法具有优良的鲁棒性和普适性。     

基于模糊神经网络的宏观经济预测模型综述

将神经网络理论及模糊理论相结合,建立了基于模糊神经网络的时间序列数据和断面数据相结合的宏观经济预测模型,并用实际数据对基于模糊神经网络的宏观经济预测模型进行了仿真和检验,建立了季度GDP绝对值模型,结果表明该模型优于使用单一人工神经网络的模型,也证明了该模型的有效性和可行性。