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BP神经网络构建城市时需水量预测模型

针对建立精确的时需水量与其影响因素的显式预测模型比较困难的问题,在研究天气因素对供水系统日需水量影响的基础上,建立了时需水量天气因素敏感的BP模型。结合水厂的实际供水量历史数据,基于MATLAB语言编写相关计算程序,验证了模型的可行性。     

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。     

印章盖印时间计算机辅助识别方法的研究

针对印章印文盖印时间一直沿用人工进行检验的问题,提出一个采用图像处理技术和神经网络分类识别技术的计算机辅助识别系统的实现方案;以实际印章盖印时间识别的案例为例,重点阐述了印章印文特征点的提取方法以及应用神经网络模型进行印章印文盖印时间分类的建模方法。     

基于生成对抗网络的伪脸图像生成及自注意力机制用于伪脸检测的研究进展综述

高仿真人脸技术的开源及日渐成熟,使其逐渐从娱乐性质转向公共安全领域,甚至越来越危害到个人隐私及公共安全。部分不法分子通过使用类似技术仿造人脸,进行视频篡改、电信诈骗、网络诈骗等违法犯罪行为。高仿真人脸技术主要包含基于生成对抗网络的全脸合成（无目标的任意人脸生成）、换脸（类似开源的deepfake技术）、面部属性操作（更改发型/眼镜/年龄等）、面部表情交换（将目标表情移植到目标人脸上）四种,其中换脸技术使用频率最高,危害最为严重。从全局一致性、光照估计、几何估计、伪影分析等角度深度解析换脸生成的视频和图像,引出多例人脸伪造案件,全面论述了伪造人脸生成技术及基于卷积神经网络和自注意力机制的伪造人脸检测技术的公开数据和研究进展。     

应用高通量测序DNA甲基化差异体液识别研究

目的通过检测和分析DNA甲基化差异的方法识别三种法庭科学犯罪现场常见体液(唾液斑、精液斑、血液斑)细胞来源。方法利用亚硫酸氢盐法对唾液斑、精液斑、血液斑的DNA样品进行甲基化处理,对由文献[1]和实验过程中筛选得到的甲基化位点进行illumina高通量测序,检测三种体液斑中细胞DNA的甲基化程度,并通过BP神经网络分析每一个位点的甲基化程度与细胞来源的关系及全部检测位点的甲基化程度联合与细胞来源的关系。结果运用BP神经网络对35份样品的73个位点的甲基化程度进行训练和预测,可以将唾液、精液、血液三种来源的DNA样本分开,其准确率达到77.3%。其中精细胞在L81528位点中表现为高甲基化,唾液和血液表现为低甲基化,可将精细胞准确鉴别出来。结论本研究建立的高通量测序分析DNA甲基化差异的方法可通过增加检测位点和样品数量进一步提高识别体液细胞来源的准确率。     

BP神经网络在工程估价中的应用研究

随着招投标机制的推行，摆在建筑企业面前的主要课题是改革工程预算管理办法，快速提出工程报价，因此我们对建筑工程估价的速度和精度都提出了更高的要求。利用神经网络可直接使用样本数据实现输入层与输出层之间的非线性映射，因此不需要建立精确的计算方程或规则，非常适用于难以建立精确数学模型但易于收集学习样本的问题。本文将通过建立基于BP神经网络的工程估价模型，并借助某市建筑工程造价管理办公室的大量历史资料，采集近年来该地区住宅楼工程相关数据，进行实证研究。