基于小波变换和BP神经网络的警务音频掩密通信算法

研究提出用BP算法对嵌入水印后的音频信息建立起人工神经网络,接收端利用该网络提取水印信息。由于BP神经网络具有良好的学习和自适应特性,利用训练后的网络几乎可以完全正确地提取所嵌入的水印,同时能抵抗多种攻击。试验结果表明所提出的算法对低通滤波、加性噪声等都有很强的鲁棒性。     

企业人事甄选智能决策支持方法研究

人事招聘过程中的候选人甄选是一个多因素的决策问题。评估人需要在短时间内对应聘人员是否胜任工作岗位做出判断。这个决策过程涉及到多种相关因素,主观性强,干扰因素多。本文根据心理学进行岗位胜任特征分析,从而设计合适的人事招聘模型,并对模型采用智能决策支持系统进行决策支持。BP神经网络型的智能决策系统较强的模式判别能力,能够进行不断的学习,可以按照岗位胜任特征模型,经过样本训练后将候选人进行分类,从而为选拔合适的人选提供决策支持。     

基于神经网络的水电工程移民和谐性的模糊评判

采用基于BP神经网络的方法对水电工程移民的和谐性水平进行评判,可同时得出定量结果和定性结论,有助于找出薄弱环节,采取相应地措施,以利于移民工作上新台阶。     

基于深度学习的人体肋骨骨折智能检测技术

目的将人工智能中的深度学习技术应用到人体肋骨骨折识别,实现人体肋骨骨折智能检测,提高法医肋骨骨折诊断效率。方法采集3143例人体胸部X线数字影像(2602例用于训练,541例用于测试),标注肋骨骨折特征点,通过多层网络堆叠,分层、分级主动学习原始数据高度抽象的特征表述,并将此特征反馈至检测器进行骨折检测,输出骨折位置及相应置信度。结果基于深度学习的人体肋骨骨折检测准确率在90%以上。结论基于深度学习的人体肋骨骨折检测准确率较高,可用于辅助法医进行肋骨骨折识别诊断、检验鉴定等,本研究可为人体其他部位骨骼损伤智能检测提供参考。     

基于深度卷积神经网络的伪造语音检测

为快速准确的识别公安工作中常见的伪造语音,采用深度卷积神经网络（Convolutional Neural Network, CNN）进行伪造语音检测。模型中卷积层可以有效获取声学信息,池化层进行下采样处理防止网络过拟合,全连接层则进行真伪分类。提取英文及中文数据库中音频文件的梅尔倒谱系数（Mel-Frequency Cepstral, MFCC）、线性频率倒谱系数（Linear Frequency Cepstral,LFCC）、伽玛通频率倒谱系数（Gammatone Frequency Ceptral Coefficient,GFCC）3种语音声学特征用于模型训练及测试。结果表明MFCC特征在该网络模型上结果最优,且在实验中所提神经网络对99%的伪造语音能够正确区分,在伪造语音检测中表现优秀。     

神经网络视角下的小微企业信贷风险评估

采用BP神经网络模型,结合企业信用评级方法与我国小微企业特征,通过定量和定性分析方法构建指标体系,采用AHP法确定指标权重,可以构建BP神经网络信用评级模型,辅助银行进行企业信贷风险评估。以创业板机械制造业公司为研究对象,对公司的信用等级进行实证分析证明,BP神经网络模型具有很好的预测准确性。     

基于深度时空三维卷积神经网络的短时犯罪预测研究

细粒度时空尺度下的犯罪预测对理解犯罪发生、指导安全防范、部署治安巡逻警力等工作具有重要意义。针对现阶段时空细粒度条件下的犯罪预测面临犯罪数据稀疏,时空特征难以充分捕获的问题,采用深度时空三维卷积神经网络(ST-3DNet)对时空特征进行充分捕捉,构建出适用于犯罪数据的时空细粒度预测模型。基于美国洛杉矶真实犯罪数据集做了大量实验,结果表明：(1)随滤波器个数、时间特征长度和ResUnit层数的改变,ST-3DNet的预测RMSE值在0.308—0.342之间波动,MAE值在0.083—0.136之间波动,且RMSE和MAE值大多是反相关的;(2)ST-3DNet和深度时空残差网络(ST-ResNet)进行对照,ST-3DNet预测MAE值明显优于ST-ResNet, RMSE最小值也优于ST-ResNet,而ST-ResNet则在预测性能稳定性上更有优势,其受参数变化的影响较小,鲁棒性较优;(3)通过提升周周期组件网络深度和减少网格空白区域,可使ST-3DNet在预测性能优于同参数配置的ST-ResNet的前提下,预测性能稳定性明显提升,达到甚至优于ST-ResNet的预测性能稳定性水平...     

大学生词汇学认知风格的模式分类——基于SOM神经网络的研究

认知风格是人们在信息加工方式上的个人偏好,是运用以大脑为基础的神经结构和机制进行信息加工的个体差异。本研究在词汇学认知风格模型的基础上,采用SOM神经网络的方法,对参与测试的240名大学生(平均年龄19.6岁)进行聚类分析。结果显示,大学生的认知风格可以聚为四类,它们是细致灵动型、粗放灵动型、讨论型和规范型。每一类型的大学生在认知风格上具有最大的相似性,而不同类型的大学生认知风格差异较大。研究还产生了9种更加具体的认知风格类型。     

山东省产业安全预警研究

运用主成分分析和BP神经网络分析相结合的方法对山东省制造业的八个重点产业进行产业安全预警分析,评估得出山东省产业安全状况,其中:纺织业,纺织服装、鞋、帽制造业,橡胶制品业,通信设备计算机及其他电子设备制造业的发展处于基本安全的范围内;而金属制品业,交通运输设备制造业,电气机械及器材制造业,仪器仪表及文化、办公用机械制造业的产业安全状态逐渐变差。增强山东省产业安全的对策建议主要有:合理健康利用外资;以产业集群来增强产业竞争力;完善产业安全预警监测体系。     

基于神经网络组合模型的物联网产业发展预测研究

在制定物联网产业发展战略及相关政策时,对物联网产业规模的统计和预测的精准度有着较高的要求,但目前在此方面的研究甚少。针对物联网产业发展和数据的特点,选取BP和RBF神经网络以及BP-RBF神经网络组合模型来对物联网产值进行预测,对三种方式的检测结果进行比较,选取组合模型预测出我国物联网产业2012-2020年的产值,并根据预测结果对我国物联网产业发展进行了阶段划分。