导读:本文包含了神经网络集成论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,卷积,向量,张量,磁共振,交通标志,作战。
神经网络集成论文文献综述
刘树艺,李静,胡春,王伟[1]（2019）在《基于卷积神经网络与集成学习的交通标志识别》一文中研究指出为提高复杂情况(如遮挡、透视畸变等)下交通标志识别的精度,提出一种有效的基于卷积神经网络(Convolutional Neural Network, CNN)与集成学习的交通标志识别方法。首先通过融合颜色分割、形态学处理、形状检测等多种方法分割出交通标志,然后利用卷积神经网络对其特征进行提取并分别采用支持向量机(Support Vector Machine, SVM)和Softmax多类分类器对其进行识别,最后将2种分类结果进行集成作为最终的识别结果。实验结果表明,本文算法可有效提高复杂情况下交通标志识别精度,整体上具有较高的性能。(本文来源于《计算机与现代化》期刊2019年12期）
邓波[2]（2019）在《集成卷积神经网络的图像分类》一文中研究指出本文针对环境监控视频图像分类,文章从集成卷积神经网络的角度,探析了其在图像分类中的有效应用,以卷积神经网络实现图像处理,建立不同计算神经节点,评估图像并进行分类。实验结果表明,深度神经网络拥有最大间隔和最小分类误差,是对交叉熵准则的有效补充,对图像的分类处理结果良好,值得进一步的研究和推广。(本文来源于《电子技术与软件工程》期刊2019年22期）
曾安,贾龙飞,潘丹,Song,Xiaowei[3]（2019）在《基于卷积神经网络和集成学习的阿尔茨海默症早期诊断》一文中研究指出阿尔茨海默症(AD)是一种典型的神经退行性疾病,临床上表现为失忆、丧失语言能力、丧失生活自理能力等。迄今为止,AD病因尚不明确且病程不可逆,也没有治愈的方法,因此,AD的早期诊断对于研发新型药物和措施以减缓病情发展具有重要意义。轻度认知障碍(MCI)是一种介于AD和正常老化(HC)之间的状态。研究表明,MCI患者比没有患过MCI的人更有可能发展成AD,因此,对MCI患者的准确筛查成为了AD早期诊断的研究热点之一。随着神经影像技术和深度学习的飞速发展,越来越多的研究者使用深度学习方法对大脑神经影像如磁共振影像(MRI)进行分析,用于AD的早期诊断。于是,本文提出基于卷积神经网络(CNN)和集成学习的多切片集成分类模型用于AD早期诊断。与只用单切片训练获得的CNN分类模型相比,本文采用叁个维度上的多个二维切片进行训练而获得的集成分类器模型,能更充分地利用MRI包含的有效信息,从而提高分类的准确率和稳定性。(本文来源于《生物医学工程学杂志》期刊2019年05期）
张功国,吴建,易亿,王梓权,孙海霞[4]（2019）在《基于集成卷积神经网络的交通标志识别》一文中研究指出以交通标志识别为研究目的,提出一种基于集成卷积神经网络的交通标志识别算法,通过对多个不同结构的卷积神经网络进行集成以提高算法识别率。为了缩短网络训练和测试时间以及提高网络识别率,对单个卷积神经网络的结构进行了优化。使用Re LU(rectified linear unit)激活函数来代替传统的激活函数,使用批量归一化(batch normalization,BN)方法对卷积层输出数据进行归一化处理,将卷积神经网络的分类器用支持向量机(support vector machine,SVM)代替。使用德国交通标志识别数据库(german traffic sign recognition benchmark,GTSRB)进行训练和测试,实验结果表明,提出的算法识别率为98.29%,单幅交通标志图像测试时间为1.32 ms,对交通标志具有良好的识别性能。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2019年04期）
谭论正,丁锐[5]（2019）在《基于集成推理卷积神经网络的快速行人检测》一文中研究指出提出基于卷积神经网络(CNN)的行人检测方法。基于CNN的方法分别将训练和分类过程引入随机丢失和集合推理网络(EIN)。随机丢失选择具有灵活速率的单位,而不是传统Dropout中的固定速率。EIN构建在完全连接的层中具有不同结构的多个网络。所提出的方法实现与现有技术方法相当的性能,即使所提出的方法的结构相当简单。(本文来源于《现代计算机》期刊2019年23期）
刘国强,陈维义,程晗,徐义桂[6]（2019）在《基于BP神经网络的炮光集成武器系统作战效能评估与预测》一文中研究指出为了有效地评估和预测炮光集成武器系统的作战效能,以反舰导弹为例,针对空袭目标低空突袭的特点,建立了炮光集成武器系统的效能评估模型和BP神经网络预测模型。用BP神经网络对炮光集成武器系统的作战效能进行了预测,并与效能评估模型的计算结果进行了对比。结果表明:BP神经网络的预测结果与效能评估模型的计算结果比较近似,说明BP神经网络模型对于炮光集成武器系统作战效能评估与预测是有效的,可以为下一步的炮光集成武器系统的研制提供一定的理论参考。(本文来源于《海军工程大学学报》期刊2019年03期）
梁达正[7]（2019）在《基于贝叶斯集成神经网络的上证50指数的研究》一文中研究指出基于贝叶斯集成神经网络原理,构建出一个贝叶斯集成长短记忆神经网络。使用该集成网络对我国上证50指数进行预测。实验选取2015—2018年近3年来的数据进行集成学习预测。结果证明贝叶斯集成长短记忆神经网络要优于集成循环神经网络与集成长短记忆神经网络。为了使贝叶斯集成神经网络更好的运用到时间序列预测上,本文提出一种贝叶斯集成长短记忆神经网络来进行金融时间序列学习。(本文来源于《科技创新导报》期刊2019年17期）
冯燕燕[8]（2019）在《基于集成卷积神经网络的年龄估计研究》一文中研究指出目前人脸识别技术已经趋于成熟,在许多领域广泛应用。与人脸识别技术相比,人脸的年龄估计相关技术相对还不成熟,有关于对人脸年龄估计的社会需求却越来越大。人脸图像是一种生物特征,通过识别生物特征去识别个体。然而,由于人类个体生活习惯、工作环境、先天基因及其他因素的差异性,相同年龄的个体在年龄特征的外在表现出巨大差异,因而年龄估计的研究发展仍然面临着巨大的挑战。传统算法采用手工的方式提取人脸年龄特征,过程繁琐复杂且只能提取浅层特征。卷积神经网络是一种常用的深度学习算法,直接将图像作为网络的输入,通过逐层的运算与反向传播自动提取具有判别力的图像深层次特征。为避免传统算法的过度预处理与手动选择特征的复杂过程,且更充分的提取了图像特征,本文结合卷积神经网络的图像处理方式进行人脸年龄估计基分类器的研究。目前用于年龄估计的分类器一般都是单独进行,分类器之间缺少信息交流,本文依据整体大于部分的思想,沿着集成学习的脉络展开人脸年龄估计的研究,首先进行人脸数字图像的采集与预处理;然后通过两个不同的卷积神经网络提取人脸年龄特征并生成多个不同的基分类器;其次,通过集成算法将多个基分类器进行结合,使得不同的基分类器之间信息得到交流;最后,将集成分类器用于年龄估计。主要研究内容如下:(1)图像预处理为增加数据集对网络的泛化能力,我们通过多角度裁剪、镜像对数据集进行了十倍的数据扩增。另外,在数据集中,由于人脸图像存在光照强度不等、头部姿势多样等因素直接影响网络的泛化能力,为减弱因环境变化带来的影响,本课题在网络训练之前将数据集的图像进行直方图均衡化处理。(2)人脸图像年龄特征提取研究通过双通道多卷积核卷积神经网络GONET和基于1×1卷积、通道混洗和稀疏连接的微型化卷积神经网络FYNET提取人脸图像年龄的特征,在FGNET数据集和CACD2000数据集上训练以获得基分类器。GONET网络旨在提高网络的精度,减少参数防止过拟合。在AlexNet模型的基础上,不改变网络卷积层的输入输出,利用1×3卷积、3×1卷积与3×3卷积之间的等效性,增加网络的深度与非线性,使得网络对图像特征表达能力增强,利用模块化与全局池化策略得到GONET网络。实验结果证明GONET网络识别效果显着,在提高识别精度的同时可大量减少网络参数。FYNET网络旨在保持网络的精度和微型化设计,通过通道混洗,将不同通道间的特征信息进行交换,更好的融合层与层之间的信息,提升网络对年龄特征的拟合能力,同时1×1卷积和稀疏连接可极大地减少网络的参数。实验结果证明FYNET网络在保证年龄估计正确率的前提下,可实现网络模型的微型化。(3)年龄估计集成算法研究为加强单一分类器间的信息交流,在基分类器之间分别使用最大概率的投票法、全局概率的加权平均法和最大概率的加权平均法叁种集成策略。基分类器由GONET和FYNET生成。最大概率的投票法是通过统计所有基分类器的结果得到集成输出;全局概率的加权平均法和最大概率的加权平均法是通过将基分类器的输出作为算法的输入,并赋予每个基分类器一定的权重,最后按照加权平均法得到集成输出;全局概率的加权平均法权重更新方式是基于基分类器的所有类别输出概率;最大概率的加权平均法权重更新方式则是基于基分类器的单一类别的最大概率。在年龄数据集FGNET和CACD2000上进行实验,实验结果证明了集成分类器能综合单一基分类器的优点,获得比单一基分类器更好的年龄估计效果。(本文来源于《广西师范大学》期刊2019-06-01）
许晓文[9]（2019）在《基于张量神经网络和集成预测模型的医学影像处理方法研究》一文中研究指出随着近几十年的医学成像技术的发展,磁共振影像已经广泛应用到医院的各种临床场景中,磁共振影像可以无创伤性地显示器官状态,给患者病情的早期检测和治疗计划提供必要的信息支持。脑部磁共振影像能够提供大脑活动状态视图,因此脑部磁共振影像逐渐成为脑科学研究领域的重要研究工具。磁共振影像具有分辨率高、图像体素数多等图像特点,这极大地限制了以传统特征选择和分类为主的机器学习方法在脑部磁共振影像分析中的应用。随着脑部肿瘤疾病发病率的逐渐升高,脑部肿瘤疾病患者的生存周期预测的临床需求也日趋凸显。基于磁共振影像的生存分析研究不仅可以为患者诊疗方案的及时调整提供必要的信息支撑,也能为患者提供有参考价值的治疗心理预期。针对磁共振影像处理中面临的问题和相关临床需求,本文主要研究张量神经网络和集成预测模型在医学影像处理方面的应用,主要的创新和贡献主要在以下两个方面:(1)论文提出了基于张量神经网络的fMRI分类框架。该算法框架利用张量神经网络搭建浅且宽的磁共振影像分类框架,其不仅能够从全脑功能性磁共振影像中提取有效特征以提高大脑状态分析性能,而且能够大幅度压缩神经网络中的整体参数以解决磁共振影像分析中的“维度灾难”问题,从而削弱了应用在磁共振分析中的深度学习系统对设备要求过高的限制。相关分类框架在CMU数据集上进行了测试,实验结果证实,本文所提出的基于张量神经网络的分类框架优于传统方法。(2)论文提出了基于集成预测模型的脑胶质瘤患者生存周期预测框架。该算法框架首先对结构性磁共振影像进行多模态、多角度的特征提取,随后通过Kaplan-Merier生存曲线进行单变量的特征选择以筛选出有益特征,最后将筛选的有用特征通过集成模型完成生存周期的预测。该算法在Brats2018数据集上进行了测试,实验结果证实,本文所提出的基于集成预测模型的脑胶质瘤患者生存周期预测框架优于传统预测模型。(本文来源于《山东大学》期刊2019-05-25）
王巍[10]（2019）在《基于人工神经网络和模拟集成的短期光伏发电预测》一文中研究指出文章提出了一种基于人工神经网络(ANN)和模拟集成(AnEn)的短期光伏发电预测方法。该方法首先利用数值天气预报模型,以计算天文变量为输入,对光伏发电站点进行72 h的确定性和概率预测;然后分别运用基于ANN,AnEn和ANN+AnEn联合模型方法对3个光伏发电站点进行预测,并进一步利用模拟4 450个光伏电站的综合数据验证了该模型方法的可扩展性;最后利用美国国家大气研究中心(NCAR)的黄石超级计算机,在1个节点(32核)～4 450个节点(141 140核)内测试了该方法的并行运算处理能力。实验结果表明,基于ANN+AnEn联合模型方法可以获得最佳结果,同时证明了该方法适用于大规模并行计算。(本文来源于《可再生能源》期刊2019年05期）
神经网络集成论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文针对环境监控视频图像分类,文章从集成卷积神经网络的角度,探析了其在图像分类中的有效应用,以卷积神经网络实现图像处理,建立不同计算神经节点,评估图像并进行分类。实验结果表明,深度神经网络拥有最大间隔和最小分类误差,是对交叉熵准则的有效补充,对图像的分类处理结果良好,值得进一步的研究和推广。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
神经网络集成论文参考文献
[1].刘树艺,李静,胡春,王伟.基于卷积神经网络与集成学习的交通标志识别[J].计算机与现代化.2019
[2].邓波.集成卷积神经网络的图像分类[J].电子技术与软件工程.2019
[3].曾安,贾龙飞,潘丹,Song,Xiaowei.基于卷积神经网络和集成学习的阿尔茨海默症早期诊断[J].生物医学工程学杂志.2019
[4].张功国,吴建,易亿,王梓权,孙海霞.基于集成卷积神经网络的交通标志识别[J].重庆邮电大学学报(自然科学版).2019
[5].谭论正,丁锐.基于集成推理卷积神经网络的快速行人检测[J].现代计算机.2019
[6].刘国强,陈维义,程晗,徐义桂.基于BP神经网络的炮光集成武器系统作战效能评估与预测[J].海军工程大学学报.2019
[7].梁达正.基于贝叶斯集成神经网络的上证50指数的研究[J].科技创新导报.2019
[8].冯燕燕.基于集成卷积神经网络的年龄估计研究[D].广西师范大学.2019
[9].许晓文.基于张量神经网络和集成预测模型的医学影像处理方法研究[D].山东大学.2019
[10].王巍.基于人工神经网络和模拟集成的短期光伏发电预测[J].可再生能源.2019
论文知识图
