分享到:

脑控电脑 惊世骇俗

联接人脑与电脑$$研究表明,信息输入不便是阻碍电脑大普及的主要原因。目前,键盘和鼠标是人们向电脑输入信息的主要手段,但这类输入方式比较麻烦,尤其是汉字的输入更为复杂,用户必须首先学会这个码、那个码,输入速度和思考过程都受到很大影响。为了解决信息输入的难题,研究人员推出了笔输入方式,这种方式虽然符合人们的书写习惯,比键盘输入方便,但也存在很大的局限性,其识别的正确率很难到达100%。接下来,声控电脑又闪亮登场,真正做到了“君子动口不动手”,只要用户对着电脑口若悬河、滔滔不绝地说下去,电脑就会“洗耳恭听”,并且把用户的声音忠实地记录下来,将它变成一篇很漂亮的文章。美中不足的是,如果您的发音不是很标准,或者夹杂着一点儿方言土语,电脑就傻眼了。$$难道就真的找不到一种既快捷又方便、尽善尽美的输入方式了吗?不,研究人员用惊人的智慧发明了一种脑控电脑:用户既不必动手,也不必动口,只要在脑子里想一想,电脑就会乖乖地按您的指令办事,真正做到人脑...  (本文共2页) 阅读全文>>

《金融经济》2017年18期
金融经济

金融市场中的神经网络拐点预测法

1.引言人工神经网络凭借其强大的拟合性能,在经济学预测领域得到了广泛的重视。刘国宏(2005)利用深圳的具体经济数据进行了实证预测研究,证明基于人工神经网络的经济预测是可行和有效的,利用神经网络进行经济预测对于有效指导经济决策具有较大的参考价值。刘德红(2012)在《基于微观结构理论的证券市场可预测性研究》一文中,使用BP神经网络对上证综指和万科A的每分钟收益率进行了预测,取得了一定效果,表明使用神经网络对上证综指进行预测是可行的。上证综指自1991年发布以来,已经成为中国股票市场的代表性指数,对上证综指进行预测,可以较好地对其他股票指数、个股、期货、期权等衍生品进行合理定价和交易。此外,依靠随时可更新的模型内在传导机理和运行结构,以尽可能避免小概率事件,人工神经网络的种种优势是传统的统计学模型和金融模型难以企及的。2.价格预测法过去十年间,有大量的学者研究了如何使用神经网络模型直接预测股票市场、债券市场、汇率市场及其他衍生品市...  (本文共2页) 阅读全文>>

《计算机科学》2019年09期
计算机科学

深度神经网络压缩综述

1 引言近几年,深度神经网络在计算机视觉等领域(例如人脸识别[1-2]、目标检测[3-5]、图像分类[6-9]、语义分割[10-11]、图像检索[12])取得了重大突破,其主要原因在于高性能计算设备如GPU和并行化集群的出现,大大加快了训练和测试网络模型的速度,缩短了训练和测试的时间。神经网络是计算密集型模型,该模型包含大量参数,需要大容量的高速内存。例如,2012年提出的用于图像分类的AlexNet[6]模型包含600 000个结点和240 MB(6 100万个参数)内存,对每一张图片进行分类需要7.29亿次浮点运算;2014年提出的用于图像分类的16层VGGNET[13]模型包含150万个结点和528 MB内存,对每一张图片进行分类需要150亿的浮点运算。训练和测试这些大型深度神经网络存在几点限制:1)需要进行大量的浮点运算,导致训练和测试时间长,需要高性能的计算设备(例如GPU)来加快训练和测试的速度;2)大型深度神经网络...  (本文共14页) 阅读全文>>

《国际学术动态》1996年01期
国际学术动态

1995年世界神经网络大会述评

1会议概况 本年度世界神经网络大会(WCNN’95)于7月17日至21日在美国首都华盛顿市召开。参加会议的人数为70。人左右。交流文章约450篇,其中特邀文章约25篇,分组口头报告约30。篇,张贴论文约125篇。会议的其他内容也丰富多彩。 拓导报告20个,内容涉及到当今神经网络研究和应用的各个领域。这些讲座安排在正式会议的前一天进行。所有的报告人均为该领域权威人士,听讲人需交纳费用。6小时需交纳300美元. 邀请国际知名学者就当今神经网络研究的热点及今后的发展趋势发表自己的观点。有7个大会报告:①英国伦敦皇家理工学院J.G.Taylor教授(国际神经网络学会主席)的“朝着最终的智能系统努力”,②加州大学伯克利分校W.J.Freeman教授的“动物行为中的神经动力学及意图”,③波士顿大学G.CarPente:教授的“识别与预测:从突触到技术”,④美国海军武器研究中心斯华龄(H.Szu)博士的“作为神经处理的子波变换”,⑤芬兰赫尔辛...  (本文共5页) 阅读全文>>

《通讯世界》2018年12期
通讯世界

脉冲神经网络和行为识别

1引言传统神经网络通过连续的浮值进行权重相乘相加进行记录再通过非线性形函数计算,具有广义线性特点,传统神经网络是图片的输入,图片的输入由传统的红色、绿色、蓝色组成,将其以浮点数的形式输入到网络,再除以255进行归一化,和各个点的权重相乘再累加,再运用sigmoid函数限定输出在0~1之间,并且可导,这是一个非线性函数,经过数学证明可以映射出最复杂的函数表征形式,再通过相同的过程,得到最后的输出,将对应的输出和标准的输出累加平方,这就是误差的表征形式,这个表征形式可以得到肢体的行动特征和所载形式。具体的训练过程如下:(1)通过输入得到对应的输出。(2)将准备好的数据和网络中的数据进行误差分析。(3)将误差反向传播,调整权重和偏执。(4)设置误差的阈值和最大的循环次数。如果最小的误差小于阈值误差或循环次数大于最大的循环次数则终止,训练完成。而脉冲神经网络通过频率和时间点进行记录浮值只有0和1,具有非线性特点。脉冲神经网络作为第二代新...  (本文共2页) 阅读全文>>

《信息技术与信息化》2019年02期
信息技术与信息化

基于卷积神经网络的船舶分类模型

*华南理工大学计算机科学与工程学院广东广州5100061引言近年来智能交通发展十分迅猛,但基本上是基于固定背景的陆上交通的车辆检测与识别,对于水上交通来说存在以下几个难点:1.水上背景不固定,受光照、雨雾等天气影响较大;2.江面一般都十分广阔,船舶目标远近检测结果相差较大;3.建在江边的摄像头,受风力影响,照片抓拍抖动也大,因此一直以来,江上的船舶监管都是以雷达、AIS相互补充的手段来进行监管。然而雷达及AIS都有个缺点就是不直观,不能像视频一样直接看到船舶交通现场场景,特别在事故及搜救过程中尤为重要,所以国家在“十二五”期间大力发展水上视频高清监控项目。大量的水域监控硬件设施都已经建设完备,海量的视频数据存储;但如何有效的利用这些视频数据来提高水上交通安全监管成为“十三五”规划里的重要内容。海事监管部门2016年以来,一直致力于发展水上智能监控,但目前仅有船舶视频流量统计方面的智能软件[6],船舶视频跟踪还得关联雷达及AIS才...  (本文共2页) 阅读全文>>