导读:本文包含了网络应用识别论文开题报告文献综述及选题提纲参考文献，主要关键词:卷积神经网络,心拍类识别,应用分析
网络应用识别论文文献综述
史健婷,吴荣强[1]（2019）在《卷积神经网络在心拍类识别中的应用》一文中研究指出本文基于卷积神经网络进行心拍类识别中的应用进行处理,可以有效的解决数据不平衡的问题,通过构建CNN模型提取心拍特征,综合各类别CNN模型进行识别与分类处理,其效果显着。基于此,文章主要对卷积神经网络在心拍类识别中的应用分析进行了简单的研究。(本文来源于《电子技术与软件工程》期刊2019年22期）
甘露,韩卫光[2]（2019）在《卷积神经网络在工件识别中的应用》一文中研究指出针对传统工件识别算法需要手工设计特征、通用性差,且识别准确率受工件的旋转、平移和光照变化等因素影响较大,提出了一种将卷积神经网络应用在工件识别中的算法。该算法利用卷积神经网络构建一个6层端到端的工件分类识别模型。该识别模型可以从原始工件图像中进行特征自学习,设计的分层结构可以将传统方法的特征提取和分类识别两个阶段融合在一起,可以进行端到端的分类识别。实验表明,基于卷积神经网络的工件识别算法在平均识别时间和平均识别准确率上均优于传统的工件识别算法。(本文来源于《组合机床与自动化加工技术》期刊2019年11期）
陈凤凤[3]（2019）在《人脸识别技术在网络考试防作弊系统中的应用研究》一文中研究指出随着互联网时代的到来,网络考试得到了全面推广与发展,但其存在很多问题,例如:由于网络考试考场不集中、考场环境复杂多变、监考人员鉴别能力有限等因素,导致考生身份信息识别环节出现很多漏洞,有些考生抱有侥幸心理,想通过替考等违规方式参加考试,这严重地破坏了考试的公正性和公平性。文章提出,构建基于人脸识别技术的防作弊系统,并将其应用于网络考试,以有效防止替考等作弊行为的发生。(本文来源于《江苏科技信息》期刊2019年32期）
曾歆然,金炜东,黄颖坤,胡燕花[4]（2019）在《深度特征选择网络在雷达信号识别中的应用》一文中研究指出在现有的雷达辐射源信号识别研究中,传统人工提取到的特征虽具有较为良好的物理表征,但特征中还存在冗余、噪声特征,而通过深度神经网络虽可以挖掘到对信号更深层次的表达,但其特征存在的"黑箱"难以解释性无法避免.结合人工特征良好的物理表征性和深度学习强大的学习能力,本文提出将一种深度特征选择网络(DFS,Deep Feature Selection)应用到雷达信号识别技术中. DFS通过在深度神经网络的输入层和第一隐藏层之间增添一对一层,获取针对每维特征与分类相关性度量得到的权值,以此权值作为衡量标准,加强敏感特征的输入影响,削弱冗余、噪声特征的输入影响,提高分类准确率.方法先对雷达信号提取复杂度特征、小波脊频级联特征、信息熵特征,合并建立原始特征集,利用DFS进行学习训练,以达到在输入级别实现特征选择的目的.本文已利用上述方法对5类辐射源信号进行仿真实验,识别效果良好,验证了方法有效.(本文来源于《计算机系统应用》期刊2019年11期）
张选,胡晓娟[5]（2019）在《基于GoogLeNet和ResNet的深度融合神经网络在脉搏波识别中的应用》一文中研究指出为了提高脉搏波识别的准确率,提出改进的深度融合神经网络MIRNet2.首先,经过主波提取、划分周期和制作hdf5数据集等,获得Caffe可处理的数据集.其次,提出由Inception模块和残差模块构成的融合网络Inception-ResNet (IRNet),包含IRNet1、IRNet2和IRNet3.在此基础上,改进Inception模块、残差模块和池化模块,构造Modified Inception-ResNet (MIRNet),包含MIRNet1和MIRNet2.与本文其它神经网络相比, MIRNet2的分类性能最好,特异性、灵敏度和准确率分别达到87.85%、88.05%和87.84%,参数量和运算量也少于IRNet3.(本文来源于《计算机系统应用》期刊2019年10期）
何旭,李忠伟,刘昕,张涛[6]（2019）在《应用卷积神经网络识别测井相》一文中研究指出选用东海F气田的砂质辫状河叁角洲的自然伽马数据作为训练数据构建深度卷积神经网络,并首次用于测井相识别。选用四种自然伽马曲线形态作为特征,将数值转变为图像形式,首先对图像做标准化、添加噪声、旋转和转灰度等处理,再对数据增强与扩充,建立训练和测试数据集;然后,训练卷积神经网络建立测井相识别模型,并在训练过程中加入了Dropout、局部响应归一化和L_2正则化等策略限制了模型的复杂程度,提高了模型泛化能力;针对测井信息中不同级次沉积单元响应迭加带来的自动识别难题,使用不同尺度的小波基函数及极值分割处理和切分测井数据,最终有效划分了不同尺度沉积单元。通过与其他分类算法对比,验证了所提方法具有较好的测井相识别效果。(本文来源于《石油地球物理勘探》期刊2019年05期）
更藏措毛,黄鹤鸣[7]（2019）在《双向循环神经网络在语音识别中的应用》一文中研究指出针对前馈神经网络难以处理时序数据的问题,提出将双向循环神经网络(BiRNN)应用在自动语音识别声学建模中。首先,应用梅尔频率倒谱系数进行特征提取;其次,采用双向循环神经网络作为声学模型;最后,测试不同参数对系统性能的影响。在TIMIT数据集上的实验结果表明,与基于卷积神经网络和深度神经网络的声学模型相比,识别率分别提升了1.3%和4.0%,说明基于双向循环神经网络的声学模型具有更好的性能。(本文来源于《计算机与现代化》期刊2019年10期）
麦兴宾[8]（2019）在《SSH隧道下应用协议识别的网络安全研究》一文中研究指出由于对应用层信息的收集和识别能够实现更精确的性能分析和入侵检测,对提高网络安全性和性能具有重要意义,为此对SSH隧道下应用协议的识别进行了研究。首先,分析SSH协议以确定可以从连接建立阶段获得哪些信息。随后在流量监控基础架构所创建的扩展功能的基础上对所获取信息进行分析,获取SSH数据中所包含的应用层协议相关的信息。最后,在真实网络对SSH连接进行监测,并对监测结果进行分析。研究结果表明,通过对SSH流量数据的分析,可以识别包括端口、客户端软件在内等应用层协议,改进对暴力密码攻击等安全漏洞的检测。(本文来源于《计算技术与自动化》期刊2019年03期）
胡浩行,张江梅,王坤朋,冯兴华[9]（2019）在《卷积神经网络在复杂核素识别中的应用》一文中研究指出针对传统核素识别方法对高本底、低探测率的复杂伽马能谱存在特征提取困难、建模复杂以及识别率低等问题,提出了一种使用卷积神经网络(CNN)进行核素识别的方法。利用CNN可自适应、隐式地提取图像特征并进行分类学习的特点,搭建多层卷积神经网络的核素识别模型,通过网络模型特征提取层和分类器的训练,获取深层次的核素特征描述,实现多核素识别。基于蒙特卡洛分析软件Geant4仿真数据进行了对比分析实验,结果表明:本文提出的方法其时间复杂度为O(n~2),所提方法避免了复杂的显式特征提取过程,能够对IAEA规定的部分常见单一及混合核素实时地多核素识别。(本文来源于《传感器与微系统》期刊2019年10期）
纪春阳,徐秀林,王燕[10]（2019）在《深度神经网络技术在肿瘤细胞识别中的应用》一文中研究指出深度神经网络(DNN)作为人工智能最主要的分支,是基于模仿人脑思考方式的计算机程序,旨在模拟人类大脑处理信息的方式对事物进行分类或预测。DNN的通用性表现为:自我学习、自适应、联想记忆,即使没有先验背景也可以执行各种任务。近年来DNN受到国内外医学界的广泛重视,尤其在精准分类肿瘤细胞数字图像的自动识别方面已经取得了重大突破,DNN通过强化学习并因此获得经验,使医生能够向患者提供准确的诊疗方案。本文主要综述了DNN技术在肿瘤细胞识别的最新研究进展,详细阐述卷积神经网络、深度信念网络、生成对抗网络、深度残差网络的原理及其应用实例,比较基于不同模型的神经网络,对各类模型在应用层面上的精准度和性能进行分析,提出DNN在肿瘤细胞识别领域中面临的问题及未来的发展趋势。(本文来源于《中国医学物理学杂志》期刊2019年09期）
网络应用识别论文开题报告
（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：
针对传统工件识别算法需要手工设计特征、通用性差,且识别准确率受工件的旋转、平移和光照变化等因素影响较大,提出了一种将卷积神经网络应用在工件识别中的算法。该算法利用卷积神经网络构建一个6层端到端的工件分类识别模型。该识别模型可以从原始工件图像中进行特征自学习,设计的分层结构可以将传统方法的特征提取和分类识别两个阶段融合在一起,可以进行端到端的分类识别。实验表明,基于卷积神经网络的工件识别算法在平均识别时间和平均识别准确率上均优于传统的工件识别算法。
（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。
网络应用识别论文参考文献
[1].史健婷,吴荣强.卷积神经网络在心拍类识别中的应用[J].电子技术与软件工程.2019
[2].甘露,韩卫光.卷积神经网络在工件识别中的应用[J].组合机床与自动化加工技术.2019
[3].陈凤凤.人脸识别技术在网络考试防作弊系统中的应用研究[J].江苏科技信息.2019
[4].曾歆然,金炜东,黄颖坤,胡燕花.深度特征选择网络在雷达信号识别中的应用[J].计算机系统应用.2019
[5].张选,胡晓娟.基于GoogLeNet和ResNet的深度融合神经网络在脉搏波识别中的应用[J].计算机系统应用.2019
[6].何旭,李忠伟,刘昕,张涛.应用卷积神经网络识别测井相[J].石油地球物理勘探.2019
[7].更藏措毛,黄鹤鸣.双向循环神经网络在语音识别中的应用[J].计算机与现代化.2019
[8].麦兴宾.SSH隧道下应用协议识别的网络安全研究[J].计算技术与自动化.2019
[9].胡浩行,张江梅,王坤朋,冯兴华.卷积神经网络在复杂核素识别中的应用[J].传感器与微系统.2019
[10].纪春阳,徐秀林,王燕.深度神经网络技术在肿瘤细胞识别中的应用[J].中国医学物理学杂志.2019