应用实例
1. 最小温度预测
研究人员使用RPROP,PSO和RBF网络对实验组数据进行了测试,并预测出既定地区内15分钟、1小时、3小时、6小时、12小时和24小时后的温度情况。[1]
2. 使用神经网络创建天气预测模型
在非线性关系被发现前,研究人员试图建立天气数据中输入输出数据的线性关系。尽管也有可行的非线性数据的预测方法,但都是基于提前建立好的非线性模型。这篇文章介绍了一种可行的人工神经网络,可以生成根据有效、可靠的非线性模型,并通过不同的变换公式对模型进行测评和改进[2]
卷积神经网络(Convolutional Neural Networks)
- 计算机视觉和人类识别的区别 人类看到一张图片,是会根据自身经验或者认知对目标进行快速提取;而计算机看到的则是一个矩阵,矩阵中的数字代表RGB各个通道的色彩亮度,比如下图1。所以计算机想要达到人类的视觉能力,就需要进行机器学习。幸运的是,计算能力正是计算机的特长,因此神经网络应运而生,使得机器学习的效率大增。
- 神经网络学习图像的原理神经网络中有很多层,每一层包含很多算法和函数,可以对数字矩阵进行特征计算。比如:卷积、池化、非线性以及最后的softmax评估函数,这些函数的应用,让计算机看起来好像有了人类的学习认知能力。 如图所示的卷及神经网络(图2),卷积神经网络是通过多个卷积层和池化层的组合,搭建出可以提取图像特征的神经网络,并