人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。
人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智能帶來的科技產品，將會是人類智慧的“容器”。人工智能可以對人的意識、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能。
人工智能之父 John McCarthy說：人工智能就是制造智能的機器，更特指制作人工智能的程序。人工智能模仿人類的思考方式使計算機能智能的思考問題，人工智能通過研究人類大腦的思考、學習和工作方式，然后將研究結果作為開發(fā)智能軟件和系統(tǒng)的基礎。
小編整理了《電子技術應用》近年刊登的與人工智能相關的最新研究成果及其應用實例，歡迎相關領域研究者參考借鑒！
1.基于深度學習的美國媒體“一帶一路”輿情的情感分析
摘要： 分析美國主流新聞媒體針對“一帶一路”倡議的關注熱點，研究相關輿情的情感傾向。用網(wǎng)絡爬蟲自動采集相關新聞，篩選高頻詞獲得媒體關注熱點。提出一種自動摘要-卷積神經網(wǎng)絡（Convolutional Neural Network，CNN）的集成式模型進行文檔級情感分析。該模型首先提取摘要去除原始文檔中非重要數(shù)據(jù)的干擾，再利用卷積神經網(wǎng)絡進行句子級情感分析，通過基于語義指向的方法獲得文檔級的情感分數(shù)，并對情感波動異常文章二次分析。在真實數(shù)據(jù)上的對比實驗表明，自動摘要-CNN的集成式文檔級情感分析模型在情感分析方面優(yōu)于單一CNN的方法。
全文鏈接： http://ihrv.cn/article/3000094112
中文引用格式： 王潔，喬藝璇，彭巖，等. 基于深度學習的美國媒體“一帶一路”輿情的情感分析[J].電子技術應用，2018，44(11)：102-106，110.
英文引用格式： Wang Jie，Qiao Yixuan，Peng Yan，et al. Sentiment analysis about “One Belt, One Road” public opinion of American media based on deep learning[J]. Application of Electronic Technique，2018，44(11)：102-106，110.
2.基于深度學習的人體行為識別算法
摘要： 為改善人體行為識別任務中準確率低的問題，提出了一種基于批歸一化的卷積神經網(wǎng)絡（CNN）與長短期記憶(LSTM)神經網(wǎng)絡結合的神經網(wǎng)絡。CNN部分引入批歸一化思想，將輸入網(wǎng)絡的訓練樣本進行小批量歸一化處理，經過全連接之后，送入長短期記憶神經網(wǎng)絡中。該算法采用時空雙流網(wǎng)絡模型結構，視頻數(shù)據(jù)的RGB圖像作為空間流網(wǎng)絡輸入，光流場圖像作為時間流網(wǎng)絡輸入，再將時空雙流網(wǎng)絡各自得到的識別結果進行加權融合得到最終的行為識別結果。實驗結果表明，本文設計的時空雙流神經網(wǎng)絡算法在人體行為識別任務上具有較高的識別準確率。
全文鏈接：http://ihrv.cn/article/3000091469
中文引用格式：黃友文，萬超倫. 基于深度學習的人體行為識別算法[J].電子技術應用，2018，44(10)：1-5，10.
英文引用格式： Huang Youwen，Wan Chaolun. Human behavior recognition algorithm based on deep learning[J]. Application of Electronic Technique，2018，44(10)：1-5，10.
3.基于TensorFlow深度學習手寫體數(shù)字識別及應用
摘要：手寫體數(shù)字的識別是人工智能識別系統(tǒng)中的重要組成部分。因個體手寫數(shù)字的差異，現(xiàn)有識別系統(tǒng)準確率較低?；赥ensorFlow深度學習框架完成手寫體數(shù)字的識別及應用，首先建立TensorFlow深度學習框架，并分析了Softmax、卷積神經網(wǎng)絡(CNN)模型結構，再對手寫體數(shù)據(jù)集MNIST的60 000個樣本進行深度學習，然后進行10 000個樣本的測試對比，最后移植最優(yōu)模型到Android平臺進行應用。實測數(shù)據(jù)驗證，相對于傳統(tǒng)的Softmax模型，基于TensorFlow深度學習CNN模型識別率高達99.17%，提升了7.6%，為人工智能識別系統(tǒng)的發(fā)展提供了一定的科研價值。
全文鏈接：http://ihrv.cn/article/3000091470
中文引用格式：黃睿，陸許明，鄔依林. 基于TensorFlow深度學習手寫體數(shù)字識別及應用[J].電子技術應用，2018，44(10)：6-10.
英文引用格式：Huang Rui，Lu Xuming，Wu Yilin. Handwriting digital recognition and application based on TensorFlow deep learning[J]. Application of Electronic Technique，2018，44(10)：6-10.
4.基于深度學習的實時識別硬件系統(tǒng)框架設計
摘要：設計了一種基于深度學習的實時識別硬件系統(tǒng)框架。該系統(tǒng)框架使用Keras完成卷積神經網(wǎng)絡模型的訓練并提取出網(wǎng)絡的參數(shù)，利用ZYNQ器件的FPGA+ARM軟硬件協(xié)同的方式，使用ARM完成對實時圖像數(shù)據(jù)的采集、預處理及顯示，通過FPGA實現(xiàn)卷積神經網(wǎng)絡的硬化并對圖像進行識別，再將識別結果發(fā)送至上位機進行實時顯示。系統(tǒng)框架采用MNIST和Fashion MNIST數(shù)據(jù)集作為網(wǎng)絡模型硬化試驗樣本，實驗結果表明，在一般場景下該系統(tǒng)框架能夠實時、準確地完成圖像數(shù)據(jù)的獲取、顯示及識別，并且具有可移植性高、處理速度快、功耗低的特點。
全文鏈接：http://ihrv.cn/article/3000091553
中文引用格式：王昆，周驊. 基于深度學習的實時識別硬件系統(tǒng)框架設計[J].電子技術應用，2018，44(10)：11-14.
英文引用格式：Wang Kun，Zhou Hua. Design of real-time recognition hardware system framework based on deep learning[J]. Application of Electronic Technique，2018，44(10)：11-14.
5.基于膠囊網(wǎng)絡的指靜脈識別研究
摘要：針對卷積神經網(wǎng)絡(CNN)中空間上的指靜脈信息丟失的問題，提出了一種基于膠囊網(wǎng)絡(Capsule Network，CapsNets)的指靜脈識別算法。CapsNets在整個學習過程中以“膠囊”的形式從底層傳遞至高層，如此以向量的形式封裝指靜脈的多維特征，特征會在網(wǎng)絡中被保存，而不是丟失后進行恢復。采用60 000張圖像作為訓練集，10 000張圖為測試集，通過對圖像增強、裁剪后進行網(wǎng)絡學習。通過實驗表明，CapsNets的網(wǎng)絡結構特征相比CNN在處理脊線區(qū)域時效果更加明顯，對比VGG精確度增加了13.6%，loss值也收斂到0.01。
全文鏈接：http://ihrv.cn/article/3000091554
中文引用格式： 余成波，熊遞恩. 于膠囊網(wǎng)絡的指靜脈識別研究[J].電子技術應用，2018，44(10)：15-18.
英文引用格式：Yu Chengbo，Xiong Dien. Research on finger vein recognition based on capsule network[J]. Application of Electronic Technique，2018，44(10)：15-18.
6.基于卷積神經網(wǎng)絡的圖像著色
摘要：圖像著色的目標是為灰度圖像的每一個像素分配顏色，它是圖像處理領域的熱點問題。以U-Net為主線網(wǎng)絡，結合深度學習和卷積神經網(wǎng)絡設計了一個全自動的著色網(wǎng)絡模型。在該模型中，支線使用卷積神經網(wǎng)絡SE-Inception-ResNet-v2作為高水平的特征提取器，提取圖像的全局信息，同時在網(wǎng)絡中使用PoLU(Power Linear Unit)函數(shù)替代線性整流函數(shù)(ReLU)。實驗結果證明此著色網(wǎng)絡模型能夠對灰度圖像進行有效的著色。
全文鏈接： http://ihrv.cn/article/3000091637
中文引用格式：徐中輝，呂維帥. 基于卷積神經網(wǎng)絡的圖像著色[J].電子技術應用，2018，44(10)：19-22.
英文引用格式：Xu Zhonghui，Lv Weishuai. Image coloring based on convolution neural network[J]. Application of Electronic Technique，2018，44(10)：19-22.
7.深度學習中的卷積神經網(wǎng)絡系統(tǒng)設計及硬件實現(xiàn)
摘要：針對目前深度學習中的卷積神經網(wǎng)絡（CNN）在CPU平臺下訓練速度慢、耗時長的問題，采用現(xiàn)場可編程門陣列（FPGA）硬件平臺設計并實現(xiàn)了一種深度卷積神經網(wǎng)絡系統(tǒng)。該系統(tǒng)采用修正線性單元（ReLU）作為特征輸出的激活函數(shù)并使用Softmax函數(shù)作為輸出分類器。利用流水線技術并針對每一層的特征運算進行了并行處理，從而能夠在1個系統(tǒng)時鐘周期內完成整個CNN中的295次卷積運算。系統(tǒng)最后采用MNIST數(shù)據(jù)集作為實驗樣本，實驗結果表明，在50 MHz的工作頻率下，F(xiàn)PGA的訓練用時相較于通用CPU的訓練用時提升了8.7倍，經過2 000次迭代后系統(tǒng)識別的準確率為92.42%。
全文鏈接：http://ihrv.cn/article/3000082399
中文引用格式：王昆，周驊. 深度學習中的卷積神經網(wǎng)絡系統(tǒng)設計及硬件實現(xiàn)[J].電子技術應用，2018，44(5)：56-59.
英文引用格式：Wang Kun，Zhou Hua. System design and hardware realization of convolution neural network system in deep learning[J]. Application of Electronic Technique，2018，44(5)：56-59.
8.基于PSO-BP神經網(wǎng)絡的人體穴位定位系統(tǒng)設計
摘要： 穴位的位置是否找準會直接影響治療效果，因此設計了一種基于粒子群算法優(yōu)化神經網(wǎng)絡（PSO-BP）的穴位相對坐標預測模型，然后與ARM結合構成一個可以用于人體穴位定位的系統(tǒng)。首先采用PC進行MATLAB仿真訓練學習，然后將最優(yōu)權值及閾值保存下來并簡化算法嵌入ARM內，將在線預測轉變?yōu)殡x線過程。實驗結果表明：經粒子群優(yōu)化過的BP神經網(wǎng)絡有效地改善了局部極值缺陷，可應用于定位端預測穴位的位置，并在LCD中顯示穴位相關信息，控制端收到位置數(shù)據(jù)后可執(zhí)行電機上的運動操作。
全文鏈接：http://ihrv.cn/article/3000090355
中文引用格式：楊向萍，吳玉丹. 基于PSO-BP神經網(wǎng)絡的人體穴位定位系統(tǒng)設計[J].電子技術應用，2018，44(9)：75-78.
英文引用格式：Yang Xiangping，Wu Yudan. Acupoint positioning system based on PSO-BP neural network[J]. Application of Electronic Technique，2018，44(9)：75-78.
9.基于深度學習的煙霧識別研究
摘要：基于Google第二代人工智能學習系統(tǒng)TensorFlow構建神經網(wǎng)絡對煙霧圖像進行識別檢測，通過改進的運動檢測算法截取疑似煙霧區(qū)域圖像，并結合PCA降維算法和Inception Resnet v2網(wǎng)絡模型在TensorFlow平臺下進行煙霧特征的訓練識別。該算法實現(xiàn)了較大范圍的火災實時檢測報警，經過實驗證明整個檢測過程準確地識別了視頻流中的煙霧區(qū)域，相比于傳統(tǒng)煙霧識別方法具有更高的準確率和自適應性，為大范圍的火災煙霧報警提供了一種有效方案。
全文鏈接：http://ihrv.cn/article/3000092836
中文引用格式： 王濤，宮寧生，蔣貴祥. 基于深度學習的煙霧識別研究[J].電子技術應用，2018，44(10)：131-135.
英文引用格式：Wang Tao，Gong Ningsheng，Jiang Guixiang. Smoke recognition based on the depth learning[J]. Application of Electronic Technique，2018，44(10)：131-135.
10.基于深度學習的胸部X光影像分析系統(tǒng)
摘要：提出一種應用嵌入式技術和深度學習技術實現(xiàn)對胸部X光影像分析的設計方案。采用NIVIDIA公司生產的Jetson TX2作為核心板，配備以太網(wǎng)模塊、WiFi模塊等功能模塊搭建該分析系統(tǒng)的硬件平臺。在GPU服務器上利用MobileNets卷積神經網(wǎng)絡對標注的胸部X光影像數(shù)據(jù)集進行訓練，將訓練好的神經網(wǎng)絡模型移植到Jetson TX2核心板，在嵌入式平臺下完成對胸腔積液、浸潤、肺氣腫、氣胸以及肺不張癥狀的檢測。利用美國國立衛(wèi)生研究院提供的胸部X光影像數(shù)據(jù)進行測試，通過實驗證明，該方法在識別準確率上優(yōu)于其他的檢測方法，同時識別所需時間比其他方法短。
全文鏈接：http://ihrv.cn/article/3000093435
中文引用格式：周進凡，張榮芬，馬治楠，等. 基于深度學習的胸部X光影像分析系統(tǒng)[J].電子技術應用，2018，44(11)：29-32.
英文引用格式：Zhou Jinfan，Zhang Rongfen，Ma Zhinan，et al. Chest X-ray image analysis system based on deep learning[J]. Application of Electronic Technique，2018，44(11)：29-32.
11.基于深度學習的圖像分類方法
摘要：提出了一種用于圖像分類的卷積神經網(wǎng)絡，將不同池化方式對圖像分類的影響進行了分析對比，采用重疊池化和dropout技術，較好地解決過擬合問題。與傳統(tǒng)神經網(wǎng)絡相比，該方法在CIFAR-10數(shù)據(jù)集上獲得了較好的結果，在測試集上準確率比訓練集上準確率高9%左右。
全文鏈接：http://ihrv.cn/article/3000084504
中文引用格式： 許少尉，陳思宇. 基于深度學習的圖像分類方法[J].電子技術應用，2018，44(6)：116-119.
英文引用格式： Xu Shaowei，Chen Siyu. Image classification method based on deep learning[J]. Application of Electronic Technique，2018，44(6)：116-119.
12.基于機器視覺的智能導盲眼鏡設計
摘要：提出一種基于機器視覺的智能導盲眼鏡系統(tǒng)的設計方案。采用三星公司Cortex-A8架構的 S5PV210作為中央處理器，搭載Linux系統(tǒng)，配備雙目采集、GPS定位、語音播報、GSM短信、語音通話、無線傳輸六大核心功能模塊搭建智能導盲眼鏡系統(tǒng)的硬件平臺，結合深度學習算法在遠程云服務器上完成了對目標場景的智能識別，最后以語音的形式實時對盲人的行走作出準確引導。系統(tǒng)測試結果表明，該智能導盲眼鏡系統(tǒng)在測試環(huán)境下不僅能對盲人出行正確導航，還具有一定的目標識別能力，能幫助盲人進行簡易物品歸類。該系統(tǒng)還兼有GPS定位、語音通話、GSM短信等多項輔助功能。
全文鏈接：http://ihrv.cn/article/3000064090
中文引用格式： 何騰鵬，張榮芬，劉超，等. 基于機器視覺的智能導盲眼鏡設計[J].電子技術應用，2017，43(4)：58-61.
英文引用格式： He Tengpeng，Zhang Rongfen，Liu Chao，et al. Design of smart seeing glasses based on machine vision[J].Application of Electronic Technique，2017，43(4)：58-61.
13.基于深度學習的無人機識別算法研究
摘要：無人機的廣泛運用，在給人們帶來便利的同時，也引發(fā)了不良影響。比如，無人機飛入禁飛區(qū)引發(fā)安全問題，由于不正當?shù)氖褂们址腹竦碾[私等，因此需要構建一個無人機警察系統(tǒng)，對無人機實施監(jiān)控，遏制亂飛現(xiàn)象。采用傳統(tǒng)的識別方法，靈活性不足，精度也不夠高。為此提出一種基于深度學習的無人機識別算法，通過訓練一個基于卷積神經網(wǎng)絡（CNNs）的學習網(wǎng)絡，得出一個高效的識別模型，實現(xiàn)無人機和非無人機間的分類。模型的測試結果表明，該方法具有較高的識別率。
全文鏈接：http://ihrv.cn/article/3000068878
中文引用格式：蔣兆軍，成孝剛，彭雅琴，等. 基于深度學習的無人機識別算法研究[J].電子技術應用，2017，43(7)：84-87.
英文引用格式： Jiang Zhaojun，Cheng Xiaogang，Peng Yaqin，et al. A novel UAV recognition algorithm based on deep learning approach[J].Application of Electronic Technique，2017，43(7)：84-87.
14.基于視覺引導的SCARA機器人自動裝配系統(tǒng)
摘要：現(xiàn)有生產線工業(yè)機器人抓取點固定，工件只能以固定的姿態(tài)提前擺放在固定的位置，這種裝配模式很難滿足復雜的工業(yè)生產要求且效率低下。設計了基于視覺引導的機器人裝配系統(tǒng)改進原有系統(tǒng)。設計了機器視覺系統(tǒng)，實現(xiàn)了工件的快速識別、定位以及姿態(tài)確定功能；設計了抓放系統(tǒng)，實現(xiàn)了工件的精確抓取和安裝功能；采用Visual Studio的MFC開發(fā)，實現(xiàn)圖像處理算法，并利用Socket通信將坐標和姿態(tài)數(shù)據(jù)發(fā)送給機器人。通過實驗驗證本系統(tǒng)具有良好的穩(wěn)定性和快速性，可以滿足生產的要求，大幅提高生產效率。
全文鏈接： http://ihrv.cn/article/3000065381
中文引用格式：黨宏社，候金良，強華，等. 基于視覺引導的SCARA機器人自動裝配系統(tǒng)[J].電子技術應用，2017，43(5)：21-24.
英文引用格式： Dang Hongshe，Hou Jinliang，Qiang Hua，et al. SCARA automatic assembly system based on vision guided[J].Application of Electronic Technique，2017，43(5)：21-24.