2022-11-12深度学习5--学习MIT《深度学习导论》6.S191课程-1

人工智能：任何能够使计算机模拟人的行为

机器学习：无需明确编程的学习能力

深度学习：使用神经网络从数据中提取特征（patterns）

深度学习是一类特殊的非线性回归方法。

已有的深度学习应用

1. 基于中药材适宜性发现潜在适生区

2. 病虫害的识别。随着农业物联网技术的发展，农田环境中的图像与视频变得更加易于获取，因此发展一种以计算机视觉技术为基础的图像识别技术对提高农业害虫防治效率具有重要意义。本课题将深度学习技术应用于农业害虫的图像识别上，在此方法下相较支持向量机和浅层BP神经网络等分类器，将识别正确率大幅度提高，并通过研究深度残差学习继续优化深度卷积神经网络，使其识别能力达到实际需求可接受的程度，此外继续研究基于区域卷积神经网络（R-CNN）和全卷积网络(FCN)实现监控视频中的害虫目标位置的追踪检测以及害虫图像的语义分割。最终将研究对象从单纯的静态图像迁移到实际的监控视频中，使得本项目相比前人研究更具现实意义，有更高的推广价值。通过多种方法获取植物健康与患不同疾病的图片，建立植物疾病大数据资料库。以大数据为基础，借鉴计算机视觉领域的通用深度神经网络，克服噪音干扰，训练针对植物疾病识别的模型，使其可通过叶片图像分辨种类和病种。基于优化的模型，开发相应的手机App，实现模型的移动化，从而帮助人们进行判断，为种植者、研究者提供方便。

3. 药材产量的预测

4. 基于深度学习的多任务学习和多模态数据融合技术构建川芎饮片辨状论质模型研究

5. 针对目前田间机器人双目视觉立体匹配算法效率低、精度差的情况，引入基于深度学习算法的双目视觉图像匹配技术以及垄线识别算法，提高立体匹配算法性能，减少匹配运算时间，提高垄线识别精度，实现基于田间机器人双目视觉系统导航控制算法，从三维上进一步排除噪声，实现农业机器人的精确导航。

6. 建立心电大数据库，搭建深度学习的开发平台，并在此基础之上构建基于深度学习的心电自动分析算法，使算法分析准确度达到临床应用预期水平，突破目前的心电分析算法的瓶颈，并让本研究成果得到初步应用。

7. 本项目是一个分析、统计学生课堂异常行为的检测系统。通过建立、训练深度学习网络和行为分析模型,使系统自己理解、学习、归纳学生课堂异常行为特征极其规律,实现对玩手机、睡觉、聊天等异常行为的实时检测,并自动形成课堂行为分析报告。建立数据库存档并通过APP及时推送给任课老师、辅导员、班级负责人等。为任课老师提供教学反馈,方便其了解课堂学生听课状况；为辅导员提供学生考评依据,及时了解学生出勤率与学习状况；为班级负责人督促同学自我管理提供依据,及时掌握同学学习生活状况。

8. 利用深度学习算法对不同树叶类型进行自动特征提取及训练，以期得到相应的网络权重数据实现分类。基于这些数据，本项目旨在开发出移动终端应用，直接获取用户图片数据，对图片进行预测，以便捷直观方式反馈结果。

9. 本项目是一种基于动态监测的水质预测与管理系统，该系统以可移动无线传感仿生鱼为节点，形成动态水质监测网络，系统采用时序特征提取方法对采集到的数据进行深度挖掘，并基于支持向量机、深度学习的水质参数预测算法建立相应的水质模型，然后依据管理平台给出的决策指令驱动仿生鱼节点群重点监测水质异常水域。

10. 智能母猪分娩警报系统、母猪发情智能鉴定系统和公猪精液智能分析APP。本团队以机器深度学习作为核心技术，将牧场的生产实践作为切入点，立志提升养殖业智能化水平，促进互联网＋大农业进程，为扩大畜牧场生产经济效益作出自己的贡献。

11. 项目立足使人们特别是中老年人饱受折磨的心脏类疾病，运用深度学习的方法，利用计算机对心脏病在人体的相关指标，如心率、血压、ECG等进行分析，研发一套能做到预判发病时间并及时向使用者发送反馈信息的仪器。

12. 景区旅游大数据平台研究与开发：本项目首先对景区采集的票务数据、监控数据和物联网监测数据进以及移动通信运行商的定位、通信数据进行数据清洗、数据集成、数据变换和数据规约等预处理，利用HDF5技术对其进行分布式存储；然后利用数据挖掘、模式识别、机器学习、深度学习等数据分析技术对游客进行画像，分析出具有不同属性的游客的旅游消费偏好和消费习惯，从而为旅游企业和旅游管理部门的经营提供决策支持。最后，利用大数据可视化技术对统计和数据挖掘结果进行可视化呈现。

13. 此项目以学生对食堂的反馈为前提，提供app平台收集反馈信息，在深度学习基础下针对学生对菜品的点评，课表安排，个人口味及季节变化等不同因素对学生智能推荐菜品。从而增进高校食堂与同学之间的交流互动性，推进高校光盘行动，达到学生与食堂双赢的目的。

14. 精准定位农作物目标及实现检测识别功能已成为现代农业智能监控的重要手段，本项目以农作物目标为研究对象，以无人机为研发平台，以计算机视觉和深度学习方法为训练模型，精准定位农作物目标，重点解决无人机平台中农作物检测与识别模型的关键问题，构建高精度目标识别算法，实现农业无人机自主定高、自主喷药、自动避障和农业场景理解。

15. 我们的智能化商场客流检测系统项目以目前各大中小城市的商场为出发点，利用最新的计算机视觉--深度学习技术对商场内监控摄像视频分析，实现商场客流量统计、性别信息统计等相关数据统计，为商场和企业提供基于目标客户的大数据统计与分析。商场可依据“数据”实现动态管理。同时基于大数据的收集与分析，商场可实现长期规划。

16. 心音检测和分析是了解心脏和血管状态的一种不可缺少的手段。人工听诊具有局限性，需要有正确客观地反映心音特性的技术。近年来，随着深层神经网络（DNN）在语音识别领域的成功应用，给心音识别带来新的机遇。将大数据的研究方法应用于医学事业，为疾病的诊断、分析、治疗提供一种高效、自动、智能的通道，是非常有意义的一项课题。我们旨在利用深度学习网络对心音数据库识别检测，希望我们的研究成果能为医疗事业带去福音。

17. 有毒蘑菇与无毒蘑菇的特征极其相似，在野外杂生的情况下极易混淆，因此时常造成采食者误食中毒。“基于高级AI技术的蘑菇有毒无毒识别系统”采用人工智能中的深度学习卷积神经网络CNN建立图像识别算法进行蘑菇特征的深度挖掘，该系统能够帮助人们识别蘑菇是否有毒，为健康安全提供保障。

18. 文章推荐系统。打造一个让所有人高效获取高质资讯的平台。在前期，我们致力于解决微信订阅号得不到充分使用和管理的问题。主要功能有： 1.精准推荐海量订阅号热点文章 2.已收藏文章的分组管理 3.为文章转发分享设置分享圈 4.对文章做标注及深度学习 5.订阅号排行榜与订阅号推荐 6.订阅号推送文章的精简推荐 7.定位查看实体场所认证订阅号的最新动态 本平台目前是一款微信小程序，结合上述的主要功能，极其适合微信的生态圈。前期的商业模式是广告+会员。

19. 基于深度学习的海参识别与水下捕捞机器人的设计

20. 为了制造气味记录还原仪，首先要做出更有效、便捷、准确的电子鼻，识别气体。本项目将基于生物嗅觉系统，研究仿生电子鼻。创新点与特色在于利用仿生原理改进气体分子识别的原理以及利用深度学习提高机器的普适性。

21. 一、研究目标 中国是粮食生产大国，然而频繁的自然灾害和复杂的地理因素导致每年粮食产量波动甚大。所以，对农作物长势的实时监控的重要性不言而喻。其次，粮食产量预测也对编制国民经济计划有重要的作用。因此本课题拟通过时空融合遥感图像处理算法和深度学习对本年粮食产量做出预估。 二、研究内容 首先基于非局部滤波时空融合方法生成遥感影像，引用STARFM算法的框架，像元权重计算采用NLM算法思想，并验证图像的可靠性，在此基础进行适当的加以改变，建立更加完善的遥感图像时-空融合模型。然后提取农作物关键生长参数，MODIS和Landsat数据时空融合重构NDVI时间序列，在植被生长高峰期能够有效、高精度补充Landsat的缺失数据集，达到实时监测。最后基于深度学习技术进行农作物估产分析，第一步建立一个基于深度学习技术的DBN网络，然后数据预处理，再计算农作物生长参数和其他因素，构建参数-产量特征，选取训练样本，设置DBN 网络参数，最后进行精度评定。
    23.基于深度学习的转录因子绑定位点识别方法。 基因的转录调控是细胞生长的关键环节，异常转录将导致疾病发生。转录因子具有基因转录特异性，基因转录因子识别和绑定位点预测是理解转录调控机制,建立转录调控网络的关键问题。Chip-seq是一种大规模转录因子分析技术，能够产生海量的包含转录因子识别区域的DNA短序列数据。作为一种源于人脑识别能力的大数据学习方法，深度学习提供了一种新的识别转录因子和预测绑定位点的手段。本项目拟基于深度卷积神经网络研究大规模转录因子绑定位点识别方法。

22. 基于深度学习和多传感融合的种鹅表型快速测定系统研制

23. 基于深度学习的激光除草机器人

24. 基于深度学习的肉鸡行为识别及其自动化移动设备的研究

25. 基于深度学习算法的股票价格预测性与市场有效性研究