目前,机器学习技术在各行业已经被广泛应用,随着云服务模式的快速发展,越来越多的云服务商提供机器学习平台供用户使用。但随着现代社会对隐私保护越来越重视,如何在计算的过程中既保证数据的隐私性,又保证算法的有效性越来越成为机器学习领域中的一大难题。为了解决这一问题,各种同态加密算法被相继提出。本文介绍了同态加密的相关概念,并重点介绍了同态加密技术在机器学习领域的研究进展,提出了未来的研究方向 本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name。 深度卷积神经网络能自动从训练样本中学习高层语义特征,本文尝试将深度卷积神经网络用于图像检索,以解决语义鸿沟问题,将图像检索输入特征使用改进的卷积神经网络作为提取特征。但传统的深度卷积神经网络学习过程的初始参数是随机的,在实际训练过程中,如果训练的样本集不是足够大该模型容易出现局部优化或过度拟合,致使实际结果不好。因此,本文提出了一种改进的卷积神经网络模型,该模型使用未标记的样本数据预训练深度卷积神经网络。在这个改进的模型中,结合自动编码器的原理,通过重建输入数据来提取输入数据的特征表达式并在常用的Caltech 256数据集上对所提出的方法进行实验卷积神经网络-电动折弯机滚圆机滚弧机张家港数控折弯机滚圆机滚弧机倒角机。实验结果证明;对于大型神经网络,提出的改进算法具有较高精度且在时间收敛速度方面较原算法也有提升。同时,还使用了ImageNet预训练的VggNet网络的特征作为图像检索的输入特征,结果显示:1.VggNet取得了最高的准确率和ImageNet极易陷入过拟合,因此很难得到最好的训练结果。于图像检索。另一种深度卷积神经网络采用VggNet[17]，其直接采用ImageNet预训练模型进行特征提龋3.1实验数据集本文在常用的Caltech256数据集[18]上对所提出的方法进行实验验证，该数据集共有30607个图像，分为256个不同的对象类别，以及一个背景类别。每个类别平均包含40到800张图像，每个图像的大小约为300×200像素，通过计算查询图像的平均准确率来对所提出的方法进行量化评价。 本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name图1显示了Caltech256数据集示例图片。图1Caltech256数据集示例图片3.2网络结构该网络与AlexNet网络大致相同，与AlexNet的不同之处在于，自定义网络将AlexNet网络最后的1000个分类改为了256个，以适应数据集的大校其网络具体参数如下：表1自定义网络结构参数层名卷积层1卷积层2卷积层3卷积层4卷积层5全连接层6全连接层7全连接层8输入数据大小2卷积模板大小非常类似，与AlexNet不同的是，其卷积层的模板更小，都为3，但是网络的深度更深，模型的参数更少，这样对避免过拟合问题具有一定的作用。3.3实验结果在该实验中，使用fc6层特征被用作图像检索的输入，其中使用VggNet网络的检索结果如图2所示。图2VggNet网络的检索结果图185要研究利用机器视觉技术检测小麦籽粒外观及特征。基于机器视觉的小麦静态识别定位和形状参数测量方法包括小麦籽粒的图像分割技术、形态结构特征提取和颜色检测等内容,实现了用机器代替人眼进行测量。本文分析了小麦籽粒图像在彩色空间中的颜色信息,并对彩色空间变换和图像文件格式转换进行了算法的方法设计总结。 卷积神经网络-电动折弯机滚圆机滚弧机张家港数控折弯机滚圆机滚弧机倒角机 本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name