摘要：本研究基于自建的6类违章停车数据集（2313张图像/6606个标注框），采用YOLOv11模型开发了一套支持图片、视频及实时摄像头检测的违章停车智能检测系统。

摘要：脑电信号具有非平稳性强、信噪比低和个体差异明显等特点，使脑机接口中的运动想象分类较为困难。针对这一问题，本文以标准运动想象脑电数据集为对象，研究基于卷积神经网络的脑电信号分类及可解释性分析，以提高分类自动化水平并增强模型判别的可解释性。

摘要：随着自动驾驶技术的快速发展，道路场景理解成为智能驾驶系统的核心技术之一。然而，在夜间或低光照条件下，传统道路识别算法面临图像质量下降、特征提取困难等挑战，同时实时性要求限制了复杂深度模型的应用。针对这些问题，本文提出了一种基于低光照增强与轻量型CNN的道路实时识别算法。

摘要：交通流量预测是智能交通系统的核心技术之一，对缓解交通拥堵、优化路网资源配置具有重要意义。本文基于PeMS-228真实交通数据集，设计并实现了一个集成多种主流深度学习算法的交通速度预测系统。

本文设计并实现了一个基于注意力机制LSTM的温度预测系统，结合Flask框架搭建可视化平台。系统采用Attn-LSTM模型进行温度时间序列预测，通过数据预处理、周期特征构造和归一化处理，将温度预测转化为时序监督学习任务。实验结果表明，系统能完整实现数据预处理、模型训练和结果评估等功能，但Attn-LSTM在当前数据集下的预测性能未明显优于普通LSTM模型。系统支持预测曲线、误差分析和注意力权重可视

金属材料在循环载荷下呈现复杂弹塑性行为，传统Chaboche模型参数标定繁琐且泛化能力有限。本文以316L不锈钢为对象，基于Chaboche双背应力模型生成涵盖单调拉伸、对称/非对称循环、递增幅值及随机加载等10条路径的应力-应变数据集，以当前应变与应变增量为输入，构建双层LSTM网络学习本构关系。

摘要：随着自动驾驶技术的快速发展，道路场景理解成为智能驾驶系统的核心技术之一。然而，在夜间或低光照条件下，传统道路识别算法面临图像质量下降、特征提取困难等挑战，同时实时性要求限制了复杂深度模型的应用。针对这些问题，本文提出了一种基于低光照增强与轻量型CNN的道路实时识别算法。

摘要：随着AI产业发展，岗位需求与人才供给的结构性矛盾日益突出。本文基于2000条AI招聘数据（8类职位、7个行业），设计了融合知识图谱、NLP与图神经网络的职位需求分析与人才竞争力评估系统。

本文针对海量新闻文本场景下信息过载、人工摘要效率低以及用户难以快速获取核心内容等问题，设计并实现了一套基于 LSTM 的新闻文本摘要系统。系统以新闻标题与新闻正文为输入，围绕“文本预处理—模型训练—摘要生成—结果展示”构建完整流程，旨在 提升新闻信息的提炼效率与系统展示性，为新闻内容智能处理提供可实现的工程方案。

糖尿病视网膜病变是糖尿病常见且严重的微血管并发症之一，也是导致成年人视力下降甚至失明的重要原因。由于该病在早期往往缺乏明显症状，若不能及时筛查和干预，容易造成不可逆的视觉损伤。传统眼底图像判读主要依赖专业医生人工完成，不仅工作量大，而且对临床经验具有较强依赖性。因此，研究并设计一种基于深度学习的糖尿病眼底图像分类识别系统，对于提高眼底病变筛查效率、辅助临床诊断以及推动智能医疗技术应用具有重要的现实