本研究提出了一种改进的方法来识别食物图像中的成分，使用定位和滑动窗口技术定位成分的候选区域，并使用基于CNN的分类模型将这些区域分配到成分类别中。通过模型修剪方法提高了分类模型的效率，并通过融合两种算法的决策方案实现了多成分的识别。实验证实了该方法的有效性和改进能力。

本研究提出了一种基于序列自编码收发器的双向深度循环神经网络（BRNN），使用滑动窗口技术实现高效数据流估计。与之前的基于块的前馈神经网络（FFNN）自编码器相比，BRNN能显著降低误码率，增加传输距离。该研究为具有存储器的非线性信道的深度学习系统提供了新的设计。