基于三重修正的WSN节点定位方法

由于无线传感器网络中需要对未知节点定位,但是传统定位方法存在定位精度低的缺点。为了有效应对传感器网络定位误差较大的问题,该文提出一种基于三重修正的定位算法。首先,给出了新的计跳机制计算公式;然后,结合质心定位算法来计算未知节点的跳距;再利用最小二乘法对未知节点与锚节点间的距离矩阵进行修正;最后,利用高斯牛顿法对未知节点与锚节点所组成的非线性方程组进行优化求解。另外,再通过Matlab进行仿真实验,分析了不同因素对定位误差的影响。通过对比其他3种定位算法的定位效果,验证了该文所提算法能够有效提高定位精度。     

基于VPRS和RBF神经网络的WSN节点故障诊断

为保障油料供给的安全性,研究无线传感器网络(WSN)节点故障诊断的可行性策略,提出变精度粗糙集(VPRS)和RBF神经网络结合的故障诊断方法.该方法由运行中的汇聚节点实时获取子节点故障征兆,建立初始决策表,利用VPRS作为前端处理系统,对初始决策表进行约简,删除冗余的、不重要的属性征兆,并将约简后的结果输入RBF神经网络实现节点故障识别.仿真实验结果表明:对于具有显著不确定性的WSN节点故障诊断,该方法能够准确快速地得出诊断结果,鲁棒性和适用性更强.     

基于WSN的DV_Distance定位算法研究

近年来,无线传感器网络的节点定位技术得到了广泛的研究和关注,确定事件发生的位置是无线传感器网络的功能之一,对无线传感器的研究起着至关重要的作用。本文针对DV_Distance定位算法得到的距离值误差较大的问题,提出一种定位精度相对较高的改进型DV_Distance算法。     

基于反向传播神经网络的遗传算法在酒类气体识别中的应用

把基于反向传播神经网络的遗传算法用于酒类气体识别实验中的传感器阵列的筛选,通过评价传感器组合对反向传播神经网络识别酒类气体结果的影响,建立一种挑选传感器阵列的方法,该算法选出的变量与用统计方法得到的结果一致     

基于功率控制的无线传感器网络节点定位算法

针对野外大面积区域、不需要知道节点精确位置的应用场合,提出一种基于功率控制的节点定位算法。采用功率控制方式,分别由3个基站形成包含未知节点的3个圆环,通过计算由3个圆环形成的交叉区域的质心来实现未知节点的定位。仿真结果表明:在方圆800 m范围内,算法的绝对定位误差可达到8 m以下,可定位节点覆盖度可达99%以上。算法的定位精度和可定位节点覆盖度随划分的基站广播功率等级数的增大而提高。该算法不需要部署锚节点,节点间也无须进行信息交换,具有较高的实用性。     

基于RSSI的WSN节点室内定位分析

基于实验的基础,对基于接收信号强度（received signal strength indication,RSSI）的无线传感器网络（wireless sensor network,WSN）节点室内定位的几种不同情况进行分析.根据室内无线传播模型和实际测量数据得到RSSI室内传播模型;比较在不同位置的未知节点定位精度的不同;针对三点定位结果不理想的问题,采用粒子群优化（particle swarm optimization,PSO）算法对定位结果进行优化;比较不同数量的源节点对于节点定位精度的影响.当信标节点数量比较多时,通过筛选一些可靠的信标节点来提高定位精度.     

基于反向传播神经网络的Ad Hoc网络PID拥塞控制

为了改进比例积分微分(PID)控制在Ad Hoc网络主动队列管理(AQM)中的动态性能,优化PID控制参数的整定,该文提出了一种基于反向传播神经网络的PID拥塞控制AQM方案。该文将Ad Hoc网络的分组丢弃分为拥塞丢弃和无线丢弃,考虑分组的到达与丢失为流体,推导了拥塞窗口和队列长度的随机微分关系,通过小扰动线性化理论,获得Ad Hoc网络AQM拥塞控制模型。根据该模型,设计了基于反向传播神经网络(BPNN)的PID队列控制器,该算法可以根据网络状况对控制器PID系数进行自适应的调整。MATLAB和网络模拟器(NS)仿真表明,在突发流、链路容量及时延时变的Ad Hoc网络中,新算法在收敛速度和队列抖动上优于PID。     

神经网络反向传播模型用于CmI的能级分类

将神经网络反向传播算法应用于Ｃｕｒｉｕｍ的关于组态的分类计算。用４个特征变量（能级值、郎德ｇ日子、Ｊ量子数和同位素位移）表征每一个能好。为检验神经网络预报能力，采用ｌｅａｖｅ－ｎ－ｏｕｔ方法（奇宇称ｎ＝１，偶宇称ｎ＝５）对所有已知实验样本进行了预报。其中奇、偶宇称能级预报正确率分别为９２．７％和９７．４％。利用相同的神经网络结构，得到了１２个奇宇称和４２个偶宇称的未知能级的预报结果。     

无线网络的移动节点定位方法研究

到达时间差算法（TDOA ）是通过测量移动节点接收两个已知节点发射信号的时间差值估算距离,但移动节点需在通信范围内;DV‐hop根据节点之间跳数测距,但估算误差较大。将两种方法相结合,在不增加网络硬件的条件下,提高了定位精度。     

基于BP神经网络的盐胀量的预测方法

为了研究盐胀量与含水量、含盐量、干密度以及上覆荷载之间的关系,自主设计了硫酸盐渍土的定量增湿盐胀试验,并在试验结果的基础上采用BP神经网络对盐胀量进行了预测。经验证发现:采用BP神经网络对不同含水量、含盐量、干密度和上覆荷载等级条件下盐胀量的预测值和试验实测值有较高的拟合度。证明了运用BP神经网络对盐胀量进行预测这一方法是可行的,从而为盐胀量的预测提供了一个新的研究思路和方法。     

多层神经网络的BP算法及其在机器人控制中的应用

用多层神经网络的反向传播学习算法,计算出权值和阈值函数的更新量;用这一算法对机器人的反向动态控制模型进行实验研究,最后给出了实验结果;探讨了出现误差时的解决方法．     

无线传感器网TPSN的优化方案

文章在介绍无线传感器网络的时间同步协议TPSN(Timing-sync Protocol for Sensor Networks)的基础上.针对无线传感器网络中隐终端和冲突可能导致TPSN的不可靠、同步周期短、同步开销较大等问题.提出了TPSN的优化方案,可以提高其时间同步可靠性、估计时间误差、延长同步周期、并可大大减少其同步开销.     

基于GraphSage节点度重要性聚合的网络节点分类研究

传统的图嵌入算法及图神经网络模型在对网络节点分类时仅使用了节点本身的属性信息或者特征信息,很少使用节点在网络中的结构信息。如何在图神经网络聚合时引入节点网络结构信息来提升分类准确性也是一个值得深入研究的问题。因此,在GraphSage模型的基础上,根据网络中节点度及节点重要性设计了新的聚合函数并提出了GraphSage-Degree模型。首先,模型根据节点度获得节点在邻域中的重要性,然后再以重要性为依据来聚合节点的特征,使得网络中重要的节点能够尽可能的聚合更多的特征信息,并且在GraphSage-Degree中设置了一个与节点度有关的超参数D,能够通过调节该参数D使得在不同的数据集上达到最佳分类状态。在Cora、Citeseer和Pubmed 3个公开数据集上进行了测试,GraphSage-Degree与其他方法相比,macro-F1的平均提升值分别为8.72%、10.37%和8.29%,在Pubmed上有最大提升值38.84%;micro-F1的平均提升值分别为8.97%、11.16%和6.9%,在Pubmed上有最大提升值38.39%。     

基于ATD-BP神经网络的页岩气产量预测方法

储层改造是页岩气开发的关键步骤,根据储层改造数据进行页岩气井产量预测,对后续施工优化有重要指导意义。然而,储层改造数据与气井产量间呈非线性相关关系,不适用于传统线性预测方法。且储层改造数据存在有效数据较少、噪声数据占比较大、维数较高等问题,不适用于受噪声影响较大的传统BP神经网络非线性预测方法。由此,本文提出一种页岩气储层改造产量预测方法,首先利用自适应阈值去噪(adaptive threshold denoise,ATD)算法去除噪声,再运用BP神经网络对储层改造数据进行非线性拟合,得到页岩气井产量预测模型。实验表明,相比传统的BP神经网络,本文所提方法能够有效提高预测的准确率和稳定性。     

一种新的基于神经网络的入侵容忍系统

与预防攻击为主的安全方案不同,入侵容忍系统可以在受到攻击之后仍能提供正常连续的服务,作者从入侵容忍技术的原理入手,提出了一个入侵容忍模型,在该模型中采用了基于神经网络的入侵检测技术作为触发器,通过对该模型的工作流程和性能进行分析得出它具有很好的自适应性、安全性和弹性.     

基于WSN的精细农业传感节点硬件设计

结合精细农业实际情况,提出了基于无线传感网络的智能监控系统方案设计,采用基于ZigBee协议的CC2430芯片作为传感器节点和网关汇聚节点,进行监控参数传输、汇聚和融合,实现了农业生产自动化和精细农业。     

基于BP神经网络的经济预测方法

在经济分析中 ,通常采用回归分析方法建立数学模型对一个经济系统进行拟合 ,进而对相关经济变量进行预测 .利用人工神经网络 (ANN)的自学习、自适应和非线性的特点 ,可通过建立经济系统的评价指标体系 ,并把经济变量数据归一化处理 ,然后送入BP神经网络中训练得出相应参数再进行预测 ,经过检验得出令人满意的结果 .     

基于神经网络的车道偏移自动检测的研究

车道偏移是交通事故的主要因素之一。通过引入神经网络提出了一种应用机器视觉检测车道偏移的方法。首先通过图像处理从道路图像提取道路标志线。然后通过最小二乘法计算道路图像中道路标志线的参数。以道路图像中道路标志线的参数为输入,车道偏移参数为输出,建立神经网络进行车道偏移检测。实验结果表明误差小于0.5%,方差检验结果也表明人工测量和神经网络的结果无显著差异。新方法将有助于车道偏移自动检测技术的发展。