[发明专利]一种基于神经网络的物联网实验室环境监控方法及系统

权利要求书

1.一种基于神经网络的物联网实验室环境监控方法，其特征在于，包括以下步骤：

获取物联网中传感器数据；

将所述传感器数据与神经元中预设的连接权重因子和阈值结合，并采用预设的传递函数计算出结果；

根据所述结果形成执行量输出给执行机构。

2.根据权利要求1所述的一种基于神经网络的物联网实验室环境监控方法，其特征在于，所述将所述数据与神经元中预设的连接权重因子和阈值结合，并采用预设的传递算法计算出结果，具体计算公式如下：

其中，Xm(i＝1,2,3,...m)为多个输入参量；Y_j为单个输出；θ_i为阈值；W_ij为从神经元i到神经元j的连接权重因子；f()为传递函数,即f(x)＝sigmoid(x)。

3.根据权利要求2所述的一种基于神经网络的物联网实验室环境监控方法，其特征在于，所述将所述数据与神经元中预设的连接权重因子和阈值结合，并采用预设的传递算法计算出结果具体还包括：

采用预设的误差反传学习算法,对训练样本(X_k,Y_k)的网络训练误差进行计算，具体公式如下：

其中，E_K为网络训练误差，y`lj为实际输出值。

4.根据权利要求3所述的一种基于神经网络的物联网实验室环境监控方法，其特征在于，所述将所述数据与神经元中预设的连接权重因子和阈值结合，并采用预设的传递算法计算出结果具体还包括：

采用预设的误差反传学习算法,对训练样本(X_k,Y_k)的网络训练总误差进行计算，具体公式如下：

其中，E为总误差。

5.根据权利要求3或4所述的一种基于神经网络的物联网实验室环境监控方法，其特征在于，所述采用预设的误差反传学习算法,对训练样本(X_k,Y_k)的网络训练总误差进行计算具体还包括：

采用预设修正权值算法不断修正网络权初值，所述预设修正权值算法公式如下：

其中，μ为学习速率，μ的范围0.01至1。

6.一种基于神经网络的物联网实验室环境监控系统，其特征在于，包括物联网感知单元、神经网络服务器、执行单元；

物联网感知单元，用于获取环境参数，将所述环境参数转换成传感器数据并输出；

神经网络服务器，用于获取物联网感知单元的传感器数据，将所述传感器数据与神经元中预设的连接权重因子和阈值结合，再采用预设的传递函数计算出结果；

执行单元，用于将根据所述结果形成执行量执行动作。

7.根据权利要求6所述的一种基于神经网络的物联网实验室环境监控系统，其特征在于，所述神经网络服务器包括网络连接模块、数据获取模块、神经元处理模块和输出模块；

网络连接模块，用于与所述物联网感知单元建立网络连接；

数据获取模块，用于获取物联网感知单元的传感器数据；

神经元处理模块，用于将所述传感器数据与神经元中预设的连接权重因子和阈值结合，再采用预设的传递算法计算出结果；

输出模块，用于将所述结果输出给所述执行单元。

8.根据权利要求7所述的一种基于神经网络的物联网实验室环境监控系统，其特征在于，所述神经元处理模块还包括：

传递算法模块，用于根据预设的传递算法计算公式计算出结果。

9.根据权利要求7所述的一种基于神经网络的物联网实验室环境监控系统，其特征在于，所述神经元处理模块还包括：

误差训练模块，用于采用预设的误差反传学习算法,对训练样本的网络训练误差进行计算，得出单个训练样本的网络训练误差和所有训练样本的总误差。

10.根据权利要求9所述的一种基于神经网络的物联网实验室环境监控系统，其特征在于，所述误差训练模块还包括：

网络权初值修正模块，用于采用预设修正权值算法不断修正网络权初值。