[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在审
申请号: | 202110948130.8 | 申请日: | 2021-08-18 |
公开(公告)号: | CN113758520A | 公开(公告)日: | 2021-12-07 |
发明(设计)人: | 周鹏飞;郑俊洧;杨敏;曹建威 | 申请(专利权)人: | 贵州众创仪云科技有限公司 |
主分类号: | G01D21/02 | 分类号: | G01D21/02;G06N3/04;G06N3/08 |
代理公司: | 深圳盛德大业知识产权代理事务所(普通合伙) 44333 | 代理人: | 贾振勇 |
地址: | 550000 贵州省贵阳市国家高新技术产业开发区*** | 国省代码: | 贵州;52 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 神经网络 联网 实验室 环境 监控 方法 系统 | ||
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;Yj为单个输出;θi为阈值;Wij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(Xk,Yk)的网络训练误差进行计算,具体公式如下:
其中,EK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(Xk,Yk)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(Xk,Yk)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。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于贵州众创仪云科技有限公司,未经贵州众创仪云科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110948130.8/1.html,转载请声明来源钻瓜专利网。