这是训练rbf神经网络，对传感器的性能进行学习，最后达到替代温度传感器的作用
上传时间： 2014-01-18
上传用户：VRMMO
基于视觉传感器实现道路信息的理解是目前移动机器人自主导航的重要研究方向，其中道路图象的正确分割 是提取有效路径信息的关键。该文针对复杂、干扰因素多的室外环境下传统方法难以实现道路图象正确分割的问题，提 出了一种基于’() 神经网络的道路图象分割方法。该方法通过选取道路图象的归一化色彩分量为特征向量，应用基于 ’() 学习算法的神经网络分类器进行道路与非道路识别；为解决环境噪声对神经网络输出的影响，本文设计了串行级联 式四阶形态滤波器实现对神经网络输出的分割图象的滤波处理。通过对实测图象进行分割处理验证了该方法的有效性 和鲁棒性，可用于室外环境下机器人的实时视觉导航控制。
上传时间： 2016-07-18
上传用户：lnnn30
无线传感器自组织成簇的基本思想是通过簇首对簇内节点间的相关信息融合及转发机制减少数据的传输量和距离，从而降低通信能量，达到网络节能的目的。
上传时间： 2016-10-21
上传用户：王小奇
Firestorm NIDS是一个性能非常高的网络入侵检测系统 (NIDS)。目前，它只是一个“传感器”，但是计划包括对分析、报表、远程控制和自动传感器配置的支持。它是完全插件式的，因此非常灵活。
上传时间： 2016-12-28
上传用户：集美慧
定位问题背景 ! 节点定位是 配置和运行的一个基本和 ％$&’ 关键问题。所谓定位是指对于一组未知位置坐标 的网络节点，通过估计至邻居节点的距离或邻居 数目，利用节点间交换的信息，确定每个节点位置 的机制。通常配置网络时不能对所有节点实施精 确控制和人工设置，如节点从飞机上布撒后随机 分散在配置地域。 定位问题定义 !(! 对于某地域内 个传感器节点，若存在某种 & 机制使各节点通过通信和感知可找到自己的邻居 节点，并估计出至它们的距离，或识别出邻居的数 的边 （ ，）， 目。每一对邻居关系对应网络图 " )* + , 设 为节点 、间的测量距离， 为真实距离。定 - + , . +, +, 位的目的在于给定所有邻居对之间的距离测量值 的基础上，计算出每个节点的坐标 ，使其与测 - / +, + 距结果相一致，即对于 ，使得 !)"" #/0/#*. ( , + +, 下面给出几个常用概念的定义。
上传时间： 2013-12-19
上传用户：zhaiye
一个针对单片机的网络通信程序，有经过裁剪的tcp/ip源代码，硬件平台由MSP430f149和CS8900构成，实现采集温度传感器的温度，以web形式显示在上位机上，应用软件是IAR Embedded Workbench Evaluation for MSP430 V4
上传时间： 2014-01-15
上传用户：ynsnjs
本教材在“对潜在目标的跟踪和识别中多传感器多目标数据融合技术”这门短期课程，做了一些新的数据融合算法进行解释和举例说明。许多读者对其中三个领域特别感兴趣，即贝叶斯推理、人工神经网络和模糊逻辑。本书正是包含了这些新发展起来的内容，满足了对这些知识有需求的读者。
上传时间： 2017-05-20
上传用户：dahui83
神经网络在智能机器人导航系统中的应用研究1神经网络在环境感知中的应 用 对环境 的感 知 ，环境模型 妁表示 是非常重要 的。未 知 环境中的障碍物的几何形状是不确定的，常用的表示方浩是 槽格法。如果用册格法表示范围较大的工作环境，在满足 精度要求 的情况下，必定要占用大量的内存，并且采用栅 格法进行路径规划，其计算量是相当大的。Kohon~n自组织 神经瞬络为机器人对未知环境的蒜知提供了一条途径。 Kohone~冲经网络是一十自组织神经网络，其学习的结 果能体现出输入样本的分布情况，从而对输入样本实现数 据压缩 。基于 网络 的这些特 性，可采 用K0h0n曲 神经元 的 权向量来表示 自由空间，其方法是在 自由空间中随机地选 取坐标点xltl【可由传感器获得】作为网络输入，神经嘲络通 过对大量的输八样本的学习，其神经元就会体现出一定的 分布形 式 学习过程如下：开 始时网络的权值随机地赋值 ， 其后接下式进行学 习： ， 、 Jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神经元 1在t时刻对 应的权值 ；a(∽ 谓整系 数 ； (『l网络的输八矢量；Ⅳ()：学习的 I域。每个神经元能最 大限度 地表示一 定 的自由空间 。神经 元权 向量的最 小生成 树可以表示出自由空问的基本框架。网络学习的邻域 (，) 可 以动 态地 定义 成矩形 、多边 形 。神经 元数量 的选取取 决 于环境 的复杂度 ，如果神 经元 的数量 太少 ．它们就 不能 覆 盖整十空间，结果会导致节点穿过障碍物区域 如果节点 妁数量太大 ．节点就会表示更多的区域，也就得不到距障 碍物的最大距离。在这种情况下，节点是对整个 自由空间 的学 习，而不是 学习最 小框架空 间 。节 点的数 量可 以动态 地定义，在每个学习阶段的结柬．机器人会检查所有的路 径．如检铡刊路径上有障碍物 ，就意味着没有足够的节点 来 覆盖整 十 自由窑 间，需要增加 网络节点来 重新学 习 所 138一 以为了收敛于最小框架表示 ，应该采用较少的网络 节点升 始学习，逐步增加其数量。这种方法比较适台对拥挤的'E{= 境的学习，自由空间教小，就可用线段表示；若自由空问 较大，就需要由二维结构表示 。 采用Kohonen~冲经阿络表示环境是一个新的方法。由 于网络的并行结构，可在较短的时间内进行大量的计算。并 且不需要了解障碍物的过细信息．如形状、位置等 通过 学习可用树结构表示自由空问的基本框架，起、终点问路 径 可利用树的遍 历技术报容易地被找到 在机器人对环境的感知的过程中，可采用人】：神经嘲 络技术对 多传 感器的信息进 行融台 。由于单个传感器仅能 提 供部分不 完全 的环境信息 ，因此只有秉 甩 多种传感器 才 能提高机器凡的感知能力。 2 神经 网络在局部路径规射中的应 用 局部路径 规删足称动吝避碰 规划 ，足以全局规荆为指 导 利用在线得到的局部环境信息，在尽可能短的时问内
上传时间： 2022-02-12
上传用户：qingfengchizhu
人工神经网络提供了一种普遍且实用的方法从样例中学习值为实数、离散值或向量的函数反向传播算法，使用梯度下降来调节网络参数以最佳拟合由输入-输出对组成的训练集合人工神经网络对于训练数据中的错误健壮性很好人工神经网络已被成功应用到很多领域，例如视觉场景分析，语音识别，机器人控制神经网络学习对于逼近实数值、离散值或向量值的目标函数提供了一种健壮性很强的方法对于某些类型的问题，如学习解释复杂的现实世界中的传感器数据，人工神经网络是目前知道的最有效的学习方法反向传摇成功例子，学习识别手写字符，学习识别口语，学习识别人脸生物学动机ANN受到生物学的启发，生物的学习系统是由相互连接的神经元组成的异常复杂的网络。ANN由一系列简单的单元相互密集连接构成的，其中每一个单元有一定数量的实值输入，并产生单一的实数值输出人脑的构成，大约有1011个神经元，平均每一个与其他104个相连神经元的活性通常被通向其他神经元的连接激活或抑制最快的神经元转换时间比计算机慢很多，然而人脑能够以惊人的速度做出复杂度惊人的决策很多人推测，生物神经系统的信息处理能力一定得益于对分布在大量神经元上的信息表示的高度并行处理
上传时间： 2022-04-08
上传用户：trh505
1引言汽车在高速行驶过程中，轮胎气压不足易导致爆胎。爆胎是引起交通事故的主要原因。轮胎压力检测系统（TPMS）的作用是在汽车行驶过程中对轮胎气压进行实时检测，并对轮胎漏气和低气压等情况进行报警，确保行车安全。目前，TPMS主要分为直接式和间接式。直接式系统通过安装在轮胎内部的压力传感器直接检测胎内压力和温度状态：间接式是通过安装在转轴上的转速传感器推算出胎内压力。直接式TPMS具有实时、准确等特点，得到了市场的广泛关注。本文介绍基于英飞凌（Infineon）压力传感器SP30的直接式TPMS系统，并将本系统接入汽车的高速局域通信网络一CAN总线网络及辅助通信网络-LIN的总线设计。2胎压检测系统总体方案直接式TPMS系统结构如图1，主要包括轮胎发射模块、RF接收模块、显示报警控制模块、低频唤醒模块、CAN总线及LIN总线。
上传时间： 2022-06-20
上传用户：1208020161
