摘要：无线传感器网络（Wireless Sensor Networks，wSN是由许多具有低功率无线收发装置的传感器节点组成，它们监测采集周边环境信息并传送到基站进行处理在某一时刻通过wSN采集的数据量非常大，如何正确、高效地处理这些数据成为当前WSN研究中的一个热点。传感器节点一般部署在恶劣环境中，一些偶然因素会使采集的数据中出现不准确的数据，用户依据这样的数据很难准确判断出被测对象的真实状态。基于模糊理论的决策级数据融合算法能够很好的解决这个问题本文以国家863研究项目《基于无线传感器网络的铁路危险货物在途安全状态监测技术研究》为背景，结合铁路运输中棉花在途状态监测系统的开发，在分析了当前有效的决策级数据融合技术基础上，提出了基于模糊理论的决策级数据融合算法，该算法通过对采集数据进行处理和分析，以获得准确的被测对象状态的描述。本文的主要工作包括：（1）分析了WSN中传统的决策级数据融合算法，如自适应加权数据融合算法和算术平均数数据融合算法，总结这两种算法的优缺点和检测系统的需求，进步明确理想算法应达到的目标。（2）提出了基于模糊理论的两阶段数据融合算法：该算法第一阶段利用基于贴近度的数据融合算法进行同类数据的融合校准，这一阶段的目的是剔除错误的和可信度较差的数据，得到相对更加准确的数据，第二阶段利用模糊推理对第个阶段得到的异类数据进行融合推理，得到被测对象当前状态的描述，为决策提供支持（3）结合实测数据仿真本文所提出的算法，结果证明与传统的融合算法相比，可以更加准确的描述被测对象状态
标签： 无线传感器
上传时间： 2022-03-17
上传用户：
斯坦福大学-深度学习基础教程.pdfUFLDL教程 From Ufldl 说明：本教程将阐述无监督特征学习和深入学习的主要观点。通过学习，你也将实现多个功能 学习/深度学习算法，能看到它们为你工作，并学习如何应用/适应这些想法到新问题上。 本教程假定机器学习的基本知识（特别是熟悉的监督学习，逻辑回归，梯度下降的想法），如果 你不熟悉这些想法，我们建议你去这里 机器学习课程 (http://openclassroom.stanford.edu/MainFolder/CoursePage.php? course=MachineLearning) ，并先完成第II，III，IV章（到逻辑回归）。 稀疏自编码器 神经网络 反向传导算法 梯度检验与高级优化 自编码算法与稀疏性 可视化自编码器训练结果 稀疏自编码器符号一览表 Exercise:Sparse Autoencoder 矢量化编程实现 矢量化编程 逻辑回归的向量化实现样例 神经网络向量化 Exercise:Vectorization
标签： 深度学习
上传时间： 2022-03-27
上传用户：kingwide
统计学习基础:数据挖掘、推理与预测介绍了这些领域的一些重要概念。尽管应用的是统计学方法，但强调的是概念，而不是数学。许多例子附以彩图。《统计学习基础:数据挖掘、推理与预测》内容广泛，从有指导的学习（预测）到无指导的学习，应有尽有。包括神经网络、支持向量机、分类树和提升等主题，是同类书籍中介绍得最全面的。计算和信息技术的飞速发展带来了医学、生物学、财经和营销等诸多领域的海量数据。理解这些数据是一种挑战，这导致了统计学领域新工具的发展，并延伸到诸如数据挖掘、机器学习和生物信息学等新领域。许多工具都具有共同的基础，但常常用不同的术语来表达。【内容推荐】《统计学习基础:数据挖掘、推理与预测》试图将学习领域中许多重要的新思想汇集在一起，并且在统计学的框架下解释它们。随着计算机和信息时代的到来，统计问题的规模和复杂性都有了急剧增加。数据存储、组织和检索领域的挑战导致一个新领域“数据挖掘”的产生。数据挖掘是一个多学科交叉领域，涉及数据库技术、机器学习、统计学、神经网络、模式识别、知识库、信息提取、高性能计算等诸多领域，并在工业、商务、财经、通信、医疗卫生、生物工程、科学等众多行业得到了广泛的应用。【作者简介】Trevor Hastie,Robert Tibshirani和Jerome Friedman都是斯坦福大学统计学教授，并在这个领域做出了杰出的贡献。Hastie和Tibshirani提出了广义和加法模型，并出版专著“Generalized Additive Models”。Hastie的主要研究领域为：非参数回归和分类、统计计算以及生物信息学、医学和工业的特殊数据挖掘问题。他提出主曲线和主曲面的概念，并用S-PLUS编写了大量统计建模软件。Tibshirani的主要研究领域为：应用统计学、生物统计学和机器学习。他提出了套索的概念，还是“An Introduction to the Bootstrap”一书的作者之一。Friedman是CART、MARS和投影寻踪等数据挖掘工具的发明人之一。他不仅是位统计学家，而且是物理学家和计算机科学家，先后在物理学、计算机科学和统计学的一流杂志上表发论文80余篇。
标签： 统计
上传时间： 2022-05-04
上传用户：
Python是数据分析的首*语言，而网络中的数据和信息很多，如何从中获取需要的数据和信息呢？简单、直接的方法就是用爬虫技术来解决。本书是一本教初学者学习如何爬取网络数据和信息的入门读物。书中不仅有Python的相关内容，而且还有数据处理和数据挖掘等方面的内容。本书内容非常实用，讲解时穿插了22个爬虫实战案例，可以大大提高读者的实际动手能力。本书共分12章，核心主题包括Python零基础语法入门、爬虫原理和网页构造、第*个爬虫程序、正则表达式、Lxml库与Xpath语法、使用API、数据库存储、多进程爬虫、异步加载、表单交互与模拟登录、Selenium模拟浏览器、Scrapy爬虫框架。此外，书中通过一些典型爬虫案例，讲解了有经纬信息的地图图表和词云的制作方法，让读者体验数据背后的乐趣。本书适合爬虫技术初学者、爱好者及高等院校的相关学生，也适合数据爬虫工程师作为参考读物，同时也适合各大Python数据分析的培训机构作为教材使用。详解网络爬虫的原理、工具、框架和方法，内容新，实战案例多详解从简单网页到异步加载网页，从简单存储到数据库存储，从简单爬虫到框架爬虫等技术22个网络爬虫综合实战案例、30个网站信息提取、2500余行代码详解爬虫的3大方法：正则表达式、BeautifulSoup 4库和Lxml库详解爬取数据的4大存储方式：TXT、CSV、MongoDB和MySQL详解Scrapy爬虫框架的安装、项目创建、文件使用及爬取数据的存储
上传时间： 2022-05-22
上传用户：
关于网络通信的单片机实验，非常适合有一定基础的学习者学习，可以提高自己的能力，大家可以多交流哈
上传时间： 2022-05-23
上传用户：wangshoupeng199
随着微电子技术和电力电子技术的发展，伺服运动控制系统已经从模拟控制发展到全数字控制，其性能不断提高，在工业机器人、数控机床等设备中获得了广泛应用.基于现场总线网络的伺服运动控制系统以其高可靠性、快速性和稳定性成为伺服运动控制系统的发展趋势。德国倍福公司提出的EtherCAT工业以太网技术在数据链路层采用了实时调度的软件核，并提供了过程数据传输的独立通道，提高了系统的实时性：该网络还具有灵活的拓扑结构，简单的系统配置，较低的构建成本等特点，适合应用于运动控制领域。目前，该网络受到了运动控制开发商的广泛关注。本文以海洋研究领域的造波机系统开发为背景，利用EtherCAT从站接口控制器ET1100和DSP芯片TMS320F28335开发了EtherCAT从站设备，构建了一主一从的EtherCAT网络结构实现了伺服系统精确的位置控制。论文首先对伺服运动控制系统的概念、特点进行了介绍，对其各个组成部分进行了详细分析，并结合实践经验给出了自己的观点，就目前广泛应用于网络运动控制中的两种总线网络进行了介绍。其次，详细分析了EtherCAT网络的原理、技术特点及主从站关键技术。结合本文的系统设计，介绍了1公司最新推出的用于1业控制的DSP片-TMS320F28335，分析了系统设计中用到的几个运动控制模块与通讯模块，并给出了相应寄存器配置。最后在对EtherCAT网络和DSP芯片TMS320F28335研究基础上，开发了EtherCAT从站设备，避免了造波机系统中脉冲+方向位置控制方式长线传输的缺点，给出了开发系统的总体框架及主从站实现的关键细节，并给出了相应的实验结论。本设计充分发挥了EtherCAT工业以太网络实时数据传输的功能和TMS320F28335 DSP芯片运动控制功能，实现了运动系统高精度的位置控制。
上传时间： 2022-06-01
上传用户：aben
本书讲解了java方方面面的知识，全书共分为4篇28章，第1篇从最基本的JDK安装讲起，包括基本语法与数据类型、数组、字符串、程序控制语句、面向对象编程、继承、多态、接口等内容；第2篇讲解了图形界面开发基础、swing编程、实践处理、数字处理、异常处理、文件的输入与输出等高级技术；第3篇讲解了JSP serLET 等网络编程的技术；第4篇介绍了一个综合案例，让那个读者有提高的机会。本书是一本JAVA编程自学手册，读者可以跟随书的讲解，边学习边上机，最好在学完一章后，独立做出每章的习题，这样可以带着问题学习，进步得更快。
标签： java
上传时间： 2022-06-09
上传用户：aben
移动通信深刻地改变了人们的生活，面向2020年，为了应对未来爆炸式的流量增长、海量的设备连接和不断涌现的新业务新场景，第五代移动通信系统应运而生。2015年6月ITU定义的5G未来移动应用包括以下三大领域：» 增强型移动宽带 (eMBB)：人的通信是移动通信需要优先满足的基础需求。未来eMBB将通过更高的带宽和更短的时延继续提升人类的视觉体验；» 大规模机器类通信(mMTC)：针对万物互联的垂直行业，IoT产业发展迅速，未来将出现大量的移动通信传感器网络，对接入数量和能效有很高要求；» 高可靠低时延通信(uRLLC)：针对特殊垂直行业，例如自动驾驶、远程医疗、智能电网等需要高可靠性+低时延的业务需求。
上传时间： 2022-06-12
上传用户：d1997wayne
随着人类社会的进步，科学技术的发展日新月异，模拟人脑神经网络的人工神经网络已取得了长足的发展。经过半个多世纪的发展，人工神经网络在计算机科学，人工智能，智能控制等方面得到了广泛的应用。当代社会是一个讲究效率的社会，科技更新领域也是如此。在人工神经网络研究领域，算法的优化显得尤为重要，对提高网络整体性能举足轻重.BP神经网络模型是目前应用最为广泛的一种神经网络模型，对于解决非线性复杂问题具有重要的意义。但是BP神经网络有其自身的一些不足（收敛速度慢和容易陷入局部极小值问题），在解决某些现实问题的时候显得力不从心。针对这个问题，本文利用遗传算法的并行全局搜索的优势，能够弥补BP网络的不足，为解决大规模复杂问题提供了广阔的前景。本文将遗传算法与BP网络有机地结合起来，提出了一种新的网络结构，在稳定性、学习性和效率方面都有了很大的提高。基于以上的研究目的，本文首先设计了BP神经网络结构，在此基础上，应用遗传算法进行优化，达到了加快收敛速度和全局寻优的效果。本文借助MATLAB平台，对算法的优化内容进行了仿真实验，得出的效果也符合期望值，实现了对BP算法优化的目的。关键词：生物神经网络：人工神经网络；BP网络；遗传算法；仿真随着电子计算机的问世及发展，人们试图去了解人的大脑，进而构造具有人类思维的智能计算机。在具有人脑逻辑推理延伸能力的计算机战胜人类棋手的同时，引发了人们对模拟人脑信息处理的人工神经网络的研究。1.1研究背景人工神经网络（Artificial Noural Networks，ANN）（注：简称为神经网络），是一种数学算法模型，能够对信息进行分布式处理，它模仿了动物的神经网络，是对动物神经网络的一种具体描述。这种网络依赖系统的复杂程度，通过调节内部大量节点之间的关系，最终实现信息处理的目的。人工神经网络可以通过对输入输出数据的分析学习，掌握输入与输出之间的潜在规则，能够对新数据进行分析计算，推算出输出结果，因为人工神经网络具有自适应和自学习的特性，这种学习适应的过程被称为“训练"。
上传时间： 2022-06-16
上传用户：jiabin
1）针对loT组寻呼的连接场景，在下一代移动通信网络中应用NB-IOT技术的基础之上，将网络优化的重点放到尽可能地保证1oT设备的随机接入性能上。为此，本文提出一种基于时隙散射的1oT组寻呼随机接入优化策略。首先为1oT组寻呼的连接场景建立基于排队论的数学模型：接着通过数学公式推导山初始状态时散射到各个时隙的1oT设备数，从而得出具体的时隙散射算法。系统仿真结果表明，本文提出的方案在1oT设备数增加时，依然能够有效地保证1oT设备的随机接入性能。2）针对具有特定功能的10T混合连接场景，将网络优化的重点放到保证时延敏感度高的业务的随机接入性能上。为此，本文提出一种基于前导码组合的随机接入优化方案。主要的思想是用不同的前导码组合来表征不同业务的优先级，从而避免了静态或半静态前导码分配方案的缺点。本文给出了组合两个前导码的具体方案并推导出相应的不同优先级业务的接入性能公式，通过系统仿真可以得到，本文提出的方案在保证低优先级业务吞吐量的同时能够有效地保证了高优先级业务的时延需求。与此同时，本文提出的方案适用于具有不同时延敏感度的H2H与loT混合连接场景3）针对海量连接的1oT业务连接场景，在未来5G移动通信系统的服务定制化平台下，将网络优化的重点放到提高系统资源利用率上。本文根据1oT包小而多的特点，提出聚合策略，并给出具体的包聚合逻辑。针对多小站交叉覆盖的区域，提出基于1oT流量聚合的资源分配机制。实验仿真表明，针对1oT小包的聚合模块能够有效地节省系统资源，提高系统的资源利用率。
上传时间： 2022-06-19
上传用户：默默
