ZigBee 技术为低功耗、低成本、低复杂度、适中数据传输率和且具有自组织功能的无线监控网络的组建提供了坚实的技术基础。为了增强无线网络在无人值守、远程监控等应用中的稳定性及智能化，本文在分析ZigBee协议体系结构以及Z_Stack协议栈基础上，研究了如何基于CC2530组建具有自组网、自愈特性的ZigBee无线网络，通过对无人值守的通信基站的交流电压、电流和温湿度环境等参数的远程实时监控的试验，实现了网络的自组网与自愈功能，增强了网络的稳定性及智能化。
上传时间： 2013-10-13
上传用户：panpanpan
详细介绍了当前蜂窝移动通信网络和自组织(Ad Hoc)网络中采用的主要安全机制。简要地讲述蓝牙系统中的安全机制。
上传时间： 2013-10-26
上传用户：ewtrwrtwe
神经网络基本算法源程序，包含四个基本算法：BF,ART I,RBF,自组织算法，有详细的帮助文件。
上传时间： 2015-03-17
上传用户：天诚24
几个神经网络算法的例程，包括前向adaline, 共振art1, boltzman机, hopfield 网络, 自组织som 等等.
标签： 神经网络算法
上传时间： 2015-08-10
上传用户：ANRAN
无线传感器网络（wireless sensor network , WSN）就是由部署在检测区域内大量的廉价微型传感器节点组成，通过无线通信的方式形成的一个多跳得自组织的网络系统，其目的是协作地感知、采集和处理检测区域的信息，并报告给基站[1]。
标签： wireless network sensor WSN
上传时间： 2014-01-07
上传用户：ruan2570406
神经网络实例集。包括以下几个程序单层线性神经网络实例、感知器神经元解决较复杂输入向量的分类问题、基于感知器神经网络处理复杂的分类问题、数值分析程序matlab-GUI、用BP网络完成函数的逼近源程序、自组织特征映射应用实例
标签： matlab-GUI 神经网络 分类 程序
上传时间： 2013-12-01
上传用户：coeus
基于T i n y O S 的无线传感器网络体系结构 无线传感器网络WSN(Wireless Sensor Network) 由部署在监测区域内大量廉价的传感器节点组成,通过 无线通信方式形成multi2hop 自组织的网络系统,其目的是协作地感知、采集和处理网络覆盖区域中感知 对象的信息,并发送给观察者。本文从分析无线传感器节点Mica 和其上运行的操作系统TinyOS 出发, 着重描述无线传感器网络节点应用程序体系结构和消息通信机制。
标签： Wireless Network Sensor WSN
上传时间： 2013-12-19
上传用户：569342831
人工神经网络(Aartificial Neural Network，下简称ANN)是模拟生物神经元的结构而提出的一种信息处理方法。早在1943年，已由心理学家Warren S.Mcculloch和数学家Walth H.Pitts提出神经元数学模型，后被冷落了一段时间，80年代又迅猛兴起［1］。ANN之所以受到人们的普遍关注，是由于它具有本质的非线形特征、并行处理能力、强鲁棒性以及自组织自学习的能力。其中研究得最为成熟的是误差的反传模型算法(BP算法，Back Propagation)，它的网络结构及算法直观、简单，在工业领域中应用较多。
标签： Aartificial Network Neural 人工神经网络
上传时间： 2014-01-03
上传用户：zhangzhenyu
对自组织神经网络在客户分类中的应用进行了探讨,讨论了客户分类的概念、指标选取、分类方法选取、SOM(Self Organization Map)聚类方法,给出了一种基SOM的客户分类方法。
上传时间： 2015-07-05
上传用户：snadoom
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： 2022-02-11
上传用户：qingfengchizhu
