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
十分简单的感知器实现，自己编写，加深对神经网络的了解，面向对象，虽然简单，但对神经网络的初学者还是有参考价值的
标签： 十分
上传时间： 2017-01-09
上传用户：2467478207
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
神经网络的结构实现，有简单的感知器，以及BP网络，能够更改节点个数，容易扩展
标签： 神经网络
上传时间： 2013-11-29
上传用户：it男一枚
这是一个车辆号码识别的vc源码，对于学习神经网络的同学有很大的参考价值。
上传时间： 2017-03-21
上传用户：003030
本文介绍了认知无线电网络中的关键技术设计，如频谱感知，频谱分配以及频谱接入
上传时间： 2014-01-05
上传用户：皇族传媒
基于BP神经网络识别字符. BP神经网络算法是把一组样本输入输出问题转化为一个非线性优化问题，并通过梯度算法利用迭代运算求解权值的一种学习方法。采用BP网络进行分类，并附加线性感知器来实现单字符的有效识别，算法简便，识别率高，可适用于多种高噪声环境中的印刷体字符识别。
上传时间： 2017-07-03
上传用户：wlcaption
无线传感器网络体系结构与性能标准 WSNs体系结构如图1所示。它主要由以下部分组 成_2]：传感器节点、接收发送器(Sink)、Internet或通信卫星、 任务管理节点等部分。传感器节点分布在感知区域内，采集 与观察对象相关的数据，并将协同处理后的数据传送到 Sink。Sink可以通过Internet或通信卫星实现传感器网络与 任务管理节点通信。WSNs路由协议的任务是在传感器节点 和Sink节点之间建立路由，可靠地传递数据。
上传时间： 2014-01-14
上传用户：ztj182002
BP神经网络具有任意复杂的模式分类能力和优良的多维函数映射能力，解决了简单感知器不能解决的异或(Exclusive OR，XOR)和一些其他问题。从结构上讲，BP网络具有输入层、隐藏层和输出层；从本质上讲，BP算法就是以网络误差平方为目标函数、采用梯度下降法来计算目标函数的最小值。
标签： BP神经网络
上传时间： 2019-04-01
上传用户：dmwx
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
