【摘要】 本发明提出了一种基于神经网络的无线传感器网络数据预测方法。该方法中，将神经网络引入到无线传感器网络当中，通过神经元描述每一个无线传感器数据，构建神经网络元模型。利用无线传感器的神经网络模型，实现无线传感器网络采集数据的融合与提取。添加运动项，有效的考虑多重因素，不仅调整某个时刻的梯度下降方向，同时也对该时刻之前的梯度方向进行调整，真正降低震荡范围，提高训练时速度。通过各种应用类型的差异，选择影响数据输出结果的主要因素，建立预测模型。本发明能够进行某个领域的自学习，以获取当中的影响因子，构建复杂的非线性关系，有效的降低人为干预对预测结果产生的影响，是结果更具客观性。。 （，） 【专利类型】发明申请 【申请人】伍爵博 【申请人类型】个人 【申请人地址】212016 江苏省镇江市京口区颐和家园帝庭苑15栋501室 【申请人地区】中国 【申请人城市】镇江市 【申请人区县】京口区 【申请号】CN201210411715.7 【申请日】2012-10-23 【申请年份】2012 【公开公告号】CN103781108A 【公开公告日】2014-05-07 【公开公告年份】2014 【IPC分类号】H04W24/06; H04W84/18 【发明人】伍爵博 【主权项内容】一种基于神经网络的无线传感器网络数据预测方法，其特征在于，所述方法包括步骤：S1，从不同无线传感器网络获取数据。通过该网络，能够实时的获取远程的传感器网络数据，将数据收集到数据中心，集中进行处理。S2，数据预处理。将无线传感器网络获取的数据，按照应用领域的差异进行预处理，以获得能够满足不同应用的数据预测目的。S3，确定神经元。本步骤对收集到的数据类型、数据数量进行分类，按照神经网络的要求，确定所获取的数据的神经元类型，包括输入的神经元种类与输出的神经元种类。S4，训练样本集。为了使神经网络模型能够合理准确的进行预测，要实现对神经网络进行训练，训练样本集的选择应该符合“通用性、一般性”原则，注重客观性。S5，数据预测。基于以上生成的神经网络模型，利用获取的无线传感器数据，通过确定不同应用领域的神经元、数据类型等，采用基于改进的神经网络的无线传感器网络数据预测模型能够进行各种不同领域、不同应用的数据预测。。 【当前权利人】伍爵博 【当前专利权人地址】江苏省镇江市京口区颐和家园帝庭苑15栋501室 【被引证次数】8 【被他引次数】8.0 【家族被引证次数】8

未经允许不得转载：http://www.zhongzhencnc.com/1790913187.html