基于神经网络技术的中央空调智能控制系统的研究
发布时间：2020-10-15 07:58
随着人们生活水平的提高,人们对生活品质的追求越来越高,功能性需求不再是人们对生活服务产品所追求的目标。特别是进入21世纪以来,智能化概念的发展使得人们接触到前所未有的体验,传统的产品服务已经不能满足人们对品质生活的需求。基于此,本文也将研究如何利用现在的人工智能技术来实现中央空调的智能化,以满足人们对于空调服务的高品质需求。以下是我在本文中的主要工作。第一,为实现空调智能化,本文研究了目前最前沿的深度学习。在论文前面的第二章节,本文重点阐述了深度技术的理论基础和智能化实现原理。第二,针对空调系统运行所涉及到的节能环保问题,本文研究了通过检测室内场景中是否有人来决定空调的运行状态的转换。即在场景无人状态下,空调系统进入待机状态,以实现节能。第三,针对空调的温度自适应调节问题,本文研究了CNNs以及RNNs深度学习技术,尝试建立一种能够通过对已有知识的学习来掌握数据规律,进而能够根据历史数据来预测温度调节期望值的预测模型。第四,针对本文研究的模型所涉及到的数据维度过高问题,本文研究了最新的自编码特征提取算法。尝试使用该算法来提取高维图像数据特征,进而实现降维目的。第五,针对每一种算法,本文都进行了相应的实验设计以及实验分析,以此来验证模型的有效性。
【学位单位】：天津大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP183;TP273.5;TU831.3
【部分图文】：
神经网路神经网络技术网络是一门重要的机器学习技术。人工神经网络(Artificial neANN）简称神经网络（NN），是由大量处理单元广泛互联而模拟人脑系统，是对人脑系统的抽象、简化。这种网络具有应的能，能够“拟人”般的通过对经验数据的特征学习，分在规律，从而具备对未知数据的预测能力。它是根植于数理统计物理、计算机科学及工程学等学科的一种综合性技术，研究方向--深度学习的基础。的人工神经网络都是由最基本的人工神经元构成。一般的，元联结在一起，一个神经元的输出就是另外一个神经元的输的结构便是神经网络系统，神经元的数量也决定其大小或者图 2-1所示：
图 2-2 MP 模型所示，除了输入神经元外，每个神经元的值是由多，再经过非线性变换得到的。用公式表示如式 2-1、1 1 2 2 1 1.......n n n nI w x w x w x w x 1 1 2 2 1 1( ) ( ....... )n n n nY f I f w x w x w x w x 便是输入的加权系数和， Y f ( I)便是对和进行非励函数（activation function），其作用是为了加入非能力，能够将线性不可分问题变得可分。常见的激d 函数、ReLU 函数等等，我将sigmoid 函数加入到1 1 2 2 1 11 (1 exp( 1*( ....... n n nY w x w x w x w 神经网络的输出端通常会有m个神经元，可以得到
第二章 相关背景知识介绍广义上说深度学习的网络结构也是多层神经网络的一种，它是为了的多层神经网络可以训练，能够 work 而演化出来的一系列的新的法。深度学习与传统多层神经网络最大的不同在于深度学习整体上er-wise的训练机制来克服传统网络训练中存在的一些问题。于深度学习，其中最有名的便是卷积神经网络 CNN s。它是从生物化而来的， CNN s通过加强神经网络中相邻层之间节点的局部连接自然图像中的兴趣目标的空间局部关联信息。从网络结构上看， C特殊的深层的神经网络模型，它的特殊性体现在两个方面，即实现权值共享机制。非全连接即它的层与层之间的节点不是全连接的，大的降低网络模型的复杂度；权值共享机制主要是通过滤波器的重域扫描来实现的，从而使得需要的神经网络的参数得到了极大地降2-3便是 CNN s的工作原理图。
【参考文献】
本文编号：2841913
【学位单位】：天津大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP183;TP273.5;TU831.3
【部分图文】：
神经网路神经网络技术网络是一门重要的机器学习技术。人工神经网络(Artificial neANN）简称神经网络（NN），是由大量处理单元广泛互联而模拟人脑系统，是对人脑系统的抽象、简化。这种网络具有应的能，能够“拟人”般的通过对经验数据的特征学习，分在规律，从而具备对未知数据的预测能力。它是根植于数理统计物理、计算机科学及工程学等学科的一种综合性技术，研究方向--深度学习的基础。的人工神经网络都是由最基本的人工神经元构成。一般的，元联结在一起，一个神经元的输出就是另外一个神经元的输的结构便是神经网络系统，神经元的数量也决定其大小或者图 2-1所示：
图 2-2 MP 模型所示，除了输入神经元外，每个神经元的值是由多，再经过非线性变换得到的。用公式表示如式 2-1、1 1 2 2 1 1.......n n n nI w x w x w x w x 1 1 2 2 1 1( ) ( ....... )n n n nY f I f w x w x w x w x 便是输入的加权系数和， Y f ( I)便是对和进行非励函数（activation function），其作用是为了加入非能力，能够将线性不可分问题变得可分。常见的激d 函数、ReLU 函数等等，我将sigmoid 函数加入到1 1 2 2 1 11 (1 exp( 1*( ....... n n nY w x w x w x w 神经网络的输出端通常会有m个神经元，可以得到
第二章 相关背景知识介绍广义上说深度学习的网络结构也是多层神经网络的一种，它是为了的多层神经网络可以训练，能够 work 而演化出来的一系列的新的法。深度学习与传统多层神经网络最大的不同在于深度学习整体上er-wise的训练机制来克服传统网络训练中存在的一些问题。于深度学习，其中最有名的便是卷积神经网络 CNN s。它是从生物化而来的， CNN s通过加强神经网络中相邻层之间节点的局部连接自然图像中的兴趣目标的空间局部关联信息。从网络结构上看， C特殊的深层的神经网络模型，它的特殊性体现在两个方面，即实现权值共享机制。非全连接即它的层与层之间的节点不是全连接的，大的降低网络模型的复杂度；权值共享机制主要是通过滤波器的重域扫描来实现的，从而使得需要的神经网络的参数得到了极大地降2-3便是 CNN s的工作原理图。
【参考文献】
相关期刊论文 前1条
1 邹蕾;张先锋;;人工智能及其发展应用[J];信息网络安全;2012年02期
本文编号：2841913
本文链接：https://www.wllwen.com/guanlilunwen/chengjian/2841913.html
