当前位置:主页 > 科技论文 > 自动化论文 >

基于Elman神经网络的居家智能服务系统决策模块的设计

发布时间:2018-07-22 10:46
【摘要】:随着科学技术的高速发展和社会信息化进程的不断深入,信息通信技术、计算机技术以及物联网技术等被广泛应用到人们生活的各个领域,大大提升了人们的生活品质。居家环境作为人们日常生活息息相关的环境之一,越来越多的人们进一步追求其便捷性、安全性、智能性、舒适性和可控性。当前市场上面向居家环境的系统在智能化方面还非常欠缺,用户使用起来有诸多不便,系统也不能实时合理的向用户提供服务。为了满足人们的迫切需求,改善居家环境,实现居家环境的智能化必须设计出更加适用的居家智能服务型的系统,然而在整个居家智能服务系统中决策子系统的研究与设计非常重要,它是实现系统智能性和舒适性的关键环节。本文首先调研了当前居家智能决策系统的研究现状,概括说明了本文的研究思路和研究方法。借鉴现有的居家智能系统,本文对整个居家智能服务系统的特征和整体架构做出综合阐述,突显出智能决策在整个居家智能系统的关键作用,进而介绍了智能决策系统中的相关技术。其次,对智能决策模块做出总体的结构设计和外围电路设计,并进行详细的功能分析。在此基础上,介绍神经网络模型并进行智能决策的适用性分析,通过对比选择Elman神经网络,将其应用于居家智能决策的系统建模并进行决策算法设计。最后,针对整个居家环境下的智能决策系统进行平台搭建,确定智能决策的评估标准与方法,根据收集的数据做出相应的模型仿真与系统调试,验证居家智能决策的准确性与可行性。
[Abstract]:With the rapid development of science and technology and the deepening of the social information process, information and communication technology, computer technology and Internet of things technology are widely used in all fields of people's life, greatly improving the quality of life of people. As one of the environment closely related to people's daily life, more and more people pursue its convenience, security, intelligence, comfort and controllability. At present, the system facing home environment in the market is still lack of intelligence, users are inconvenient to use, and the system can not provide service to users in real time and reasonable. In order to meet the urgent needs of people, improve the home environment, and realize the intelligent home environment, we must design a more suitable home intelligent service system. However, the research and design of decision subsystem is very important in the whole home intelligent service system, which is the key link to realize the intelligence and comfort of the system. In this paper, the current research status of home intelligent decision system is investigated, and the research ideas and methods are summarized. Based on the existing home intelligent system, this paper makes a comprehensive description of the characteristics and overall framework of the whole home intelligent service system, which highlights the key role of intelligent decision-making in the whole home intelligent system. Then the related technologies in the intelligent decision system are introduced. Secondly, the overall structure design and peripheral circuit design of the intelligent decision module are made, and the detailed functional analysis is carried out. On this basis, the neural network model is introduced and the applicability of intelligent decision is analyzed. Elman neural network is compared and applied to the system modeling of home intelligent decision and the decision algorithm is designed. Finally, the platform is built for the intelligent decision system in the whole home environment, the evaluation criteria and methods of intelligent decision are determined, and the corresponding model simulation and system debugging are made according to the collected data. Verify the accuracy and feasibility of home intelligent decision.
【学位授予单位】:南京邮电大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:TP183;TU855

【相似文献】

相关期刊论文 前10条

1 谢庆国,万淑芸,赵金;一种Elman回归网络的设计方法[J];华中科技大学学报(自然科学版);2002年03期

2 林相波,邱天爽;固定结构单元权值对基本Elman网络性能影响[J];大连理工大学学报;2004年05期

3 汤井田;曹扬;肖嘉莹;郭曲练;;Predication of plasma concentration of remifentanil based on Elman neural network[J];Journal of Central South University;2013年11期

4 任雪梅,陈杰,龚至豪,窦丽华;改进Elman网络的逼近性质研究(英文)[J];Journal of Beijing Institute of Technology(English Edition);2002年01期

5 王攀,苏智,冯珊;局部回归Elman网络学习算法的注记[J];武汉理工大学学报(信息与管理工程版);2002年02期

6 田燕;康海英;唐力伟;郑海起;;一种改进的Elman网络及其在载荷识别中的应用[J];机械强度;2006年S1期

7 金宇华;罗沛兰;扶名福;杨国泰;;Elman网络和综合关联度在风机诊断中的应用[J];微计算机信息;2008年10期

8 苏刚;王玲玲;徐永生;;基于改进Elman网络的燃气负荷预测[J];东南大学学报(自然科学版);2006年S1期

9 弓学敏;胡静;;基于模拟退火算法的Elman网络及其应用[J];电力科学与工程;2008年08期

10 李翔,陈增强,袁著祉,贺江峰;基于扩展Elman网络的非线性自校正控制器[J];自动化仪表;1999年12期

相关会议论文 前10条

1 ;Study of PID Elman Neural Network and Its Application in Dynamical Systems Identification[A];第二十四届中国控制会议论文集(下册)[C];2005年

2 ;Identification of dynamic nonlinear systems using recurrent neural networks[A];第十九届中国控制会议论文集(一)[C];2000年

3 苏刚;王玲玲;徐永生;;基于改进Elman网络的燃气负荷预测[A];第十七届全国过路控制会议论文集[C];2006年

4 赵建玉;高慧;贾磊;;基于Elman神经网络的短时交通流预测模型[A];第二十七届中国控制会议论文集[C];2008年

5 郭式伟;吕建;张秀兰;;基于改进Elman网络的空调负荷预测[A];全国暖通空调制冷2008年学术年会资料集[C];2008年

6 符利勇;何铮;唐守正;刘应安;;基于改进Elman神经网络的林隙大小预测模型[A];第九届中国林业青年学术年会论文摘要集[C];2010年

7 WenJie Wu;DaGui HUANG;Zheng DONG;;Fault Diagnosis of the Aeroengine Based on Neural Network and D-S Evidence Theory[A];Proceedings of 2011 International Conference on Computer Science and Information Technology(ICCSIT 2011)[C];2011年

8 孟令启;张洛明;韩丽丽;马金亮;黄其柏;;基于MATLAB的Elman神经网络在中厚板轧机宽展预测中的应用[A];第二届中国CAE工程分析技术年会论文集[C];2006年

9 ;Battery State-Of-Charge Estimation in Electric Vehicle Using Elman Neural Network Method[A];第二十九届中国控制会议论文集[C];2010年

10 邰新军;陆建荣;;基于Elman神经网络的炮兵战场目标价值分析[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

相关重要报纸文章 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系 邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者  张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

相关博士学位论文 前10条

1 时小虎;Elman神经网络与进化算法的若干理论研究及应用[D];吉林大学;2006年

2 王丽敏;计算智能改进方法及其在金融与环境领域中的应用[D];吉林大学;2007年

3 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

4 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

5 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

6 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

7 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

8 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

9 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

10 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

相关硕士学位论文 前10条

1 梅贵琴;改进的Elman神经网络和网络参数优化算法研究[D];西南大学;2017年

2 夏杨;基于改进型Elman神经网络的电力负荷预测[D];西安理工大学;2017年

3 王明圆;基于灰色Elman神经网络的湖水水质指标预测研究[D];天津大学;2016年

4 林鹏;冷轧APC系统智能控制器设计与实验研究[D];燕山大学;2015年

5 曹芙;基于Elman神经网络及优化算法的混合模型的研究及应用[D];兰州大学;2015年

6 刘超;429例直肠恶性肿瘤基于SVM和Elman的单病种医疗费用预测模型研究与应用[D];昆明医科大学;2015年

7 宋菁华;高炉冶炼过程的多尺度特性与硅含量预测方法研究[D];浙江大学;2016年

8 王柳;基于复合特性Elman神经网络的风速预测[D];天津工业大学;2016年

9 周展;基于Elman神经网络控制的风电最大功率点追踪的研究[D];湖南大学;2016年

10 关福生;基于GIF Elman神经网络的输油管道工况辨识技术的研究[D];东北大学;2011年



本文编号:2137189

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2137189.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户cdd2f***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com