• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Sensors (Basel Switzerland) >Optimal Artificial Neural Network Type Selection Method for Usage in Smart House Systems
【2h】

Optimal Artificial Neural Network Type Selection Method for Usage in Smart House Systems

机译：智能房屋系统中使用的最佳人工神经网络型选择方法

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In the process of the “smart” house systems work, there is a need to process fuzzy input data. The models based on the artificial neural networks are used to process fuzzy input data from the sensors. However, each artificial neural network has a certain advantage and, with a different accuracy, allows one to process different types of data and generate control signals. To solve this problem, a method of choosing the optimal type of artificial neural network has been proposed. It is based on solving an optimization problem, where the optimization criterion is an error of a certain type of artificial neural network determined to control the corresponding subsystem of a “smart” house. In the process of learning different types of artificial neural networks, the same historical input data are used. The research presents the dependencies between the types of neural networks, the number of inner layers of the artificial neural network, the number of neurons on each inner layer, the error of the settings parameters calculation of the relative expected results.
机译：在“智能”房屋系统的过程中，需要处理模糊输入数据。基于人工神经网络的模型用于处理来自传感器的模糊输入数据。然而，每个人工神经网络具有一定的优点，并且具有不同的准确性，允许一个人处理不同类型的数据并生成控制信号。为了解决这个问题，已经提出了一种选择最佳类型的人工神经网络的方法。它基于解决优化问题，其中优化标准是确定用于控制“智能”房屋的相应子系统的某种人工神经网络的误差。在学习不同类型的人工神经网络的过程中，使用相同的历史输入数据。该研究呈现了神经网络类型之间的依赖性，人工神经网络的内层数，每个内层上的神经元数，设置参数的误差计算相对预期结果。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号