简介：采用ZigBee无线通信网络为核心并选择位置指纹与三角质心算法相结合的定值方案，分斩了实验场景下信号强度的统计特征；从统计结果人手，进行ZigBee信号测距的可行性分析，凭化了基于接收的信号强度指示（RSSI）的测距方程。进而使用改进的位置指纹法和优化的参考节点布局方案完成定位。实验结果表明，相比传统方法，位置指纹与三角核心算法相结合的定位方案大幅度提高了定位精度。

简介：无线传感器网络栅栏覆盖在入侵监测领域发挥着重要的作用，知何高效、低代价地构建栅栏以及栅栏出现间隙后如何修复是重点研究问题。针对该问题提出一种能耗优先的WSN栅栏覆盖方法，首先根据静态传感器节点构建全连接拓扑图，然后将全连持拓扑图转换为可移动节点需求拓扑图，接着采用K一最每路径算法和匈牙利算法选择可移动节点需求拓扑图中的最佳栅栏构建路径并派遣可移动节点完成栅栏的构建。该方法在充分利用静态传感器节点的基础上派遣少量可移动传感器节点即可完成栅栏的构建。实验结果表明在栅栏构建和修复方面与其他方法相比节约了能量，且栅栏修复率比Optimal方法提高了8％．

简介：随着人工智能的发展，数字识别技术也得到了关注并通过各种算法提高了识别准确率。数字识别在安防、交通、邮政等领域发挥越来越重要的作用，是智能城市不可或缺的一环。通过采用包含隐含层的BP神经网络对数字识别进行仿真。首先介绍Mnist数据集、人工神经元模型、激活函数、BP算法等相关概念，详细描述了BP神经网络的原理，并通过实例进行BP网络设计。同时提出了6种优化方式，分别是初始化权值、设置Dropout、选取不同的激活函数、选取不同的代价函数、采用不同优化器、设置学习率。结果表明BP网络在数字识别方面具有实际应用价值，并能通过各种优化方式提高识别精度。

简介：在丝绸等织物生产过程中,经常会出现织物产生非正常花纹的缺陷。目前对织物缺陷的检测主要是通过人工肉眼判别,该方法花费时间长、人工成本高,会给企业带来较大的经济负担。本文通过使用BP和SAE两种神经网络对织物进行缺陷检测,并判断是何种缺陷:首先介绍了使用BP神经网络对大量样本训练并保存,得到最佳权值,从而实现对于图像的缺陷检测和分类;训练样本通过SAE深度神经网络训练得到重构图像,再不断微调参数,获得最佳的权重数值,运用滤波器过滤噪声,最终得到结果。通过大量的实验,结果表明两种方法对织物缺陷检测均具有非常良好的效果,充分证明了深度神经网络在工业生产织物过程中运用的可行性。