感知器神经网络

感知器神经网络

[例4．1]考虑一个简单的分类问题。

设计一个感知器，将二维的四组输入矢量分成两类。

输入矢量为：P＝[-0.5 -0.5 0.3 0；

-0.5 0.5 -0.5 1]；

目标矢量为：T＝[1.0 l.0 0 0]，

解：

通过前面对感知器图解的分析可知，感知器对输入矢量的分类实质是在输入矢量空间用W*P十b＝0的分割界对输人矢量进行切割而达到分类的目的。根据这个原理，对此例中二维四组输人矢量的分类问题，可以用下述不等式组来等价表示出：

实际上可以用代数求解法来求出上面不等式中的参数w1、w2和w3。经过迭代和约简，可得到解的范围为：

一组可能解为：

而当采用感知器神经网络来对此题进行求解时，意味着采用具有阈值激活函数的神经网络，按照问题的要求设计网络的模型结构，通过训练网络权值W＝[w11，w12]和b，并根据学习算法和训练过程进行程序编程，然后运行程序，让网络自行训练其权矢量，直至达到不等式组的要求。

鉴于输入和输出目标矢量已由问题本身确定，所以所需实现其分类功能的感知器网络结构的输人节点r，以及输出节点数，已被问题所确定而不能任意设置。

根据题意，网络结构图如图4．5所示。

图4.5 网络结构图

由此可见，对于单层网络，网络的输入神经元数r和输出神经元数s分别由输入矢量P和目标矢量T唯一确定。网络的权矩阵的维数为：W s×r，B s×1权值总数为s×r个，偏差个数为s个。

在确定了网络结构并设置了最大循环次数和赋予权值初始值后，设计者可方便地利用MATLAB，根据题意以及感知器的学习、训练

过程来编写自己的程序。下面是对[例4．1]所编写的网络权值训练用的MATLAB程序：

％percep1．m

％

P＝[—0．5 —0．5 0．3 0；—0．5 0．5 —0．5 1]；

T=[1,1,0,0];

％初始化

[R, Q]＝size(P)；[S, Q]=size(T);

W＝rands(S，R)；B=rands(S, 1);

max_epoch＝20；

％表达式

A＝hardlim(W*P，B)；％求网络输出

for epoch＝1：max_epoch ％开始循环训练、修正权值过程

％检查

if all(A==T) ％当A＝T时结束

epoch＝epoch-1;

beak

end

％学习

[dW, dB]=learnp(P, A, T); ％感知器学习公式

W＝W十dw；

B＝B十dB；

A＝hardlim(W*P，B)；％计算权值修正后的网络输出

end ％程序结束

以上就是根据前面所阐述的感知器训练的三个步骤：表达式、检查和学习而编写的MATLAB网络设计的程序。

神经网络基于BP网络的多层感知器实验报告

神经网络基于BP网络的多层感知器实验报告 二、基于BP网络的多层感知器一：实验目的： 1、理解多层感知器的工作原理 2、通过调节算法参数了解参数的变化对于感知器训练的影响 3、了解多层感知器局限性二：实验原理：BP的基本思想：信号的正向传播误差的反向传播–信号的正向传播：输入样本从输入层传入，经各隐层逐层处理后，传向输出层。 –误差的反向传播：将输入误差以某种形式通过隐层向输入层逐层反传，并将误差分摊给各层的所有单元，从而获得各层单元的误差信号来作为修正各单元权值的依据。 1、基本BP算法的多层感知器模型： 2、BP学习算法的推导：当网络输出与期望输出不等时，存在输出误差E将上面的误差定义式展开至隐层，有进一步展开至输入层，有调整权值的原则是使误差不断地减小，因此应使权值的调整量与误差的梯度下降成正比，即η∈(0,1)表示比例系数，在训练中反应学习速率 BP算法属于δ学习规则类，这类算法被称为误差的梯度下降（Gradient Descent）算法。<实验步骤> 1、用Matlab编程，实现解决该问题的单样本训练BP网络，设置一个停止迭代的误差Emin和最大迭代次数。在调试过程中，通过不断调整隐层节点数，学习率η，找到收敛速度快且误差小

的一组参数。产生均匀分布在区间[-4，4]的测试样本，输入建立的模型得到输出，与Hermit多项式的期望输出进行比较计算总误差（运行5次，取平均值），并记录下每次迭代结束时的迭代次数。（要求误差计算使用RME，Emin 设置为0、1）程序如下：function dyb %单样本程序 clc; close all; clear; x0=[1:;-4:0、08:4];%样本个 x0(1,:)=-1; x=x0'; yuzhi=0、1;%阈值 j=input('请输入隐层节点数 j = ');%隐层节点数 n=input('请输入学习效率 n = ');%学习效率 w=rand(1,j); w=[yuzhi,w]; %输出层阈值 v=rand(2,j); v(1,:)=yuzhi;%隐层阈值 err=zeros(1,); wucha=0; zhaosheng=0、01*randn(1,);%噪声erro=[]; ERRO=[];%误差，为画收敛曲线准备 Emin=0、1; d=zeros(1,); for m=1: d(m)=hermit(x(m,2));%期望 end; o=zeros(1,); j=zeros(1,j); =zeros(1,j); p=1; q=1; azc=0; acs=0; for z=1:5 while q<30000 Erme=0; for p=1: y=zeros(1,j); for i=1:j j(1,i)=x(p,:)*v(:,i); y(1,i)=1/(1+exp(-j(1,i))); end; y=[-1 y]; o(p)=w*y'+zhaosheng(p);%噪声 wucha = d(p)-o(p); err(1,p)=1/2*wucha^2; erro=[erro,wucha]; for m=1:j+1 w(1,m)=w(1,m)+n*wucha*y(1,m); end; for m=1:j v(:,m)=v(:,m)+n*wucha*w(1,m)*y(1,m)*(1-y(1,m))*x(p,:)'; end q=q+1; end; for t=1:; Erme=Erme+err(1,t); end; err=zeros(1,); Erme=sqrt(Erme/); ERRO=[ERRO,Erme]; if

无线传感器网络路由协议

无线传感器网络的关键技术有路由协议、MAC协议、拓扑控制、定位技术等。路由协议: 数据包的传送需要通过多跳通信方式到达目的端,因此路由选择算法就是网络层设计的一个主要任务。路由协议主要负责将数据分组从源节点通过网络转发到目的节点,它主要包括两个方面的功能: 1、寻找源节点与目的节点间的优化路径。 2、将数据分组沿着优化路径正确转发。 无线传感器与传统的无线网络协议不同之处,它受到能量消耗的制约,并且只能获取到局部拓扑结构的信息,由于这两个原因,无线传感器的路由协议要能够在局部网络信息的基础上选择合适路径。传感器由于它很强的应用相关性,不同应用中的路由协议差别很大,没有通用的路由协议。无线路由器的路由协议应具备以下特点: （1）能量优先。需要考虑到节点的能量消耗以及网络能量均衡使用的问题。（2）基于局部拓扑信息。WSN为了节省通信能量,通常采用多跳的通信模式,因此节点如何在只能获取到局部拓扑信息与资源有限的情况下实现简单高效的路由机制,这就是WSN的一个基本问题。 （3）以数据为中心。传统路由协议通常以地址作为节点的标识与路由的依据,而WSN由于节点的随机分布,所关注的就是监测区域的感知数据,而不就是具体哪个节点获取的信息,要形成以数据为中心的消息转发路径。（4）应用相关。设计者需要针对每一个具体应用的需求,设计与之适应的特定路由机制。 现介绍几种常见的路由协议(平面路由协议、网络分层路由协议、地理定位辅助路由协议): 一、平面路由协议 平面路由协议中,逻辑结构时平面结构,节点间地位平等,通过局部操作与反馈信息来生成路由。当汇聚点向某些区域发送查询并等待来自于这些区域内传感器所采集的相关数据,其中的数据不能采用全局统一的ID,而就是要采用基于属性的命名机制进行描述。平面路由的优点就是结构简单、鲁棒性(即路由机制的容错能力)较好,缺点就是缺乏对通信资源的优化管理,对网络动态变化的反应速度较慢。其中典型的平面路由协议有以下几种: 1、1、洪泛式路由(Flooding): 这就是一种传统的网络通信路由协议。这种算法不要求维护网络的拓扑结构与相关路由的计算,仅要求接受到信息的节点以广播形式转发数据包。例如:S节点要传送一段数据给D节点,它需要通过网络将副本传送给它每一个邻居节点,一直到传送到节点D为止或者为该数据所设定的生存期限为零为止。优点在于:实现简单;不需要为保持网络拓扑信息与实现复杂路由发现算法消耗计算资源;适用于鲁棒性较高的场合。但同时也有相应的缺点:一个节点可能得到一个数据的多个副本;存在部分重叠,如果相邻节点同时对某件事作出反应,则两个节点的邻居节点将收到两份数据副本;盲目使用资源,无法作出自适应的路由选择。 为克服Flooding算法这些固有的缺陷,S、Hedetniemi等人提出闲聊式(Gossiping)策略。这种算法采用随机性原则,即节点发送数据时不再采用广播形式,而就是随机选取一个相邻节点转发它接收到的数据副本(避免了消息爆炸的结果)。

多层感知器节点使用说明

目录 1. 节点设置参数页面 (1) 1.1最大迭代次数 (2) 1.2隐藏层个数 (2) 1.3隐藏层神经元个数 (2) 1.4随机种子 (3) 1.5忽略空值 (3) 2. 节点使用过程 (3) 3. 注意事项 (4) 多层感知器节点使用说明 作者：王方舟多层感知器节点是Data Studio建模节点分类中的一个分类算法节点，该节点实现的算法是Rprop（后向传播的前馈神经网络），通过学习节点训练出神经网络模型来进行预测测试集数据的分类情况。 该算法通过指定目标变量、参与变量并设置算法的相关的模型参数：最大迭代次数、隐藏层个数、隐藏层神经元个数、随机种子、是否忽略空值等。 1.节点设置参数页面 多层感知器节点设置界面如图1所示。

图表 1 多层感知器模型设置界面 各模型参数意义将分小节介绍。 1.1最大迭代次数 最大迭代次数是指算法在未收敛之前（神经元输入输出、权重保持不变），最多迭代计算的次数，通常在10万个周期之内，算法会收敛，此节点默认值为100。 1.2隐藏层个数 隐藏层个数用来规定神经网络隐藏层的层数，默认为1层。 1.3隐藏层神经元个数 隐藏层神经元为每层隐藏层内，所包含的神经元个数，当隐藏

层神经元增多时将增高算法的执行代价，但足够多的神经元可以逼近任何函数。 1.4随机种子 随机种子是用来在算法执行开始时随机每个神经元连线的权值和偏差的，当使用同样的种子来产生随机值时，每次算法的权值和偏差都将相同。 1.5忽略空值 勾选此选项时，输入数据中的MissingCell行将被忽略。 2.节点使用过程 多层感知器节点在连接数据以后打开设置界面，选择参与变量和目标变量并设置算法参数，点击确定保存设置，点击执行即可执行多层感知器算法生成神经网络模型，点击右键可预览算法执行过程中的误差图。 执行后果将在模型视图内生成多层感知器预测节点，该节点将使用神经网络进行样本分类预测，将其拖入到工作区，连接测试样本数据，选择输出数据表是否添加输出神经元的输出值，或者只显示预测结果列。 点击执行后，右键查看数据可获得预测结果。

《无线传感器网络》试题.

《无线传感器网络》试题 一、填空题（每题4分，共计60分） 1、传感器网络的三个基本要素：传感器，感知对象，观察者 2、传感器网络的基本功能：协作地感知、采集、处理和发布感知信息 3、无线传感器节点的基本功能：采集、处理、控制和通信等 4、传感器网络常见的时间同步机制有： 5、无线通信物理层的主要技术包括：介质的选择、频段的选择、调制技术和扩频技术 6扩频技术按照工作方式的不同，可以分为以下四种： ：直接序列扩频、跳频、跳时、宽带线性调频扩频 7、定向扩散路由机制可以分为三个阶段：周期性的兴趣扩散、梯度建立和路径加强 8、无线传感器网络特点：大规模网络、自组织网络、可靠的网络、以数据为中心的网络、应用相关的网络 9、无线传感器网络的关键技术主要包括：网络拓扑控制、网络协议、时间同步、定位技术、数据融合及管理、网络安全、应用层技术等 10、IEEE 802.15.4标准主要包括：物理层和MAC层的标准 11、简述无线传感器网络后台管理软件结构与组成：后台管理软件通常由数据库、数据处理引擎、图形用户界面和后台组件四个部分组成。 12、数据融合的内容主要包括：多传感器的目标探测、数据关联、跟踪与识别、情况评估和预测 13、无线传感器网络可以选择的频段有：868MHZ、915MHZ、2.4GHZ 5GHZ

14、传感器网络的电源节能方法：休眠机制、数据融合等， 15、传感器网络的安全问题：(1) 机密性问题。(2) 点到点的消息认证问题。(3) 完整性鉴别问题。 16、802.11规定三种帧间间隔：短帧间间隔SIFS，长度为28 s 、点协调功能帧间间隔PIFS长度是SIFS 加一个时隙(slot)长度，即78 s 分布协调功能帧间间隔DIFS ，DIFS长度=PIFS +1个时隙长度，DIFS 的长度为128 s 17、任意相邻区域使用无频率交叉的频道是，如：1、6、11频道。 18、802.11网络的基本元素SSID标示了一个无线服务，这个服务的内容包括了：接入速率、工作信道、认证加密方法、网络访问权限等 19、传感器是将外界信号转换为电信号的装置，传感器一般由敏感元件、转换元件、转换电路三部分组成 20、传感器节点由传感器模块、处理器模块、无线通信模块和能量供应模块四部分组成 二、基本概念解释（每题5分，共40分） 1.简述无线网络介质访问控制方法CSMA/CA的工作原理 CSMA/CA机制: 当某个站点（源站点）有数据帧要发送时，检测信道。若信道空闲，且在DIFS时间内一直空闲，则发送这个数据帧。发送结束后，源站点等待接收ACK确认帧。如果目的站点接收到正确的数据帧，还需要等待SIFS时间，然后向源站点发送ACK确认帧。若源站点在规定的时间内接收到ACK确认帧，则说明没有发生冲突，这一帧发送成功。

多层感知器的训练算法

多层感知器的训练算法 齐平 辽宁工程技术大学土木建筑工程学院，辽宁阜新 (123000) E-mail: qipingws@https://www.wendangku.net/doc/4015652818.html, 摘要：本文着重介绍的在人工智能中的多层感知器(MLP)是什么，是怎样构建的。多层感知器和单层感知器一样，是一种人工神经网络。单层感知器只能处理线形问题,对复杂的问题只能粗略进行近似表示。多层感知器是建立在单层感知器的基础上的，它的结构基本类似于一套级联的感知器，对输入层和输出层之间的关系进行研究。 本文侧重描述多层感知器（MLP）的逆向传递和训练过程，并给出了相应的公式和训练算法。以便了解在人工智能中，它的训练学习过程。为了简单起见用，本文中的算法是以伪代码的方式加以描述，这样，就可以用几乎任何一门语言实现它们。 关键词：神经网络，多层感知器，算法 中图分类号：tp18 1.引言 多层感知器(MLP)是一种人工神经网络,它使用输入与输出之间的多层加权连接.MLP的结构基本类似于一套级联的感知器,其中每一格处理单元都有一格相对复杂的输出函数,从而增强网络的性能. [1] 多层感知器是建立在单层感知器的基础上的. 单层感知器只能处理线形问题,而对复杂的问题只能粗略进行近似表示.多层感知器与单层感知器有两个主要的区别: 1.明确区别:多层感知器存在中间层,它们增加了感知器近似表示的能力. 2.不明确区别:对于中间层在系统中发挥的作用是必不可少的,这涉及到使用更加复杂的激 励函数. 2.多层感知器（MLP） 2.1拓扑结构 拓扑就是神经网络中处理单元的拓扑,以及它们之间如何连接在一起。一个MLP的拓扑被称为前馈（如图1），由于不存在后向的连接——也叫做回归连接。通常信息直接从输入流向输出，而MLP 的重要结构就是改善中间层。

神经网络基于BP网络的多层感知器实验报告

神经网络及应用实验报告 实验二、基于BP网络的多层感知器 一：实验目的： 1. 理解多层感知器的工作原理 2. 通过调节算法参数了解参数的变化对于感知器训练的影响 3. 了解多层感知器局限性 二：实验原理： BP的基本思想：信号的正向传播误差的反向传播 –信号的正向传播：输入样本从输入层传入，经各隐层逐层处理后，传向输出层。 –误差的反向传播：将输入误差以某种形式通过隐层向输入层逐层反传，并将误差分摊给各层的所有单元，从而获得各层单元的误差信号来作为修正各单元权值的依据。 1.基本BP算法的多层感知器模型： 学习算法的推导： 当网络输出与期望输出不等时，存在输出误差E 将上面的误差定义式展开至隐层，有 进一步展开至输入层，有 调整权值的原则是使误差不断地减小，因此应使权值的调整量与误差的梯度下降成正比，

即 η∈(0,1)表示比例系数，在训练中反应学习速率 BP算法属于δ学习规则类，这类算法被称为误差的梯度下降（Gradient Descent）算法。<实验步骤> 1. 用Matlab编程，实现解决该问题的单样本训练BP网络，设置一个停止迭代的误差E min 和最大迭代次数。在调试过程中，通过不断调整隐层节点数，学习率η，找到收敛速度快且误差小的一组参数。产生均匀分布在区间[-4，4]的测试样本，输入建立的模型得到输出，与Hermit多项式的期望输出进行比较计算总误差（运行5次，取平均值），并记录下每次迭代结束时的迭代次数。 （要求误差计算使用RME，Emin 设置为） 程序如下： function dyb %单样本程序 clc; close all; clear; x0=[1:101;-4::4];%样本101个 x0(1,:)=-1; x=x0';

无线传感器网络试题库附答案

无线传感器网络试题库附答案 《无线传感器网络》 一、填空题（每题4分，共计60分） 1.传感器网络的三个基本要素：传感器、感知对象、用户(观察者) 2.传感器网络的基本功能：协作式的感知、数据采集、数据处理、发布感知信息3、 3.无线传感器节点的基本功能：采集数据、数据处理、控制、通信 4.无线通信物理层的主要技术包括：介质选择、频段选取、调制技术、扩频技术 5.扩频技术按照工作方式的不同，可以分为以下四种：直接序列扩频、跳频、跳时、宽带 线性调频扩频 6.定向扩散路由机制可以分为三个阶段：兴趣扩展阶段、梯度建立阶段、路径加强阶段 7.无线传感器网络特点：大规模网络、自组织网络、可靠的网络、以数据为中心的网络、 应用相关的网络 8.无线传感器网络的关键技术主要包括：网络拓扑控制、网络协议、时间同步、定位技术、 数据融合及管理、网络安全、应用层技术

9.IEEE标准主要包括：物理层。介质访问控制层 10.简述无线传感器网络后台管理软件结构与组成：后台管理软件通常由数据库、数据处理 引擎、图形用户界面和后台组件四个部分组成。 11.数据融合的内容主要包括：多传感器的目标探测、数据关联、跟踪与识别、情况评估和 预测 12.无线传感器网络可以选择的频段有：_800MHz___915M__、、___5GHz 13.传感器网络的电源节能方法：_休眠（技术）机制、__数据融合 14.传感器网络的安全问题：(1)机密性问题。(2)点到点的消息认证问题。(3)完整 性鉴别问题。 15.规定三种帧间间隔：短帧间间隔SIFS，长度为28s a)、点协调功能帧间间隔PIFS长度是SIFS加一个时隙(slot)长度，即78s b)分布协调功能帧间间隔DIFS，DIFS长度=PIFS+1个时隙长度，DIFS的长度为128 s 16.任意相邻区域使用无频率交叉的频道是，如：1、6、11频道。 17.网络的基本元素SSID标示了一个无线服务，这个服务的内容

神经网络 感知器的分类能力

作业一：感知器的分类能力 一、作业要求 已知矩阵P=[0.1 0.7 0.8 0.8 1.0 0.3 0.0 -0.3 -0.5 -1.5; 1.2 1.8 1.6 0.6 0.8 0.5 0.2 0.8 -1.5 -1.3]; T=[1 1 1 0 0 1 1 1 0 0 ； 0 0 0 0 0 1 1 1 1 1] 对以上输入、输出样本进行分类。要求画出最后的线形图。 二、分析题目要求 首先画出题目给定的点。要求设计一个二输入感知神经网络，将十个输入向为四类。 图1 给定的点 三、构建初始网络 应用newp()构造一个神经元感知器神经网络，其输入向量在[-2 2]之间。由于为2输入，故神经元数量为2。 四、训练网络 net=train(net,P,T); 设置最大训练次数为10。

五、 实验结果 5.1 本次运行的最优分类情况： 图2 分类线 5.2 误差曲线 当学习函数为感知器学习函数learnp 时，其误差曲线为图3；当学习函数为标准感知器学习函数learnp n 时，其误差曲线为图4。 图3 学习函数learnp 的误差曲线 图4 学习函数learnpn 的误差曲线 六、网络仿真 应用sim 函数来进行网络仿真，实现对任何其他输入向量的模式划分。选取 Q=[-0.4;0.9],可知其非常靠近原样本的一组数据即[-0.3 0.8]，其目标输出应为为 [1 1]。现在观察网络仿真结果，发现其被划分到相应的分类中。

七、结论与心得 该感知器网络完成了一个简单的四类模式划分问题。通过此次实验，可得感知器具有根据已有数据自主学习规则的能力，这对于我们研究无固定函数表达式的输入输出有重要意义。此外，通过比较两个学习函数后，发现learnp的误差曲线更符合要求，所以选择学习函数选择learnp。 做本题前一直在思考，10组数据如何分配，哪些做学习样本，哪些做测试样本。最后决定取原样本中相近的数据来检测网络的识别能力。 八、附录: Matlab程序代码 P=[0.1 0.7 0.8 0.8 1.0 0.3 0.0 -0.3 -0.5 -1.5; 1.2 1.8 1.6 0.6 0.8 0.5 0.2 0.8 -1.5 -1.3]; T=[1 1 1 0 0 1 1 1 0 0 ； 0 0 0 0 0 1 1 1 1 1] net=newp([-2 2;-2 2],2,'hardlim','learnp'); net.trainParam.epochs=10; net=train(net,P,T); Q=[-0.4;0.9]; Y=sim(net,Q); plotpv(P,T); plotpc(net.iw{1},net.b{1});%画分类线 hold on;

无线传感器网络发展与路由

1、引言无线传感器网络（Wireless Sensor Network）是由大规模部署的成百上千的节点构成。这些微传感器节点具有感知能力、无线通信能力以及计算能力。无线传感器网络的发展得益于微机电系统以及处理器、存储技术的发展，这些发展使得制造低功率、微体积、低成本的微传感器节点逐步成为现实。无线传感器网络综合了传感器技术、嵌入式计算技术、分布式信息处理技术和通信技术，各个节点能够协同地 1、引言 无线传感器网络（Wireless Sensor Network）是由大规模部署的成百上千的节点构成。这些微传感器节点具有感知能力、无线通信能力以及计算能力。无线传感器网络的发展得益于微机电系统以及处理器、存储技术的发展，这些发展使得制造低功率、微体积、低成本的微传感器节点逐步成为现实。无线传感器网络综合了传感器技术、嵌入式计算技术、分布式信息处理技术和通信技术，各个节点能够协同地实时监测、感知和采集网络分布区域内的各种环境或监测对象的信息，并将处理后的信息传送到需要这些信息的用户（观察者）。

由于无线传感器网络具有可快速部署、可自组织和高容错性的特点，因此非常适合在军事上应用。比如通过飞机将传感器节点撒播在战场上，可以组成网络对战场中化学武器的使用、敌方车辆和士兵的运动进行及时的监测和报告。同时，无线传感器网络对于比较恶劣的环境和人不宜到达的场所也非常适用，比如荒岛上的环境和生态监控，原始森林的防火和动物活动情况监测，污染区域以及地震和火灾等突发灾难现场的监控。另外，它还可用于城市的交通监测，医疗机构的病员及环境监测，大型车间原材料和仓库货物进出情况的监测，以及机场、大型工业园区的安全监测。无线传感器网络可以使人们在任何时间、地点和任何环境条件下获取大量信息。因此，这种网络系统可以被广泛地应用于国防军事、国家安全、环境监测、交通管理、医疗卫生、制造业、反恐抗灾等领域。可以说无线传感器网络是信息感知和采集的一场革命，是21世纪最重要的技术之一。 2、无线传感器网络 在讨论无线传感器网络之前，有必要了解无线传感器网络的组成和协议框架。典型的无线传感器网络如图1所示。

无线传感器网络课后习题答案

1-2.什么是无线传感器网络? 无线传感器网络是大量的静止或移动的传感器以自组织和多跳的方式构成的无线网络。目的是协作地探测、处理和传输网络覆盖区域内感知对象的监测信息,并报告给用户。 1-4.图示说明无线传感器网络的系统架构。 1-5.传感器网络的终端探测结点由哪些部分组成?这些组成模块的功能分别是什么? (1)传感模块（传感器、数模转换）、计算模块、通信模块、存储模块电源模块和嵌入式软件系统 (2)传感模块负责探测目标的物理特征和现象，计算模块负责处理数据和系统管理，存储模块负责存放程序和数据，通信模块负责网络管理信息和探测数据两种信息的发送和接收。另外，电源模块负责结点供电，结点由嵌入式软件系统支撑，运行网络的五层协议。 1-8.传感器网络的体系结构包括哪些部分?各部分的功能分别是什么? (1)网络通信协议：类似于传统Internet网络中的TCP/IP协议体系。它由物理层、数据链路层、网络层、传输层和应用层组成。 (2)网络管理平台：主要是对传感器结点自身的管理和用户对传感器网络的管理。包括拓扑控制、服务质量管理、能量管理、安全管理、移动管理、网络管理等。 (3)应用支撑平台：建立在网络通信协议和网络管理技术的基础之上。包括一系列基于监测任务的应用层软件，通过应用服务接口和网络管理接口来为终端用户提供各种具体应用的支持。 1-9.传感器网络的结构有哪些类型?分别说明各种网络结构的特征及优缺点。 （1）根据结点数目的多少，传感器网络的结构可以分为平面结构和分级结构。如果网络的规模较小，一般采用平

面结构；如果网络规模很大，则必须采用分级网络结构。 （2）平面结构： 特征：平面结构的网络比较简单，所有结点的地位平等，所以又可以称为对等式结构。 优点：源结点和目的结点之间一般存在多条路径，网络负荷由这些路径共同承担。一般情况下不存在瓶颈，网络比较健壮。 缺点：①影响网络数据的传输速率，甚至造成网络崩溃。②整个系统宏观上会损耗巨大能量。③可扩充性差，需要大量控制消息。 分级结构： 特征：传感器网络被划分为多个簇，每个簇由一个簇头和多个簇成员组成。这些簇头形成了高一级的网络。簇头结点负责簇间数据的转发，簇成员只负责数据的采集。 优点：①大大减少了网络中路由控制信息的数量，具有很好的可扩充性。②簇头可以随时选举产生，具有很强的抗毁性。 缺点：簇头的能量消耗较大，很难进人休眠状态。 1-13.讨论无线传感器网络在实际生活中有哪些潜在的应用。 (1)用在智能家具系统中，将传感器嵌入家具和家电中，使其与执行单元组成无线网络，与因特网连接在一起。 (2)用在智能医疗中，将传感器嵌入医疗设备中，使其能接入因特网，将患者数据传送至医生终端。 (3)用在只能交通中，运用无线传感器监测路面、车流等情况。 2-2.传感器由哪些部分组成?各部分的功能是什么? 2-5.集成传感器的特点是什么? 体积小、重量轻、功能强、性能好。 2-7.传感器的一般特性包括哪些指标? 灵敏度、响应特性、线性范围、稳定性、重复性、漂移、精度、分辨（力）、迟滞。 2-15.如何进行传感器的正确选型？ 1.测量对象与环境：分析被测量的特点和传感器的使用条件选择何种原理的传感器。 2.灵敏度：选择较高信噪比的传感器，并选择适合的灵敏度方向。 3.频率响应特性:根据信号的特点选择相应的传感器响应频率，以及延时短的传感器。 4.线性范围：传感器种类确定后观察其量程是否满足要求，并且选择误差小的传感器。 5.稳定性：根据使用环境选择何时的传感器或采用适当的措施减小环境影响，尽量选择稳定性好的传感器。 6.精度：选择满足要求的，相对便宜的传感器。 2-17.简述磁阻传感器探测运动车辆的原理。 磁阻传感器在探测磁场的通知探测获得车轮速度、磁迹、车辆出现和运动方向等。使用磁性传感器探测方向、角度或电流值，可以间接测定这些数值。因为这些属性变量必须对相应的磁场产生变化，一旦磁传感器检测出场强变化，则采用一些信号处理办法，将传感器信号转换成需要的参数值。 3-2.无线网络通信系统为什么要进行调制和解调?调制有哪些方法? （1）调制和解调技术是无线通信系统的关键技术之一。调制对通信系统的有效性和可靠性有很大的影响。采用什

人工神经网络作业-单层感知器

3.5单层感知器 # include # include # define N 100 int sgn(double x) //符号运算函数 { int y; if(x>0||x==0) y=1; else y=-1; return y; } void main() { double W[4]={0.0,0.0,0.0,0.0},X[6][4]={{-1,0.8,0.5,0},{-1,0.9,0.7,0.3},{-1,1,0.8,0.5}, {-1,0,0.2,0.3},{-1,0.2,0.1,1.3},{-1,0.2,0.7,0.8}}; int err,o[6],i,j,k,num,d[6]={1,1,1,-1,-1,-1}; double n,WX; n=1.0; k=0; do { k++; num=0; for(i=0;i<6;i++) { WX=0.0; for(j=0;j<4;j++) WX=WX+W[j]*X[i][j]; o[i]=sgn(WX); err=d[i]-o[i]; for(j=0;j<4;j++) W[j]=W[j]+n*err*X[i][j]; if(err==0) num++; } }while(num!=6); printf("调整后的权值矩阵为:\n"); for(j=0;j<4;j++) printf("%f\n",W[j]); printf("分类结果为:\n"); for(i=0;i<6;i++) printf("%d\n",o[i]);

} 3.6单次训练的结果 # include # include double Sig(double x) //单极性函数 { double y; y=1.0/(1.0+exp(-x)); return y; } void main() { double x[3]={-1,1,3},V[3][3]={{0,3,-1},{0,1,2},{0,-2,0}},W[3][3]={{0,2,3},{0,1,1},{0,0,-2}}; double d[3]={0,0.95,0.05},nety[3],neto[3],Y[3],O[3],dety[3],deto[3]; double D,yita; int i,j; yita=1.0; FILE *fp; fp=fopen("out.txt","w"); fprintf(fp,"初始W矩阵:\n"); for(i=0;i<3;i++) { for(j=1;j<3;j++) fprintf(fp,"%f ",W[i][j]); fprintf(fp,"\n"); } fprintf(fp,"初始V矩阵:\n"); for(i=0;i<3;i++) { for(j=1;j<3;j++) fprintf(fp,"%f ",V[i][j]);

无线传感器网络通信与路由研究

网络通讯及安全本栏目责任编辑：冯蕾 无线传感器网络通信与路由研究 肖军，李科，王建华 （西北核技术研究所，陕西西安７１００２４） 摘要：随着无线通信和数字电子技术的发展，由低成本、低功耗、多功能的无线传感器节点组成的无线传感网络得到迅速发展。无线传感网络是由很多无线传感器节点密集分布组成的，它具有以下特性：各传感器节点位置随机分布，具有自组织特性；各节点共同协作完成数据收集、路由任务，具有很好的协作特性。无线传感网络的这些特性使得它在医疗、环境监测、军事和智能家庭等领域有了广泛的应用。 本文从介绍无线传感器网络的发展入手，分析了无线传感器的网络结构，节点结构，节点的限制，网络特点，在此基础上继续分析了无线传感器网络的路由协议以及现有的路由协议分类。 关键词：无线传感器；路由；节点；协议 中图分类号：ＴＰ３９３文献标识码：Ａ文章编号：１００９－３０４４（２００８）１８－２１６２１－０３ ＴｈｅＲｅｓｅａｒｃｈｏｆＣｏｍｍｕｎｉｃａｔｉｏｎｓａｎｄＲｏｕｔｅｏｆＷｉｒｅｌｅｓｓＳｅｎｓｏｒＮｅｔｗｏｒｋ ＸＩＡＯＪｕｎ，ＬＩＫｅ，ＷＡＮＧＪｉａｎ－ｈｕａ （ＮｏｒｔｈｗｅｓｔＩｎｓｔｉｔｕｔｅｏｆＮｕｃｌｅａｒＥｎｇｉｎｅｅｒｉｎｇ，Ｘｉ＇ａｎ７１００２４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｗｉｔｈｔｈｅａｄｖａｎｃｅｓｏｆｗｉｒｅｌｅｓｓｃｏｍｍｕｎｉｃａｔｉｏｎａｎｄｍｉｃｒｏ－ｐｒｏｃｅｓｓｏｒｔｅｃｈｎｏｌｏｇｉｅｓ，ｉｔｂｅｃｏｍｅｓｐｏｓｓｉｂｌｅｆｏｒｌａｒｇｅａｍｏｕｎｔｓｏｆｌｏｗ－ｃｏｓｔ，ｌｏｗ－ｐｏｗｅｒ，ｍｕｌｔｉｆｕｎｃｔｉｏｎａｌｓｅｎｓｏｒｎｏｄｅｓｔｏｂｕｉｌｄｈｉｇｈ－ｑｕａｌｉｔｙｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｓ．Ｔｈｅｓｅｎｏｄｅｓｈａｖｅｍａｎｙｓｐｅｃｉｆｉｃｆｅａｔｕｒｅｓ：ｄｅｎｓｅｌｙｄｉｓｔｒｉｂｕｔｉｎｇｉｎｗｏｒｋｉｎｇｆｉｅｌｄｗｉｔｈｒａｎｄｏｍｌｏｃａｔｉｏｎａｎｄｓｅｌｆ－ｏｒｇａｎｉｚａｔｉｏｎａｂｉｌｉｔｙ；ａｄａｐｔｉｖｅｌｙｃｏｌｌａｂｏｒａｔｉｎｇｗｉｔｈｏｔｈｅｒｎｏｄｅｓｆｏｒｄａｔａｒｏｕｔｉｎｇａｎｄｔｒａｎｓｍｉｓｓｉｏｎ．ＡｌｌｔｈｅｓｅａｄｖａｎｔａｇｅｓｅｎａｂｌｅｂｒｏａｄｕｓｅｏｆｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｓｉｎｔｈｅｆｉｅｌｄｓｏｆＨｅａｌｔｈ－ｃａｒｅ，ＥｎｖｉｒｏｎｍｅｎｔＭｏｎ－ｉｔｏｒｉｎｇ，ＭｉｌｉｔａｒｙａｎｄＳｍａｒｔＨｏｍｅ． Ｔｈｉｓａｒｔｉｃｌｅｏｂｔａｉｎｓｆｒｏｍｔｈｅｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｃｏｍｍｕｎｉｃａｔｉｏｎｓｒｅｓｅａｒｃｈ，ａｎｄｓｔｕｄｙｔｈｅｆｒａｍｅｗｏｒｋ，ｃｈａｒａｃｔｅｒｉｓｔｉｃｏｆｔｈｅｗｉｒｅｌｅｓｓｓｅｓｏｒｎｅｔｗｏｒｋ，ｔｈｅｎａｎａｌｙｓｅｔｈｅｆｒａｍｅｗｏｒｋｏｆｔｈｅｎｅｔｎｏｔｅａｎｄｔｈｅｌｉｍｉｔｉｎｇｃｏｎｄｉｔｉｏｎｏｆｔｈｅｎｅｔｎｏｔｅ；ａｔｌａｓｔ，ｔｈｉｓｐａｐｅｒｓｔｕｄｙｔｈｅｒｏｕｔｅｒｐｒｏｔｏｃｏｌｏｆｔｈｅｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋ． Ｋｅｙｗｏｒｄｓ：ｔｈｅｗｉｒｅｌｅｓｓｓｅｎｓｏｒ；ｒｏｕｔｅ；ｎｏｄｅ；ｐｒｏｔｏｃｏｌ 近年来随着微电子技术、传感器技术及通信技术的发展，无线传感器网络技术发展迅猛［１］，进展很快。无线传感器网络是由一组传感器节点通过无线连接构成的无线网络，它布置大量微型的智能传感器节点，通过节点的协同工作来采集和处理网络覆盖区域中的目标信息。 无线传感器网络无论是在国家安全，还是国民经济等方面均有着广泛的应用前景。未来，传感器网络将向天、空、海、陆、地下一体化综合传感器网络的方向发展，最终将成为现实世界和数字世界的接口，深入到人们生活的各个层面，像互联网一样改变人们的生活方式。可以说无线传感器网络是信息感知和采集的一场革命，是２１世纪最重要的技术之一。本文主要有武定县传感器网络的特点入手，着重介绍传感器的网络机构，节点的布置结构及其限制条件，以及对应此结构的路由协议的介绍。 １无线传感器网络的特点 无线传感器网络是一种新兴技术，它是将传感器技术，通信技术以及网络技术结合的产物，相较于传统的网络以及传感器，它具有突出的特点： （１）大规模网络［２］ 为了获取精确信息，在监测区域通常部属大量传感器节点，传感器节点数量可能达到上万个，甚至更多。传感器网络的大规模包含两个含义：一是分布的地理区域大，如一片森林；二是节点分布密集，在一个面积不大的空间内可能有大量的节点。 （２）自组织网络 布置传感器节点时，节点的位置通常不能预先精确设定，节点之间的邻居关系也不能预先知道。这样就要求传感器节点有自组织的能力，能够自动进行配置和管理，通过拓扑控制机制和网络协议自动形成多跳无线网络。 （３）动态性网络 传感器网络的拓扑结构可能由于如下原因而改变：①环境因素和电能耗尽造成节点出现故障或失效；②环境条件变化造成无线通信链路带宽变化，甚至时断时续；③传感器节点、感知对象、观察者可能都具有移动性；④新节点的加入。因此，在设计传感器网络时，就要求考虑网络具有能适应这种变化的能力。 （４）可靠的网络 收稿日期：２００８－０４－１０ 作者简介：肖军（１９７６－），陕西洛南人，工程师，计算机与软件开发；李科（１９８３－），湖北天门人，助理工程师，计算机与软件开发；王建华（１９６４－），江西定南人，高级工程师，机电工程。 １６２１

无线传感器网络课后习题答案解析

- 1-2.什么是无线传感器网络 无线传感器网络是大量的静止或移动的传感器以自组织和多跳的方式构成的无线网络。目的是协作地探测、处理和传输网络覆盖区域内感知对象的监测信息,并报告给用户。 1-4.图示说明无线传感器网络的系统架构。 1-5.传感器网络的终端探测结点由哪些部分组成这些组成模块的功能分别是什么 (1)传感模块（传感器、数模转换）、计算模块、通信模块、存储模块电源模块和嵌入式软件系统 (2)传感模块负责探测目标的物理特征和现象，计算模块负责处理数据和系统管理，存储模块负责存放程序和数据，通信模块负责网络管理信息和探测数据两种信息的发送和接收。另外，电源模块负责结点供电，结点由嵌入式软件系统支撑，运行网络的五层协议。 1-8.传感器网络的体系结构包括哪些部分各部分的功能分别是什么 ) (1)网络通信协议：类似于传统Internet网络中的TCP/IP协议体系。它由物理层、数据链路层、网络层、传输层和应用层组成。 (2)网络管理平台：主要是对传感器结点自身的管理和用户对传感器网络的管理。包括拓扑控制、服务质量管理、能量管理、安全管理、移动管理、网络管理等。 (3)应用支撑平台：建立在网络通信协议和网络管理技术的基础之上。包括一系列基于监测任务的应用层软件，通过应用服务接口和网络管理接口来为终端用户提供各种具体应用的支持。 1-9.传感器网络的结构有哪些类型分别说明各种网络结构的特征及优缺点。 （1）根据结点数目的多少，传感器网络的结构可以分为平面结构和分级结构。如果网络的规模较小，一般采用平面结构；如果网络规模很大，则必须采用分级网络结构。

（2）平面结构： > 特征：平面结构的网络比较简单，所有结点的地位平等，所以又可以称为对等式结构。 优点：源结点和目的结点之间一般存在多条路径，网络负荷由这些路径共同承担。一般情况下不存在瓶颈，网络比较健壮。 缺点：①影响网络数据的传输速率，甚至造成网络崩溃。②整个系统宏观上会损耗巨大能量。③可扩充性差，需要大量控制消息。 分级结构： 特征：传感器网络被划分为多个簇，每个簇由一个簇头和多个簇成员组成。这些簇头形成了高一级的网络。簇头结点负责簇间数据的转发，簇成员只负责数据的采集。 优点：①大大减少了网络中路由控制信息的数量，具有很好的可扩充性。②簇头可以随时选举产生，具有很强的抗毁性。 缺点：簇头的能量消耗较大，很难进人休眠状态。 1-13.讨论无线传感器网络在实际生活中有哪些潜在的应用。 (1)< (2)用在智能家具系统中，将传感器嵌入家具和家电中，使其与执行单元组成无线网络，与因特网连接在一起。 (3)用在智能医疗中，将传感器嵌入医疗设备中，使其能接入因特网，将患者数据传送至医生终端。 (4)用在只能交通中，运用无线传感器监测路面、车流等情况。 2-2.传感器由哪些部分组成各部分的功能是什么 2-5.集成传感器的特点是什么 体积小、重量轻、功能强、性能好。 2-7.传感器的一般特性包括哪些指标 ： 灵敏度、响应特性、线性范围、稳定性、重复性、漂移、精度、分辨（力）、迟滞。 2-15.如何进行传感器的正确选型 1.测量对象与环境：分析被测量的特点和传感器的使用条件选择何种原理的传感器。 2.灵敏度：选择较高信噪比的传感器，并选择适合的灵敏度方向。 3.频率响应特性:根据信号的特点选择相应的传感器响应频率，以及延时短的传感器。 4.线性范围：传感器种类确定后观察其量程是否满足要求，并且选择误差小的传感器。 5.稳定性：根据使用环境选择何时的传感器或采用适当的措施减小环境影响，尽量选择稳定性好的传感器。 6.精度：选择满足要求的，相对便宜的传感器。 : 2-17.简述磁阻传感器探测运动车辆的原理。 磁阻传感器在探测磁场的通知探测获得车轮速度、磁迹、车辆出现和运动方向等。使用磁性传感器探测方向、角度或电流值，可以间接测定这些数值。因为这些属性变量必须对相应的磁场产生变化，一旦磁传感器检测出场强变化，则采用一些信号处理办法，将传感器信号转换成需要的参数值。 3-2.无线网络通信系统为什么要进行调制和解调调制有哪些方法 （1）调制和解调技术是无线通信系统的关键技术之一。调制对通信系统的有效性和可靠性有很大的影响。采用什

移动性无线传感器网络的研究

一、引言 无线传感器网络作为微机电、通信和传感器三种技术相结合的产物，已成为计算机与通信领域的一个研究热点。无线传感器网络的应用前景广阔，能够广泛应用于军事、环境监测和预报、健康护理、智能家居等领域，随着对无线传感器研究的深入和成熟，传感器网络将逐渐深入到人类生活的各个领域。目前，国内外对无线传感器的研究主要针对无线传感器网络能量受限的特点，提出了很多节能的MAC协议和路由协议等。然而多数的研究局限于所有传感器节点都是静止的情况，不满足某些需要移动节点的应用，比如监测野生动物的生活，追踪病人的心跳情况等等，节点总是处于不断的运动中，同时引进移动节点还可以拓宽网络空间的采样能力，例如在应用移动节点收集其他静止节点的数据，作为一种信息收集槽。 无线传感器网络中，可能造成网络能量浪费的主要原因有：传输信息发生冲突、节点接收并处理不必要的数据(串音现象)、过度空闲侦听、控制消息过多等。MAC子层的主要任务就是可靠地控制信道的接入，尽量降低或减少以上的能量浪费。因此，MAC层协议的设计对无线传感器网络能量高效利用有重要的意义。 本文介绍了两种移动性无线传感器网络，一种是普通节点移动型，一种是代理节点(或中继节点)移动型，同时阐述了两者的研究现状，以便对移动性无线传感器进行进一步的研究和改进。 二、移动性无线传感器网络模型 根据移动的节点的功能不同，把移动性无线传感器网络分为两类：一种是普通节点移动型，一种是代理节点(或中继节点)移动型。下面分别对这两种节点进行介绍和分析。 1、普通节点移动型 这种网络模型具有分布式结构，各个节点的功能一样，没有主协调点和次要节点之分，类似于Flat Ad Hoc网络节点，如图1(a)。节点由于某种原因随时可能离开当前的网络，或进入新的网络，就会带来一系列的接入问题：如何判断节点离开/进入一个网络；网络如何适应节点的变化；节点间如何交互等等。对其它的移动网络，例如移动电话或移动Ad Hoc网络，已经有很多很好地解决其移动性的方案，但这些方案并不适用于无线传感器网络，由于无线传感器网络是能量受限型网络，网络协议的设计必须考虑能量损耗的问题。 目前有两种针对这种网络模型的能量高效的MAC接入协议：MS-MAC [1]和MOBMAC [2]，这两个协议都是建立在SMAC[3]协议的基础之上，考虑了节点移动性带来的接入和能耗问题。 MS-MAC提出了一种快速建立连接的机制，即根据接收到的信号变化来判断

人工智能–多层感知器基础知识解读

人工智能–多层感知器基础知识解读 今天我们重点探讨一下多层感知器MLP。 感知器（Perceptron）是ANN人工神经网络的一个概念，由Frank Rosenblatt于1950s第一次引入。 单层感知器（Single Layer Perceptron）是最简单的ANN人工神经网络。它包含输入层和输出层，而输入层和输出层是直接相连的。单层感知器仅能处理线性问题，不能处理非线性问题。今天想要跟大家探讨的是MLP多层感知器。 MLP多层感知器是一种前向结构的ANN人工神经网络，多层感知器（MLP）能够处理非线性可分离的问题。 MLP概念： MLP多层感知器（MulTI－layerPerceptron）是一种前向结构的人工神经网络ANN，映射一组输入向量到一组输出向量。MLP可以被看做是一个有向图，由多个节点层组成，每一层全连接到下一层。除了输入节点，每个节点都是一个带有非线性激活函数的神经元。使用BP反向传播算法的监督学习方法来训练MLP。MLP是感知器的推广，克服了感知器不能对线性不可分数据进行识别的弱点。 相对于单层感知器，MLP多层感知器输出端从一个变到了多个；输入端和输出端之间也不光只有一层，现在又两层：输出层和隐藏层。 基于反向传播学习的是典型的前馈网络，其信息处理方向从输入层到各隐层再到输出层，逐层进行。隐层实现对输入空间的非线性映射，输出层实现线性分类，非线性映射方式和线性判别函数可以同时学习。 MLP激活函数 MLP可使用任何形式的激活函数，譬如阶梯函数或逻辑乙形函数（logisTIc sigmoid funcTIon），但为了使用反向传播算法进行有效学习，激活函数必须限制为可微函数。由于具有良好可微性，很多乙形函数，尤其是双曲正切函数（Hyperbolictangent）及逻辑乙形函数，被采用为激活函数。