基于GPRS/SMS空气污染远程监控系统的设计与实现

为了实现空气质量指数的智能监测和管理,设计并实现了一种基于SnO2人工嗅觉探测的空气质量指数监测系统,系统通过空气质量指数现场网络监测节点采集、处理以及传递空气质量指数数据,采用ARM S3CA510B进行DTU数据传递,实现空气质量指数数据CO、SO2等的高效率、大批量的传递;使用汇聚节点模块通过GPRS网络将数据传递到监管终端,监管终端将管理命令通过GPRS网络反馈到汇聚监测节点,实现空气质量指数数据的远程监测;采用监测管理终端为管理人员提供不同的监测处理、控制处理以及空气质量指数监测相关数据检索和汇总分析等人机界面。对系统空气质量指数信息流的传递流程图进行了设计,给出了系统数据通过串口进行通信的代码以及系统监管终端使用套接字实现网络通信的核心源码。实验结果说明,与传统系统相比,所提系统可实时监测出空气中CO、SO2等污染气体的浓度,具有很高的实用性及有效性。     

正则化参数求解方法研究

针对BP神经网络算法训练过程中出现的过拟合问题,提出了利用一阶原点矩,二阶原点矩,方差和极大似然估计概念的推广来计算L2正则化中正则化参数 值的方法。该方法通过对算法数据集[X,Y]中的X矩阵进行运算得到的四个 值,BP神经网络算法训练时通常采用的是贝叶斯正则化方法,贝叶斯正则化方法存在着对先验分布和数据分布依赖等问题,而利用上述概念的推广计算的参数代入L2正则化的方法简便没有应用条件限制。在BP神经网络手写数字识别的实验中,将该方法与贝叶斯正则化方法应用到实验中后的算法识别结果进行比较,正确率提高了1.14-1.50个百分点。因而计算得到的 值应用到L2正则化方法与贝叶斯正则化方法相比更能使得BP神经网络算法的泛化能力强,证明了该算法的有效性。