摘要
通过对BP网络的输入层节点增加了自反馈,使BP网络对历史数据具有了记忆功能,改进后的局部自反馈BP神经网络具有动态映射和处理历史数据的能力.使用该局部自反馈BP神经网络实现了多信息的融合算法;通过对工矿企业现场诊断技术、信息融合方法和物联网应用分析,设计了一个基于物联网的工矿企业现场诊断与管理系统,并将局部自反馈BP神经网络信息融合算法应用到基于物联网现场诊断系统的云计算层,为设备生产厂家和工矿企业应用物联网进行现场诊断与管理提供了一个解决方案.
通过对BP网络的输入层节点增加了自反馈,使BP网络对历史数据具有了记忆功能,改进后的局部自反馈BP神经网络具有动态映射和处理历史数据的能力.使用该局部自反馈BP神经网络实现了多信息的融合算法;通过对工矿企业现场诊断技术、信息融合方法和物联网应用分析,设计了一个基于物联网的工矿企业现场诊断与管理系统,并将局部自反馈BP神经网络信息融合算法应用到基于物联网现场诊断系统的云计算层,为设备生产厂家和工矿企业应用物联网进行现场诊断与管理提供了一个解决方案.
出处
《华中科技大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2012年第S1期316-319,共4页
Journal of Huazhong University of Science and Technology(Natural Science Edition)
基金
国家自然科学基金资助项目(61170060)
安徽省自然科学基金资助项目(11040606M135)
安徽省高等学校自然科学基金重点资助项目(KJ2011A083)
淮南市科技计划资助项目(2011A07904)
关键词
云计算
信息融合
现场诊断
物联网
局部自反馈
BP网络
cloud computing
information fusion
field diagnosis
internet of things
local self-feedback
BP network