隨著當前中國特色的社會主義市場經濟的不斷快速健康發(fā)展和整個國家的工業(yè)化進程以及人民的生活所需物質水平的逐步提高,空氣中的各類環(huán)境污染問題越發(fā)嚴重并逐漸成為了人們的生活中關注的焦點。除了工廠排放的各種廢氣,私家車的普及也都導致了當前令人擔憂的空氣環(huán)境狀況。國家相關部門也開始加大對空氣環(huán)境的治理,提出了環(huán)境質量網格化監(jiān)測的相關政策。在此背景下,市場涌現出很多微型監(jiān)測儀器,但由于自身內部的傳感器精準度不夠,存在數據偏差的問題。為了解決這一問題,本文利用已獲得的大量標準文本數據結合神經網絡技術實現了一個基于ANN的空氣質量監(jiān)測智能校準系統(tǒng)。本課題是在人工神經網絡技術的基礎上,將長短期記憶網絡（Long ShortTerm Memory,LSTM）模型和協同訓練方法相結合同時利用國家標準數據完成校準模型的訓練。通過校準模型可以實現監(jiān)測數據的誤差校準,最終完成系統(tǒng)的設計。首先設計了數據收集的功能,將獲取數據進行規(guī)范化處理;然后設計利用協同訓練方法,將無標簽數據與標記數據進行交叉迭代訓練,完成未標記數據的標簽化過程之后利用本文設計的基于基于Cotraining-LSTM空氣質量校準算法進行數據的訓練... 

【文章來源】：中國科學院大學(中國科學院沈陽計算技術研究所)遼寧省

【文章頁數】：74 頁

【學位級別】：碩士

【部分圖文】：

人工神經元

基于協同訓練校準算法的研究15圖3.2人工神經網絡Figure3.2Artificialneuralnetworks3.2.1卷積神經網絡CNN圖3.3卷積神經網絡Figure3.3Convolutionalneuralnetwork圖3.3是卷積神經網絡結構圖。卷積神經網絡是上個世紀60年代，由兩位研究員在研究動物皮層中的神經元時發(fā)現的。它的網絡結構不同于普通的人工神經網絡結構，它利用人類由點到面的識物原則來降低反饋神經網絡的復雜

基于協同訓練校準算法的研究15圖3.2人工神經網絡Figure3.2Artificialneuralnetworks3.2.1卷積神經網絡CNN圖3.3卷積神經網絡Figure3.3Convolutionalneuralnetwork圖3.3是卷積神經網絡結構圖。卷積神經網絡是上個世紀60年代，由兩位研究員在研究動物皮層中的神經元時發(fā)現的。它的網絡結構不同于普通的人工神經網絡結構，它利用人類由點到面的識物原則來降低反饋神經網絡的復雜


本文編號：3376303