文摘

人工智能是一个智能系统,可以在一个复杂多变的环境中执行任务没有特殊的人工干预。它是一种技术,可以通过机器学习不断优化决策和行为。这是一个描述人类智能的电脑。简单的解释通常是“人工智能。“发明以来,人工智能理论和技术不断发展和它的范围也在不断扩大。与改善人民丰富多彩的物质生活水平,越来越多的生活领域,人工智能产品可广泛使用和方便地访问,但人工智能技术的滥用也会成为未来最大的公共安全。人工智能技术被一些恐怖分子,使其更方便了恐怖袭击。为此,本文旨在研究人工智能物联网技术在电子信息工程。希望人工智能物联网技术可以更好的优化和技术手段可以掌握和合理用于改善人民的物质生活条件和幸福。本文提出如何更好地应用人工智能物联网技术,电子信息工程和分析优化方案和预警模型来更好地模拟生活条件和优化信息。 The experimental results of this paper are analyzed through model construction. Finally, this paper selects and uses 16 standard mechanics datasets to find that it is beneficial to the better application of artificial intelligence Internet of Things technology, which verifies the accuracy and overall applicability of the method.

1。介绍

与互联网信息科技的不断发展,许多技术更智能的方向发展。人工智能(AI)技术是一种重要的手段构建物联网的计算空间。它属于边缘领域,自然科学。科学家希望通过研究和理解理解智力的本质,努力创建一个新类型的智能机器,可以应对各种形式和方法类似于人类的智慧。研究在这一领域涉及机械工程、语言识别、图像识别、自然语言处理和专家系统。出生以来的人工智能理论和技术的发展越来越成熟,应用领域的不断扩大。在不久的将来,人工智能带来的高科技产品未来将被视为人类智慧的一个生动的表达。随着信息技术的发展,尤其是云计算和其他技术的快速发展,人工智能(AI)技术发展突飞猛进。新出现的技术能力,人工智能监测已经成为现实。人工智能监测电子信息工程出生在这个背景下,提供更可靠的保护人类生命的安全,减少或避免悲剧。

在21世纪,电子信息技术的快速发展给人们的生活带来了巨大的变化。其中,物流管理基于电子信息技术发展迅速,其研究尤为重要。

随着电子信息技术产业逐渐发挥着越来越重要的作用,它已成为一个重要的增长点,增强其经济竞争力在全球范围内。我国决定一个新的现代化和工业化道路近年来说明我国电子信息产业的进步。电子信息产品的市场生命周期和时间短的优点,产品变化频繁,并专注于网络应用程序。创新活动是源于两个准则:技术进步和用户需求。我们必须使用技术创新和提高产品价值。引入人工智能技术和物联网促进电子信息技术和产品创新的过程中起着非常重要的作用在中国的电子信息产业的发展和市场竞争力的增强。

人工智能(AI)领域有着悠久的历史紧密相连。哈萨比斯等人认为,更好的理解生物大脑构建智能机器可以发挥至关重要的作用。他们调查了人工智能和神经科学领域的历史互动和突出显示当前人工智能的发展受到神经计算研究人类和其他动物。最后,它强调共同的主题,可能是至关重要的发展未来的研究在这一领域,但只有一般范围方向确定和实用性不高1]。在数字博物馆的建设,它是非常困难的来管理如此多的集合和找到一个地方集合。Zhao-Hui提出了一个技术来识别集合;这个技术是信息技术,它创建智能博物馆的基础。然而,这项技术的说服力不强(2]。Ogidiaka创造了心理因素的问题。在这种情况下,智能模型与理性的统计和经济概念。简单地说,它是能够做出正确的决定,计划,或结论。采用随机表示和统计学习方法导致更高程度的集成和交叉人工智能,机器学习,数据,控制论,神经科学,和其他学科。然而,目前的技术还不够成熟和有一些缺点3]。

从人类智能时代,方便智能技术的应用,使人类社会生活和工作更方便。也有巨大的安全风险(4]。因此,科学分析人工智能技术和标准化的风险使用人工智能电子信息技术将为人类未来的可持续发展带来机会和减少伤害和损失。本文使用人工智能的结合物联网技术和电子信息工程探索人工智能的应用物联网技术在电子信息设备。它使用人工萤火虫算法和蚁群算法探索的优化公式找到最短路径的最小值。之间关系的深入研究人工智能物联网技术和电子信息工程通过SOM神经网络预警模型建设、代理行为树结构,SVR预测模型分析和优化和神经网络预警预测模型分析加强电子信息工程和人工智能。网络的协同作用有利于研究、探索和优化的应用人工智能物联网技术在电子信息工程。

2。电子信息工程的方法基于人工智能物联网技术

2.1。物联网技术

2.1.1。物联网的智能家居环境

具体层物联网的感知层、网络层和应用程序层。提出了相应的智能家居系统安全框架,即节点安全、信息传输安全、和信息使用安全,安全机制是建立在每一层的传输。物联网的安全体系结构构造,及其框架如图1。

2.1.2。物联网网关

在系统的感知层,有大量的传感器。这些传感器组成传感器网络数据检测。传感器数据被传输到广域网通过传感器网络在网络层(5]。网关实现互连的目的广域信息通过提供协议转换之间的感知层和广域网。因此,在网络层(它有一个不可或缺的地位6]。图2显示系统中物联网的状态:网关通过端口连接到服务器,通过HTTP协议和消息处理;串行端口连接到底层协调员接收和转发系统数据;实现Modbus / TCP和Modbus RTU的转换协议。在功能上,网关主要实现数据双向通信功能和网络组织能力;在物理上连接到无线个域网和协调员,实时监测系统的终端设备,通过连接调制解调器设备(GPRS模块)、蜂窝移动通信设备(3 g模块)、有线和无线传输的传感器网络感知的数据到服务器;SD模拟相机连接到定期收集现场照片,存储和转发SD卡上的照片;显示数据感知通过触摸屏、传感器网络和摄像机收集图片和网关的工作状态;远程登录到服务器查看系统数据,图片,和网关的工作状态7]。

2.2。人工智能

受到许多因素的影响,很难人工智能真正排气人类智慧的奥秘。学术界不能形成一个统一的人工智能的定义(8]。

优点:人工智能技术丰富了人们的生活,对人们的生活提供了极大的帮助。结合人工智能技术和人类生活的各种工具和材料已经完全改变了人们传统的生活方式和人们的生活增添了新的色彩。人工智能能够丰富人们的生活,使人们的生活更聪明(9]。

缺点:人工智能的发展泄露人们的隐私10]。

人工智能算法:有许多人工智能算法应用于网络重建。广泛使用的人类国王神经网络,模拟退火法、遗传算法、粒子群算法、专家系统等,下面简要介绍(11]。

模拟退火方法:方法,选择一个适当的收敛指数根据温差协助加速SA算法的速度(12]。

粒子群算法:采用二进制编码,PSO算法用于重建问题。改进的PSO算法在重建也有许多应用程序。

近年来电子信息发展迅速,全球竞争加剧了。它已成为世界上最重要的战略性产业之一。以达到峰值的工业竞争,国家推动电子信息产业的国家战略。在过去的十年里,我国的电子信息产业发展很好,其强度持续增加,产值在国内生产总值(GDP)的比例继续增加,经济增长的驱动力继续增加,及其对经济增长的影响还在继续增加。越来越多的受到关注电子信息制造业的发展。

电子信息产业的特点:(1)平行增长和好处:随着产量的增加,将会有一个相应的增加效率;(2)大型技术需求和投资:因为电子信息产品更新迅速,设备和技术的要求很高,需要大量的资本和技术投资的速度跟上产品升级;(3)聚类和其他相关产业:电子信息产业的输出是一个必不可少的输入相关行业(13]。

我国现代电子信息产业的主导和支柱产业越来越成为我们的祖国大陆,促进我国社会和经济发展。图3显示的变化,国内电子信息技术产业的总产值。

如图4,我们可以发现,从1997年到2000年,国内电子信息产业高速发展的增长速度高于制造业。它经历了创业和成长阶段,进入21世纪后的成熟阶段,增长率开始落后,因为制造业的增长率。

2.3。BP网络模型建设

本文使用MATLAB软件创建一个BP网络预测模型,并进行学习培训和系统预测分析建立了系统模型。BP神经网络模型的建设步骤如图所示5:(1)通过确定BP神经网络的层数、传递函数,在每一层神经元的数量,选择和权重的赋值和阈值;然后,进行系统结构设计(14](2)本选择初始模型,建立适当的培训学习和规则函数,设置相关的训练参数,等等,然后通过模型火车(3)使用建立模型来预测处理过的数据测试和分析预测结果

2.4。人工萤火虫算法

在最初的萤火虫算法,一些萤火虫随机分散在初始化期间故障诊断领域。这些萤火虫的荧光素的内容基本上是相同的在启动。每个萤火虫都应该是唯一的。萤火虫与其他萤火虫在他们的主要决策范围内,能够实现控制的其他萤火虫分布在周边地区。活动的目的:每个萤火虫的荧光素值是由萤火虫的位置之间的距离和解决方案的最优位置。解决方案的接近最优位置,萤火虫荧光素含量越高。萤火虫的通信机制如下:所有的萤火虫都在收集其他的萤火虫,光明的尾巴,荧光素含量越高,能力越强,吸引和方法相同的萤火虫,萤火虫,另将自发地改变荧光素内容和移动的方向萤火虫(高15]。

在萤火虫算法的优化阶段,每个迭代包括荧光素更新阶段,你的邻居决定阶段,运动概率更新阶段,位置更新阶段,传感半径更新阶段。让f(x)健康评估功能,代表了荧光素的浓度我- - - - - -th的萤火虫Nth迭代,和四个阶段描述如下。

初始化阶段:首先,NP萤火虫是随机生成的搜索区域,x_我,= (x1,x2,…x_米),代表的迭代次数,我= 1,2,…NP;李萤火虫在初始化阶段都有荧光素浓度( )= 0。与此同时,初始化荧光素挥发系数ρ萤火虫算法,健身的提取比例γ,步长一步,邻居的变化率β决定半径rd, gt邻居数量阈值和最大迭代次数iter_max [16]。

每个萤火虫荧光素更新阶段:更新其荧光素值根据当前萤火虫健身价值 ,即荧光素值是荧光素值前一刻-挥发性荧光素值随着时间的推移,加上它的健身价值的一定比例。具体的更新规则表达如下: 在哪里荧光素挥发系数和吗是健身提取比例。

确定每个萤火虫邻居阶段:查找其邻国在决定半径,和邻居集由邻国,符合下列条件:

在公式(2),d(我,一个)代表之间的欧氏距离我th和一个th萤火虫。

移动概率更新订单:我th萤火虫决定搬到的概率jth萤火虫的荧光亮度值进行比较的萤火虫邻居集。计算方法如下:

位置更新阶段:我th萤火虫决定移动一小步萤火虫j按照轮盘赌方法,一步一步移动,和它的位置更新公式如下:

传感半径更新阶段:前一步骤完成后,相应的传感半径需要更新。具体的更新公式如下:

人工萤火虫算法的流程图如图6。

2.5。蚁群算法

这是一个算法基于仿生学原理的基础上蚂蚁觅食。蚁群算法(ACA)首次提出由意大利学者民宿et al。小蚂蚁总是可以找到食物,可以找到从蚁穴到食物的最短路径/目的地。更重要的是,蚂蚁可以动态地选择最优路径在动态变化的环境中(17]。

为了提高人工智能的发展,物联网技术电子信息工程建设,介绍了以下符号:米代表的蚂蚁算法。N代表城市的数量/节点算法。l代表城市A和B之间的距离。 ,在时间t,是蚂蚁位于城市的数量我,在那里 ,在时间t,代表了城市的信息素(a, b)。

初的算法,每个路径上的信息素被设置为一个常数c在运动期间,蚂蚁选择的概率计算每个可选节点根据(7),然后生成随机数,并根据每个节点的概率,你大约可以选择城市/节点蚂蚁下次访问。

代表了蚂蚁的概率k选择节点的路径我(一个,b): 在哪里表示路径的可见性(,b), α表示信息素的重要因素,β代表路径可见性的重要因素代表了算法的迭代次数。

是蚂蚁的禁忌表吗k记录信息,即蚂蚁走过的城市。在接下来的路线选择,蚂蚁不能选择的节点 。与此同时,也记录订单信息的蚂蚁的城市旅行。

后n次(有n城市算法),米蚂蚁已经完成了一个迭代的过程。根据保存的节点信息 ,计算每只蚂蚁所经过的距离Lat _k和计算最短路径Lat _min迭代。ACA,上述过程将重复次了。每个迭代完成后,每个路径上的信息素会更新根据蚂蚁的选择指导蚂蚁选择下一个迭代: 在哪里ρ代表了信息素和持久性因素ρ−1表示信息素挥发系数。

代表了蚂蚁的路径k(a, b):

在公式(12), 代表的贡献k -th蚂蚁路径上的信息素(一个,b经过这一次,)的总路径 代表了路径(一个,b在此迭代中)选择的蚂蚁。信息素的变化方程所示(12)。在方程(12),D是一个常数,代表的总路径长度k -蚂蚁通过循环过程。在ACA,算法的迭代的数量 。最短路径是最短路径的最小值在每个迭代中发现:

2.6。总结本节

本部分首先介绍了物联网环境下智能家居控制系统。的基础上掌握物联网的基本原则,进一步描述了物联网网关的特点,描述了物联网网关系统的整体框图,提供了一个详细介绍人工智能及其优缺点,等人工智能算法,人工萤火虫算法,人工萤火虫算法流程图,交通控制信号的方法,等介绍,并详细分析了蚁群算法确定其最佳路径。配方的优化和探索寻找最短路径的最小值进一步表明,人工智能物联网技术和电子信息工程密切相关,相互促进。

3所示。电子信息工程实验基于人工智能和物联网技术

3.1。代理行为树的建设

常用的人工智能决策树模型包括状态机和行为。状态机更接近于人类思维,但树更直观、灵活的行为。因此,行为树已成为主流模型复杂的人工智能。树的行为可以被视为一个树型数据结构,有叶节点和复合节点。同时,行为分为许多层面,低级的行为可以被组合成更高级的行为。行为树需要更新时,结构将执行DFS操作,达到最终反过来,叶节点和叶节点反馈不同的结果根据不同的情况,例如,它可以“执行”或“nonexecuted。“因为这样的树结构,每个分支不是同时遍历。同时,使用该功能,您可以轻松地设置优先级的行为动作,让前面的叶节点承担更重要的行为(18]。

特点:(1)的高度模块化状态删除跳转逻辑状态,使国家本身”的行为。“(2)行为节点和控制节点可以重用相同的控制节点,可以出现在不同的行为树的分支。增加控制节点的类型,相同的行为节点可以与不同的控制节点,使不同的AIs,所以也可以实现多路复用的目的的行为。有很多种行为树中的节点,我们甚至可以定制节点为了达到目标函数,如图7。

这种行为树全面使用选择节点和节点序列的组合和使用行为树的特点来表达上述逻辑更清晰,可以更好地实现代理的行为(19]。

3.2。建设SOM神经网络的预警模型

建立一个基于神经网络预警模型可以有效地监控外国产品对我国国内产业的影响和可能的伤害造成的一些潜在的损失。然而,从电子信息产业的现状,更重要的是防止外国反倾销我国[20.]。

利用神经网络的结构流程图生成预警模型如图8。

早期预警模型生成的神经网络也有与时俱进的能力。它可以方便地存储和更新新生成的数据,以便判断的结果总是与国际形式有关。具体操作的框图如图9。

因为本文设计的模型没有特殊限制规则电子信息工程特征参数的选择,给出一般形式,所以该模型可以应用于人工智能的最大扩张电子信息工程,和模型的适用性进一步证明20.]。

3.3。建设电子信息产业的生产函数模型

我们将分析各种生产要素投入的发展电子信息产业通过c - d生产函数和学习各种生产行业的因素之间的关系和经济增长。由于广泛的电子信息产业,我们有改善和优化的c - d生产函数为方便计算。

c - d生产函数:

之后引入的技术变量 ,它的生产函数

由于电子产品的发展,信息技术工程电子信息产业的发展,需要研究和外部变量技术的引入可以清楚地反映综合发展指数的信息电子信息技术的发展水平和电子信息产业的生产水平

由此,特定行业的生产函数用于研究获得电子信息产业:

其中,一个其他技术进步因素,C信息化的综合发展指数,h的弹性是信息化指数,α和β是资本和劳动要素的产出弹性,分别K电子信息行业的投资,l是电子信息产业的劳动力投入,然后呢Y是电子信息产业的总产值。

3.4。总结本节

本部分首先详细介绍了建设和代理行为树的优化方法,以及代理行为树的特点和共同行为所表示的逻辑关系树,和优化方法。然后,通过建设的SOM神经网络的预警模型,早期预警模型的流程图描述的SOM神经网络,这是有利于可持续发展战略的实现。最后,建设电子信息产业的生产函数模型。模型分析电子信息产业的生产要素,然后研究每个因素的影响在电子信息产业的发展,并最大化其在电子信息工程中的应用。进一步证明了类型。

4所示。预测模型的实验分析

4.1。SVR预测模型分析和优化SVR模型的优势

(1)模型提供了一个强有力的理论基础,可以使用结构风险最小化原则。(2)该模型可以有效地解决小样本的问题,最后转变成一个二次规划问题。(3)支持向量机的拓扑结构是由支持向量。由于过度依赖用户的反复尝试网络拓扑结构,传统的神经网络是隐藏的。

为了实现分散两种类型的样本的目的,我们使用SVM回归拟合构造最优分类面最小化所有训练样本和分类表面之间的距离。SVR如图的基本思想10。

4.2。神经网络预警和预测模型

根据神经网络模型参数表1和2、输入网络模型的训练样本训练网络。

健身的变化趋势如图11。从图可以看出,健身的价值正变得越来越小,这表明它有更好的性能。提高预测的准确性,获得了良好的预测效果。

本文使用人工智能的结合物联网技术和空气质量的电子监控设备进行实时监控、预警、预防和预测的发生,达到期望的结果。通过神经网络模型的构造和分析结果,监控收入可以显著提高智能电子设备的监控之下。的有效性和优越性,通过神经网络预测确定预警预测模型进行了验证。

4.3。总结本节

在本节中,通过构建和优化SVR预测模型,它是发现,它避免了传统神经网络的过度依赖用户的网络拓扑的重复试验和错误。为了解决这一问题的两个样品,一个最优分类面。通过分析神经网络预警和预测模型,人工智能结合空气质量电子监控设备进行实时监控、预警和预测。的有效性和优越性,通过神经网络预测预警预测模型进行了验证。探索建立电子信息的应用程序的发展方向。

5。结论

随着智能控制应用的成熟度的提高,人工智能物联网技术将不可避免地进一步扩大研究智能控制的范围。生产控制可以执行更精细和动态,可以显著提高工作效率,给人们的工作和生活带来了方便,最终将有力地促进国民经济的发展。然而,人工智能物联网技术不够成熟,仍处于试验阶段。它提供了更可靠的保证人员的安全,减少或避免悲剧的发生。出于这个原因,人工智能的结合物联网技术和电子信息工程应该使用科学和合理。

数据可用性

没有数据被用来支持本研究。

的利益冲突

作者宣称没有利益冲突有关这篇文章的出版。