【目的】针对极限学习机(ELM)神经网络在室内可见光定位(VLP)中收敛不稳定,易陷入局部最优状态,导致定位精度降低的问题,文章引入了麻雀搜索算法(SSA)确定ELM神经网络的初始权值和阈值,提出了SSA-ELM神经网络算法。【方法】首先,采集定...【目的】针对极限学习机(ELM)神经网络在室内可见光定位(VLP)中收敛不稳定,易陷入局部最优状态,导致定位精度降低的问题,文章引入了麻雀搜索算法(SSA)确定ELM神经网络的初始权值和阈值,提出了SSA-ELM神经网络算法。【方法】首先,采集定位区域内接收信号强度(RSS)与位置信息作为指纹数据;然后,训练SSA-ELM神经网络并得到预测模型,将测试集数据输入预测模型得到待测位置的定位结果;最后,设计了仿真实验和测试平台。【结果】仿真表明,在立体空间模型中0、0.3、0.6和0.9 m 4个接收高度,平均误差分别为1.73、1.86、2.18和3.47 cm,与反向传播(BP)、SSA-BP和ELM定位算法相比,SSA-ELM神经网络算法定位精度分别提高了83.55%、45.71%和26.26%,定位时间分别降低了36.48%、17.69%和6.61%。实验测试表明,文章所提SSA-ELM神经网络算法的平均定位误差为3.75 cm,比未优化的ELM神经网络定位精度提高了16.38%。【结论】SSA对ELM神经网络具有明显的优化作用,能够显著降低定位误差,减少定位时间。展开更多
建立了一种在温和条件下,用可见光催化合成一系列3,4-二氢异喹啉-1(2H)-酮及其衍生物的方法。该方法在室温条件下,以2-烯丙基-N-甲氧基苯甲酰胺为模板底物,以碘化钾作为光催化剂,25 W 460 nm的蓝色LED灯照射下,合成一系列3,4-二氢异喹啉...建立了一种在温和条件下,用可见光催化合成一系列3,4-二氢异喹啉-1(2H)-酮及其衍生物的方法。该方法在室温条件下,以2-烯丙基-N-甲氧基苯甲酰胺为模板底物,以碘化钾作为光催化剂,25 W 460 nm的蓝色LED灯照射下,合成一系列3,4-二氢异喹啉-1(2H)-酮衍生物,最高产率可达到83%。该合成路径具有底物适用范围广、经济实用等特点,为3,4-二氢异喹啉-1(2H)-酮衍生物合成提供了一种经济简便的方法。展开更多
在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随...在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随机生成足够长的训练序列,然后将训练序列每一簇的均值作为K-means聚类中心,避免了传统K-means反复迭代寻找聚类中心。进一步,提出了基于神经网络的IC-Kmeans(Neural Network Based IC-Kmeans,NNIC-Kmeans)算法,使用反向传播神经网络将接收端二维数据映射至三维空间,以增加不同簇之间混合数据的距离,提高了分类准确性。蒙特卡罗误码率仿真表明,IC-Kmeans均衡和传统K-means算法的误码率性能相当,但可以显著降低复杂度,特别是在信噪比较小时。同时,在室内多径信道模型下,与IC-Kmeans和传统Kmeans均衡相比,NNIC-Kmeans均衡的光正交频分复用系统误码率性能最好。展开更多
建立了一种在温和条件下,通过可见光催化合成一系列N-芳基吲哚类化合物的方法。该方法在室温条件下,以邻烯基苯胺和重氨萘酮为模板底物,以曙红Y作为光催化剂,在40 W 460 nm的蓝色LED灯照射下,合成一系列N-芳基吲哚衍生物,最高产率可达到...建立了一种在温和条件下,通过可见光催化合成一系列N-芳基吲哚类化合物的方法。该方法在室温条件下,以邻烯基苯胺和重氨萘酮为模板底物,以曙红Y作为光催化剂,在40 W 460 nm的蓝色LED灯照射下,合成一系列N-芳基吲哚衍生物,最高产率可达到74%。该合成路径具有底物适用范围广、经济实用等特点,为N-芳基吲哚衍生物合成提供了一种经济简便的方法。展开更多
文摘【目的】针对极限学习机(ELM)神经网络在室内可见光定位(VLP)中收敛不稳定,易陷入局部最优状态,导致定位精度降低的问题,文章引入了麻雀搜索算法(SSA)确定ELM神经网络的初始权值和阈值,提出了SSA-ELM神经网络算法。【方法】首先,采集定位区域内接收信号强度(RSS)与位置信息作为指纹数据;然后,训练SSA-ELM神经网络并得到预测模型,将测试集数据输入预测模型得到待测位置的定位结果;最后,设计了仿真实验和测试平台。【结果】仿真表明,在立体空间模型中0、0.3、0.6和0.9 m 4个接收高度,平均误差分别为1.73、1.86、2.18和3.47 cm,与反向传播(BP)、SSA-BP和ELM定位算法相比,SSA-ELM神经网络算法定位精度分别提高了83.55%、45.71%和26.26%,定位时间分别降低了36.48%、17.69%和6.61%。实验测试表明,文章所提SSA-ELM神经网络算法的平均定位误差为3.75 cm,比未优化的ELM神经网络定位精度提高了16.38%。【结论】SSA对ELM神经网络具有明显的优化作用,能够显著降低定位误差,减少定位时间。
文摘建立了一种在温和条件下,用可见光催化合成一系列3,4-二氢异喹啉-1(2H)-酮及其衍生物的方法。该方法在室温条件下,以2-烯丙基-N-甲氧基苯甲酰胺为模板底物,以碘化钾作为光催化剂,25 W 460 nm的蓝色LED灯照射下,合成一系列3,4-二氢异喹啉-1(2H)-酮衍生物,最高产率可达到83%。该合成路径具有底物适用范围广、经济实用等特点,为3,4-二氢异喹啉-1(2H)-酮衍生物合成提供了一种经济简便的方法。
文摘在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随机生成足够长的训练序列,然后将训练序列每一簇的均值作为K-means聚类中心,避免了传统K-means反复迭代寻找聚类中心。进一步,提出了基于神经网络的IC-Kmeans(Neural Network Based IC-Kmeans,NNIC-Kmeans)算法,使用反向传播神经网络将接收端二维数据映射至三维空间,以增加不同簇之间混合数据的距离,提高了分类准确性。蒙特卡罗误码率仿真表明,IC-Kmeans均衡和传统K-means算法的误码率性能相当,但可以显著降低复杂度,特别是在信噪比较小时。同时,在室内多径信道模型下,与IC-Kmeans和传统Kmeans均衡相比,NNIC-Kmeans均衡的光正交频分复用系统误码率性能最好。
文摘建立了一种在温和条件下,通过可见光催化合成一系列N-芳基吲哚类化合物的方法。该方法在室温条件下,以邻烯基苯胺和重氨萘酮为模板底物,以曙红Y作为光催化剂,在40 W 460 nm的蓝色LED灯照射下,合成一系列N-芳基吲哚衍生物,最高产率可达到74%。该合成路径具有底物适用范围广、经济实用等特点,为N-芳基吲哚衍生物合成提供了一种经济简便的方法。
