典型文献
基于PSO-Nadam-BP神经网络的多传感器火灾检测算法
文献摘要：
由于采用传统单传感器检测火灾时存在精度低、误报率高等不足,提出了一种基于PSO-Nadam算法优化BP神经网络的多传感器火灾检测算法.算法模型以火灾环境参数作为BP神经网络的输入,以不同火灾状态的概率作为输出.但是传统BP神经网络算法中存在两个问题,一是因初始权值和阈值随机选定而导致的可能陷入局部最优解,二是因反向误差传播过程中学习率α固定所导致的收敛速度慢.因此分别采用粒子群算法(PSO)和Nadam算法来优化BP神经网络模型.最后在MATLAB软件上进行算法仿真模拟,相较于BP神经网络模型,该优化模型输出结果与样本实际值吻合度更高,样本预测均方根误差更小,并且收敛速度更快.该算法在一定程度上提高了检测准确率和检测速度,为后续更完善的火灾检测算法打下基础.
文献关键词：
多传感器;火灾检测;BP神经网络;粒子群算法;Nadam算法
中图分类号：
作者姓名：
孙苗;张雪凡;林阳;何理旭
作者机构：
上海大学通信与信息工程学院 特种光纤与光接入网重点实验室,上海 200072
文献出处：
引用格式：
[1]孙苗;张雪凡;林阳;何理旭-.基于PSO-Nadam-BP神经网络的多传感器火灾检测算法)[J].工业控制计算机,2022(06):1-3,7
A类：
Nadam
B类：
PSO,多传感器,火灾检测,检测算法,单传,传感器检测,误报率,算法优化,算法模型,火灾环境,环境参数,神经网络算法,权值,局部最优解,误差传播,传播过程,学习率,收敛速度,速度慢,粒子群算法,算法仿真,仿真模拟,模型输出,输出结果,吻合度,样本预测,检测准确率,检测速度,打下基础
AB值：
0.307327
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
