12、人工神经网络和支持向量机在物联网中的应用探索

人工神经网络和支持向量机在物联网中的应用探索

1. 基于 ANN 的强化学习与无人机无线通信

1.1 ANN 强化学习的作用

基于人工神经网络（ANN）的强化学习（RL）方法可用于获取滥用者或客户端的信息，如位置、数据速率流量等，还能发现无人机的路径。这种方法能有效发现无线滥用者及其网络状况之间的复杂关联，以解决需求问题的优化和资源管理。

1.2 无人机与 ANN 在无线通信中的应用

从空中到地面无线设备或滥用者的连接或覆盖是无线传感器网络（WSNs）中的新兴技术。与地面运输相比，低空无人机的无线技术易于应用，具有弹性重构能力，且传输频率适合短距离和视线链路。不过，使用高度发达但能量受限的无人机也面临一些挑战，如最优使用、能源效率、安全、无人机间通信限制和路径选择等。

目前，大部分无人机用于数据收集、遥测传输和货物运输。因此，需要开发智能和自动化的控制程序来优化无人机的飞行路径。

无人机在城市地区广泛用于收集用户行为和与滥用者相关的信息，这为 ANN 程序的实现提供了理想环境。在无人机中，ANN 有两个重要用例：
- 基于 ANN 的 RL 模型 ：用于自动方案决策、路径选择、用户动态环境和资源分配决策。
- 环境信息收集与分析 ：无人机可以绘制地面环境和无线环境，收集信息，利用以 ANN 为中心的方法处理感知信息，并进行数据分析以预测地面滥用者的活动。通过分析滥用者或设备的行为模式，基于功率管理的无人机可以有效调整其理想位置并规划理想飞行路线，为地面操作员提供服务。

然而，ANN 在无人机无线通信