13、物联网中的人工神经网络与支持向量机

物联网中的人工神经网络与支持向量机

1. 人工神经网络（Artificial Neural Networks）

人工神经网络（ANN）模拟人类神经系统的结构，采用智能学习模型。在ANN中，输入层处理注入系统的可变输入量，除输出层外，单个神经元代表一个变量。每个神经元代表一个标签，输入层和输出层之间包含一个或多个隐藏层。若神经元结构中无循环，该系统被称为前馈神经网络（FF - NN），它是ANN的一种简单形式。

以下是一些FF - NN的应用案例：
- 交通预测 ：有研究设计了BN - SARIMA模型用于预测大型城市交通中的短期交通流量，并与其他基于ANN的模型进行比较。FF - NN在10分钟和15分钟的预测中比其他神经网络过程有轻微优势，但不如BN - SARIMA方法活跃。还有研究使用多层FF - NN进行短期交通预测，结果显示该模型在随机森林（RF）模型之后具有最低的误差指标。
- 旅行时间预测 ：通过改进的FF - NN预测旅行时间变化和各种交通数据记录（如旅行历史、绕行次数和路边传感器收集的速度）。采用无监督学习方法处理交通轮廓，然后使用ANN对聚类数据进行训练。使用反向传播模型训练FF - NN以最小化预测误差，并通过均方根误差（RMSE）进行分析，结果较为理想。
- 道路事故检测与预测 ：基于反向传播的FF - NN模型还用于实时检测和预测道路事故，K - NN模型和模拟结果表明该模型提高了精度。
- 坑洼检测 ：利用自动手机的加速度计数据输入FF - NN，实现实时坑洼检测，模拟结果显示检测准