農(nóng)作物病蟲草害遠程智能識別系統(tǒng)的設計與實現(xiàn).pdf

1、該文主要通過研究神經(jīng)網(wǎng)絡專家系統(tǒng)以及基于INTERNET的遠程通信,設計并實現(xiàn)了基于神經(jīng)網(wǎng)絡和基于INTERNET連接的農(nóng)作物病蟲草害遠程智能識別系統(tǒng),具體如下:1.實現(xiàn)了基于數(shù)據(jù)庫技術和WEB技術的農(nóng)作物病蟲草害遠程查詢和學習系統(tǒng).遠程客戶通過聯(lián)網(wǎng)的計算機可以很方便的進行遠程訪問和學習,使用簡單,功能完善.該文基于INTERNET的遠程連接,可以很方便的將有關信息在廣大用戶與系統(tǒng)之間進行傳遞,為廣大用戶及時準確的了解和掌握病害知識提供

2、可能,并為病害的診斷和施治奠定了基礎.2.學習和研究了人工神經(jīng)網(wǎng)絡有關知識,重點研究和探討了BP算法和模擬退火算法.針對基本BP算法的收斂速度慢,利用了一種新的BP改進算法—自適應權步因子BP算法.該算法根據(jù)最近兩個梯度的符號及其相對大小動態(tài)地改變權步因子(即學習速率)并使之盡可能大,從而實現(xiàn)了學習速率的自適應,提高了神經(jīng)網(wǎng)絡的收斂速度,是一種簡單易行、無需確定關鍵性參數(shù)地高效BP算法.另外,由于在該算法中,權步(即權值)的增量的大小主

3、要取決于學習速率和前一次權步的大小的乘積,而與當前梯度的大小沒有直接的線性關系,就消除了偏導數(shù)的大小對神經(jīng)網(wǎng)絡訓練的不利影響.同時,針對基本BP算法的局部收斂問題,該文引入模擬退火理論,結合該BP算法對微觀結構的敏感性和模擬退火算法在能量空間宏觀結構上的方向性,設計了S-BP算法:以自適應權步因子BP算法加快迭代,按負梯度方向盡快滑入極小點,減少無用的搜索過程;用模擬退火算法啟發(fā)性地指明方向,使神經(jīng)網(wǎng)絡訓練脫離局部極小點,盡量收斂于全局