改进BP神经网络的数据融合方法在智能灯光控制系统中的应用

简介

针对现有智能灯光控制系统的高能耗以及无法准确确定人体的静止状态等问题,在多传感器采集的基础上,提出一种将BP神经网络与改进遗传算法相结合的多信息融合算法用于智能灯光控制系统中。通过改进遗传算法获得一组次优解,用作训练BP神经网络初始权值和阈值。通过仿真将这里算法与遗传算法优化的BP神经网络算法、BP神经网络、遗传算法进行比较,以验证融合算法的优越性。仿真结果表明,该算法在收敛性、网络能耗和网络时延等方面都有较大改善,平均收敛时间为4.11s,检测精度为100%,具有一定的实用性。这项研究为智能灯光控制系统的发展提供了一定的参考。