基于云計算的神經(jīng)網(wǎng)絡算法在物聯(lián)網(wǎng)中的應用研究

王軍濤

【摘 要】物聯(lián)網(wǎng)具有將世界各地具有傳感能力的事物聯(lián)結(jié)到一起的能力，其主要依靠內(nèi)部基站對大量數(shù)據(jù)進行處理。論文主要展開基于云計算的神經(jīng)網(wǎng)絡算法在物聯(lián)網(wǎng)中應用的研究，首先對物聯(lián)網(wǎng)以及神經(jīng)網(wǎng)絡算法加以概述，而后對云計算神經(jīng)網(wǎng)絡算法在物聯(lián)網(wǎng)中的具體應用情況展開了探索。

【Abstract】The internet of things has the ability to connect things with sensing ability around the world， and it mainly relies on the internal base station to deal with a large amount of data. This paper mainly discusses the application of neural network algorithm in the internet of things based on cloud computing， first of all， the internet of things and neural network algorithm are summarized， and then the application of cloud computing neural network in the internet of things is explored.

【關鍵詞】云計算；神經(jīng)網(wǎng)絡算法；物聯(lián)網(wǎng)

【Keywords】cloud computing； neural network algorithm； internet of things

【中圖分類號】TN91 【文獻標志碼】A 【文章編號】1673-1069（2017）11-0148-02

1 引言

物聯(lián)網(wǎng)這一概念比較新穎，其主要依托于無線通信技術獲得了迅速發(fā)展，與人們生產(chǎn)和生活存在密切關聯(lián)，其能夠利用地址模式將多種多樣的物體和事物串聯(lián)在一起，實現(xiàn)其相互間的交流、通訊和協(xié)作，從而達到共同目標。物聯(lián)網(wǎng)可以視為互聯(lián)網(wǎng)在發(fā)展當中的拓展，其在發(fā)展和運行當中必須要突破環(huán)境以及資源在數(shù)據(jù)信息處理方面的限制，因此必須依靠更加先進的數(shù)據(jù)采集、數(shù)據(jù)傳輸、數(shù)據(jù)處理方法減緩大量數(shù)據(jù)處理的壓力。基于云計算的神經(jīng)網(wǎng)絡算法在一定程度上可以實現(xiàn)物聯(lián)網(wǎng)中更加細致的數(shù)據(jù)分類與處理，因此，本文分析并研究基于云計算的神經(jīng)網(wǎng)絡算法在物聯(lián)網(wǎng)中的應用不僅可以為該方面的研究提供更加有力的理論依據(jù)，亦可以為物聯(lián)網(wǎng)發(fā)展更加科學地應用基于云計算的神經(jīng)網(wǎng)絡算法提供積極的實踐指導。

2 物聯(lián)網(wǎng)及神經(jīng)網(wǎng)絡算法概述

2.1 物聯(lián)網(wǎng)內(nèi)涵

進入到知識爆炸的信息化、數(shù)字化時代后，通信技術水平的提高使得人們之間的交流更加便捷，根據(jù)互聯(lián)網(wǎng)延伸而來的物聯(lián)網(wǎng)技術更能夠?qū)崿F(xiàn)人與物、物與物之間的互聯(lián)。從技術角度而言，物聯(lián)網(wǎng)亦為傳感網(wǎng)，其實際上將感知作為核心實現(xiàn)物與物之間的互聯(lián)，目前其已經(jīng)成為與計算機技術、互聯(lián)網(wǎng)與通信網(wǎng)絡技術齊名的第三次信息技術革命。物聯(lián)網(wǎng)發(fā)展中，其對無線傳感技術、網(wǎng)絡通信技術、云計算技術等關鍵技術均進行了合理應用，能夠有機地結(jié)合信息獲取、處理與傳輸?shù)冗^程，為解放人類生產(chǎn)力做出了積極貢獻，未來發(fā)展前景十分廣闊。

2.2 基于云計算的神經(jīng)網(wǎng)絡算法

云計算屬于物聯(lián)網(wǎng)系統(tǒng)中比較關鍵的技術，最重要的在于云計算的方法、存儲、交互等均具有技術進步性，且屬于網(wǎng)絡化的變革，能夠在物聯(lián)網(wǎng)體系中充分發(fā)揮自身龐大的數(shù)據(jù)信息處理能力，物聯(lián)網(wǎng)體系本身又存在著比較龐大的數(shù)據(jù)處理需求[1]。基于云計算的神經(jīng)網(wǎng)絡算法可以克服傳統(tǒng)神經(jīng)網(wǎng)絡算法在數(shù)據(jù)收斂速度方面存在的缺陷，提高收斂速度，并且可以順利應對大規(guī)模數(shù)據(jù)處理與復發(fā)度較高的網(wǎng)絡拓撲結(jié)果，由此可見，基于云計算的神經(jīng)網(wǎng)絡算法更適合物聯(lián)網(wǎng)體系發(fā)展的需求

3 基于云計算的神經(jīng)網(wǎng)絡算法在物聯(lián)網(wǎng)中的應用

3.1 物聯(lián)網(wǎng)中的云計算平臺

云計算為物聯(lián)網(wǎng)發(fā)展的基石，其與物聯(lián)網(wǎng)的聯(lián)合在當下受到了社會各界的廣泛關注，云計算與物聯(lián)網(wǎng)之間可以說是相互依存與相互促進的關系。單純的云計算技術并不能夠完全滿足物聯(lián)網(wǎng)在發(fā)展當中產(chǎn)生的實時感應、自主協(xié)同、高度并發(fā)和涌現(xiàn)效應等“后端”需求，因此需要在云計算技術上進一步融合神經(jīng)網(wǎng)絡算法，從而實現(xiàn)大量高并發(fā)物聯(lián)網(wǎng)事件的自動關聯(lián)與智能協(xié)作[2]。為了保證基于云計算的神經(jīng)網(wǎng)絡算法在物聯(lián)網(wǎng)中充分發(fā)揮作用，現(xiàn)必須要做好后端信息處理整體架構(gòu)的優(yōu)化設計，促使更多智能化處理技術與方法與云計算平臺要求完全相符，以此提升云計算平臺神經(jīng)網(wǎng)絡算法的數(shù)據(jù)處理效率。

3.2 物聯(lián)網(wǎng)對基于云計算的神經(jīng)網(wǎng)絡算法的應用

3.2.1 搭建應用環(huán)境

基于云計算的神經(jīng)網(wǎng)絡算法在物聯(lián)網(wǎng)中的應用需要做好云計算硬件環(huán)境與軟件環(huán)境的搭建。其中，硬件條件包括計算機，目前的配置最好的為2GB內(nèi)存、300GB硬盤、英特爾酷睿雙核2.1GHz處理器。此外，軟件環(huán)境爭取選用Red Hat Enterprise Linux 5操作系統(tǒng)。此外，云計算應用環(huán)境的集群部署亦包括IP地址的設置，其中最終分配地址段為192.168.1.1-192.168.1.6，此外進行用戶目錄的設置時保證每一個結(jié)點的目錄均具有相同性，且用戶目錄結(jié)構(gòu)均可以通過解壓存放至相對應文件夾中，在云計算應用環(huán)境中亦需要設置好配置文件，即相關信息應該可以保存在masters、slaves、hadoop_env.hadoop-site xml三個用戶目錄下的文件夾中[3]。

3.2.2 程序開發(fā)環(huán)境

物聯(lián)網(wǎng)對基于云計算的神經(jīng)網(wǎng)絡算法的應用在搭建好云計算應用環(huán)境后，需要進行基于云計算的神經(jīng)網(wǎng)絡算法程序開發(fā)環(huán)境設置，該算法主要依據(jù)java語言實現(xiàn)，在已經(jīng)完成的云計算應用環(huán)境中找到用戶目錄安裝路徑contrib/eclipse-plugin路徑后選擇java插件，直接將其復制到eclipse目錄下的plugin路徑中可以成功添加插件，而后啟動該插件便可以成功打開MapReduce視圖進入到開發(fā)環(huán)境當中[4]。此時只要點擊項目當中的src便可以進行類的添加，用戶按照要求填寫代碼便可以實現(xiàn)基于云計算神經(jīng)網(wǎng)絡的應用，從而可以標準地輸入或者輸出數(shù)據(jù)信息[5]。該基于云計算的神經(jīng)網(wǎng)絡算法能夠?qū)ava、C#、Python等功能語言進行有效應用，極大程度地進行了經(jīng)典算法的移植，有效減少了編程人員的工作量，提高了數(shù)據(jù)計算與處理的成果和效率。

3.2.3 應用結(jié)果分析

將基于云計算的神經(jīng)網(wǎng)絡算法在物聯(lián)網(wǎng)中的應用運行實踐設置為Ta，單機運行測得時間設置為Ts，則加速比為Ts/Ta，結(jié)點數(shù)設置為6的情況下加速比最大系數(shù)為6。基于云計算神經(jīng)網(wǎng)絡算法在4個結(jié)點串聯(lián)的情況下加速比為3.08，在6個結(jié)點串聯(lián)的情況下加速比則達到了4.13，此時雖然與系數(shù)6仍舊存在一定差距，但是其運行時間即數(shù)據(jù)收斂速度已經(jīng)得到了較大程度的提升，能夠?qū)崿F(xiàn)結(jié)點之間快速的通信、同步開銷與協(xié)調(diào)控制。由此可見，基于云計算的神經(jīng)網(wǎng)絡算法在物聯(lián)網(wǎng)中加以應用可以進行更復雜、維度更高的數(shù)據(jù)處理，應用效果比較明顯。

4 結(jié)論

綜上所述，物聯(lián)網(wǎng)與人類生活、工作、健康，以及社會諸多領域、諸多方面密切相關，因此引起了世界范圍的重點關注，對全球社會進步、經(jīng)濟發(fā)展均產(chǎn)生了極為重要的影響。至此，物聯(lián)網(wǎng)中高維、復雜數(shù)據(jù)的處理成為各國學者重點研究的課題。基于云計算的神經(jīng)網(wǎng)絡算法能夠?qū)⒃朴嬎闾攸c和神經(jīng)網(wǎng)絡算法特點相互融合，通過自身的泛化能力對物聯(lián)網(wǎng)中不確定類型的、復雜的、高維的數(shù)據(jù)加以分類處理，尤其能夠明顯加快物聯(lián)網(wǎng)數(shù)據(jù)的收斂速度，做好物聯(lián)網(wǎng)中的數(shù)據(jù)整理與分類，具有良好的神經(jīng)網(wǎng)絡性能，極大程度地節(jié)省了編程人員工作時間，提高了其工作效率，有利于推動物聯(lián)網(wǎng)的進一步發(fā)展與壯大，為無線通信時代人們的生活與社會的發(fā)展做出更加積極的貢獻。

【參考文獻】

【1】冉鴻雁.灰色神經(jīng)網(wǎng)絡算法中的基于物聯(lián)網(wǎng)關鍵技術預測模型應用研究[J].電子測試，2013，10（05）：156.

【2】葛莉.人工神經(jīng)網(wǎng)絡非線性背景下物聯(lián)網(wǎng)技術社區(qū)時序預測的應用研究[J].激光雜志，2013，34（06）：53-54.

【3】侯義斌，王進.物聯(lián)網(wǎng)下人工神經(jīng)網(wǎng)絡前饋LS-SVM研究[J].電腦知識與技術，2017，13（10）：145-146.

【4】楊曉萍，孫繼瑋，牛超，等.數(shù)據(jù)融合在物聯(lián)網(wǎng)火災監(jiān)測系統(tǒng)中的應用研究[J].電子測量技術，2016，39（03）：100-105.

【5】王珂，翟婷婷.人工智能及計算智能在物聯(lián)網(wǎng)方面的應用[J].數(shù)字技術與應用，2014，11（08）：93-94.endprint