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?jī)?nèi)部基站對(duì)大量數(shù)據(jù)進(jìn)行處理。論文主要展開基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)算法在物聯(lián)網(wǎng)中應(yīng)用的研究，首先對(duì)物聯(lián)網(wǎng)以及神經(jīng)網(wǎng)絡(luò)算法加以概述，而后對(duì)云計(jì)算神經(jīng)網(wǎng)絡(luò)算法在物聯(lián)網(wǎng)中的具體應(yīng)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(guān)鍵詞】云計(jì)算；神經(jīng)網(wǎng)絡(luò)算法；物聯(lián)網(wǎng)

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

【中圖分類號(hào)】TN91 【文獻(xiàn)標(biāo)志碼】A 【文章編號(hào)】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(wú)線通信技術(shù)獲得了迅速發(fā)展，與人們生產(chǎn)和生活存在密切關(guān)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(shí)現(xiàn)其相互間的交流、通訊和協(xié)作，從而達(dá)到共同目標(biāo)。物聯(lián)網(wǎng)可以視為互聯(lián)網(wǎng)在發(fā)展當(dāng)中的拓展，其在發(fā)展和運(yùn)行當(dāng)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(jìn)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?；谠朴?jì)算的神經(jīng)網(wǎng)絡(luò)算法在一定程度上可以實(shí)現(xiàn)物聯(lián)網(wǎng)中更加細(xì)致的數(shù)據(jù)分類與處理，因此，本文分析并研究基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)算法在物聯(lián)網(wǎng)中的應(yīng)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(xué)地應(yīng)用基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)算法提供積極的實(shí)踐指導(dǎo)。

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

2.1 物聯(lián)網(wǎng)內(nèi)涵

進(jìn)入到知識(shí)爆炸的信息化、數(shù)字化時(shí)代后，通信技術(shù)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(lái)的物聯(lián)網(wǎng)技術(shù)更能夠?qū)崿F(xiàn)人與物、物與物之間的互聯(lián)。從技術(shù)角度而言，物聯(lián)網(wǎng)亦為傳感網(wǎng)，其實(shí)際上將感知作為核心實(shí)現(xiàn)物與物之間的互聯(lián)，目前其已經(jīng)成為與計(jì)算機(jī)技術(shù)、互聯(lián)網(wǎng)與通信網(wǎng)絡(luò)技術(shù)齊名的第三次信息技術(shù)革命。物聯(lián)網(wǎng)發(fā)展中，其對(duì)無(wú)線傳感技術(shù)、網(wǎng)絡(luò)通信技術(shù)、云計(jì)算技術(shù)等關(guān)鍵技術(shù)均進(jìn)行了合理應(yīng)用，能夠有機(jī)地結(jié)合信息獲取、處理與傳輸?shù)冗^(guò)程，為解放人類生產(chǎn)力做出了積極貢獻(xiàn)，未來(lái)發(fā)展前景十分廣闊。

2.2 基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)算法

云計(jì)算屬于物聯(lián)網(wǎng)系統(tǒng)中比較關(guān)鍵的技術(shù)，最重要的在于云計(jì)算的方法、存儲(chǔ)、交互等均具有技術(shù)進(jìn)步性，且屬于網(wǎng)絡(luò)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]?；谠朴?jì)算的神經(jīng)網(wǎng)絡(luò)算法可以克服傳統(tǒng)神經(jīng)網(wǎng)絡(luò)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(yīng)對(duì)大規(guī)模數(shù)據(jù)處理與復(fù)發(fā)度較高的網(wǎng)絡(luò)拓?fù)浣Y(jié)果，由此可見，基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)算法更適合物聯(lián)網(wǎng)體系發(fā)展的需求

3 基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)算法在物聯(lián)網(wǎng)中的應(yīng)用

3.1 物聯(lián)網(wǎng)中的云計(jì)算平臺(tái)

云計(jì)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(dāng)下受到了社會(huì)各界的廣泛關(guān)注，云計(jì)算與物聯(lián)網(wǎng)之間可以說(shuō)是相互依存與相互促進(jìn)的關(guān)系。單純的云計(jì)算技術(shù)并不能夠完全滿足物聯(lián)網(wǎng)在發(fā)展當(dāng)中產(chǎn)生的實(shí)時(shí)感應(yīng)、自主協(xié)同、高度并發(fā)和涌現(xiàn)效應(yīng)等“后端”需求，因此需要在云計(jì)算技術(shù)上進(jìn)一步融合神經(jīng)網(wǎng)絡(luò)算法，從而實(shí)現(xiàn)大量高并發(fā)物聯(lián)網(wǎng)事件的自動(dòng)關(guān)聯(lián)與智能協(xié)作[2]。為了保證基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)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(shè)計(jì)，促使更多智能化處理技術(shù)與方法與云計(jì)算平臺(tái)要求完全相符，以此提升云計(jì)算平臺(tái)神經(jīng)網(wǎng)絡(luò)算法的數(shù)據(jù)處理效率。

3.2 物聯(lián)網(wǎng)對(duì)基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)算法的應(yīng)用

3.2.1 搭建應(yīng)用環(huán)境

基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)算法在物聯(lián)網(wǎng)中的應(yīng)用需要做好云計(jì)算硬件環(huán)境與軟件環(huán)境的搭建。其中，硬件條件包括計(jì)算機(jī)，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(zhēng)取選用Red Hat Enterprise Linux 5操作系統(tǒng)。此外，云計(jì)算應(yīng)用環(huán)境的集群部署亦包括IP地址的設(shè)置，其中最終分配地址段為192.168.1.1-192.168.1.6，此外進(jìn)行用戶目錄的設(shè)置時(shí)保證每一個(gè)結(jié)點(diǎn)的目錄均具有相同性，且用戶目錄結(jié)構(gòu)均可以通過(guò)解壓存放至相對(duì)應(yīng)文件夾中，在云計(jì)算應(yīng)用環(huán)境中亦需要設(shè)置好配置文件，即相關(guān)信息應(yīng)該可以保存在masters、slaves、hadoop_env.hadoop-site xml三個(gè)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(duì)基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)算法的應(yīng)用在搭建好云計(jì)算應(yīng)用環(huán)境后，需要進(jìn)行基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)算法程序開發(fā)環(huán)境設(shè)置，該算法主要依據(jù)java語(yǔ)言實(shí)現(xiàn)，在已經(jīng)完成的云計(jì)算應(yīng)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(fù)制到eclipse目錄下的plugin路徑中可以成功添加插件，而后啟動(dòng)該插件便可以成功打開MapReduce視圖進(jìn)入到開發(fā)環(huán)境當(dāng)中[4]。此時(shí)只要點(diǎn)擊項(xiàng)目當(dāng)中的src便可以進(jìn)行類的添加，用戶按照要求填寫代碼便可以實(shí)現(xiàn)基于云計(jì)算神經(jīng)網(wǎng)絡(luò)的應(yīng)用，從而可以標(biāo)準(zhǔn)地輸入或者輸出數(shù)據(jù)信息[5]。該基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)算法能夠?qū)ava、C#、Python等功能語(yǔ)言進(jìn)行有效應(yīng)用，極大程度地進(jìn)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(jì)算與處理的成果和效率。

3.2.3 應(yīng)用結(jié)果分析

將基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)算法在物聯(lián)網(wǎng)中的應(yīng)用運(yùn)行實(shí)踐設(shè)置為Ta，單機(jī)運(yùn)行測(cè)得時(shí)間設(shè)置為Ts，則加速比為Ts/Ta，結(jié)點(diǎn)數(shù)設(shè)置為6的情況下加速比最大系數(shù)為6?；谠朴?jì)算神經(jīng)網(wǎng)絡(luò)算法在4個(gè)結(jié)點(diǎn)串聯(lián)的情況下加速比為3.08，在6個(gè)結(jié)點(diǎn)串聯(lián)的情況下加速比則達(dá)到了4.13，此時(shí)雖然與系數(shù)6仍舊存在一定差距，但是其運(yùn)行時(shí)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(diǎn)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(jì)算的神經(jīng)網(wǎng)絡(luò)算法在物聯(lián)網(wǎng)中加以應(yīng)用可以進(jìn)行更復(fù)雜、維度更高的數(shù)據(jù)處理，應(yīng)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(huì)諸多領(lǐng)域、諸多方面密切相關(guān)，因此引起了世界范圍的重點(diǎn)關(guān)注，對(duì)全球社會(huì)進(jìn)步、經(jīng)濟(jì)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(fù)雜數(shù)據(jù)的處理成為各國(guó)學(xué)者重點(diǎn)研究的課題?；谠朴?jì)算的神經(jīng)網(wǎng)絡(luò)算法能夠?qū)⒃朴?jì)算特點(diǎn)和神經(jīng)網(wǎng)絡(luò)算法特點(diǎn)相互融合，通過(guò)自身的泛化能力對(duì)物聯(lián)網(wǎng)中不確定類型的、復(fù)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(luò)性能，極大程度地節(jié)省了編程人員工作時(shí)間，提高了其工作效率，有利于推動(dòng)物聯(lián)網(wǎng)的進(jìn)一步發(fā)展與壯大，為無(wú)線通信時(shí)代人們的生活與社會(huì)的發(fā)展做出更加積極的貢獻(xiàn)。

【參考文獻(xiàn)】

【1】冉鴻雁.灰色神經(jīng)網(wǎng)絡(luò)算法中的基于物聯(lián)網(wǎng)關(guān)鍵技術(shù)預(yù)測(cè)模型應(yīng)用研究[J].電子測(cè)試，2013，10（05）：156.

【2】葛莉.人工神經(jīng)網(wǎng)絡(luò)非線性背景下物聯(lián)網(wǎng)技術(shù)社區(qū)時(shí)序預(yù)測(cè)的應(yīng)用研究[J].激光雜志，2013，34（06）：53-54.

【3】侯義斌，王進(jìn).物聯(lián)網(wǎng)下人工神經(jīng)網(wǎng)絡(luò)前饋LS-SVM研究[J].電腦知識(shí)與技術(shù)，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(zāi)監(jiān)測(cè)系統(tǒng)中的應(yīng)用研究[J].電子測(cè)量技術(shù)，2016，39（03）：100-105.

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