Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

Updated: Jul 2, 2026

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

991

使用粒子群优化 (PSO) 提高可见光定位精度,用于深度学习,在基于接收信号强度 (RSS) 的卷积神经网络 (CNN) 中更新超参数.

Chun-Ming Chang1, Yuan-Zeng Lin1, Chi-Wai Chow1

  • 1Department of Photonics & Graduate Institute of Electro-Optical Engineering, College of Electrical and Computer Engineering, National Yang Ming Chiao Tung University, Hsinchu 30010, Taiwan.

Sensors (Basel, Switzerland)
|December 11, 2025
PubMed
概括

相关概念视频

Super-resolution Fluorescence Microscopy01:37

Super-resolution Fluorescence Microscopy

Super-resolution fluorescence microscopy (SRFM) provides a better resolution than conventional fluorescence microscopy by reducing the point spread function (PSF). PSF is the light intensity distribution from a point that causes it to appear blurred. Due to PSF, each fluorescing point appears bigger than its actual size, and it is the PSF interference of nearby fluorophores that causes the blurred image. Various approaches to achieving higher resolution through SRFM have recently been developed.

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Silicon-photonics transmitter using ultra-wideband quantum-dot comb laser-diode towards 34.132 Tbit/s/fiber.

Optics express·2026
Same author

Adaptive optical beam tracking and alignment system with a wide field-of-view for optical wireless communication.

Optics express·2026
Same author

Utilization of Optical OFDM Modulation on Blue LED VLC Datacom Without Equalization for 4 m Wireless Link.

Micromachines·2024
Same author

Real-Time Indoor Visible Light Positioning (VLP) Using Long Short Term Memory Neural Network (LSTM-NN) with Principal Component Analysis (PCA).

Sensors (Basel, Switzerland)·2024
Same author

Design and Simulation of InGaN-Based Red Vertical-Cavity Surface-Emitting Lasers.

Micromachines·2024
Same author

Flexible Data Rate Allocation Using Non-Orthogonal Multiple Access (NOMA) in a Mode Division Multiplexing (MDM) Optical Power Splitter for System-on-Chip Networks.

Sensors (Basel, Switzerland)·2023

使用卷积神经网络 (CNN) 的粒子群优化 (PSO) 自动化超参数调整显著提高可见光定位 (VLP) 准确性. 这种方法在具有挑战性的,非理想的照明条件下提高了室内定位的可靠性.

科学领域:

  • 电气工程 电气工程
  • 计算机科学 计算机科学
  • 人工智能的人工智能

背景情况:

  • 可见光定位 (VLP) 提供了准确且具有成本效益的室内导航,但由于反射和缺乏光线的区域等环境因素,信号受损.
  • 来自LED灯具的光分布不均以及复杂的室内光通道特征挑战了VLP的准确性.
  • 机器学习 (ML),特别是卷积神经网络 (CNN),在解决这些挑战方面表现有前途,但它们的性能对超参数设置敏感.

研究的目的:

  • 为VLP应用程序开发一个用于优化CNN超参数的自动化系统.
  • 在非理想的照明条件下提高VLP系统的准确性,稳定性和可靠性.
  • 调查将接收信号强度 (RSS) 预处理和粒子集群优化 (PSO) 与VLP的CNN集成的有效性.

主要方法:

  • 开发了一个包含RSS信号预处理的VLP系统.
  • 实施了CNN模型,并与线性回归 (LR) 和人工神经网络 (ANN) 进行了不同高度平面 (200,225,250厘米) 的比较.
  • 粒子集群优化 (PSO) 用于CNN模型的自动超参数调整.

主要成果:

  • 采用预处理的CNN模型在200厘米接收机平面上将平均定位误差从9.83厘米减少到5.72厘米 (41.81%的改进).
关键词:
卷积神经网络 (CNN) 是一种神经网络.粒子群集优化 (PSO) 是一种收到的信号强度 (RSS)可见光定位 (VLP) 是指可见光的定位.

相关实验视频

Last Updated: Jul 2, 2026

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

991
  • 使用CNN+预处理+PSO进行进一步优化,将平均误差降至4.93厘米.
  • 与基线ML模型相比,拟议的综合方法在定位精度和模型稳定性方面取得了显著的改进.

    • 结论:

    • 通过PSO与CNN和RSS预处理集成的自动化超参数调整,大大提高了VLP的准确性和可靠性.
    • 该方法为智能建筑和物联网环境中的真实室内定位提供了可扩展和有效的解决方案.
    • 这些发现强调了自适应式ML技术的潜力,以克服基于光学无线通信的定位系统的局限性.