-
题名基于微信平台的智能浇花系统设计
被引量：7
- 1
-
-
作者
雷文礼
张鑫
包佳伟
贾琨
-
机构
西北工业大学电子信息学院
延安大学陕西省能源大数据智能处理省市共建重点实验室
延安大学附属医院
-
出处
《现代电子技术》
2022年第11期73-76,共4页
-
基金
国家自然科学基金项目(61661049)
陕西省能源大数据智能处理省市共建重点实验室开放基金(IPBED11,IPBED1)
+3 种基金
延安大学博士科研启动项目(YDBK2018⁃39)
延安大学研究生教育创新计划项目(YCX2021070)
延安大学疫情防控应急科研项目(ydfk007,ydfk062)
延安大学研究生“疫情防控和经济社会发展”专项研究项目(YCX2022075,YCX2022079)。
-
文摘
基于微信平台,采用Arduino单片机、ESP8266⁃01模块、DHT11温湿度传感器以及YL⁃69土壤湿度传感器设计智能浇花系统,完成了微信小程序的开发以及硬件电路的搭建。该系统拥有自动浇水和远程浇水两种模式,自动浇水模式会根据预先设定的阈值自动调节植物的生长环境,远程浇水模式下,人们可以通过发送特定的消息进行远程控制,两种模式协调工作,为植物的正常生长保驾护航。用户可以通过微信小程序实时查看花卉的生长环境,增添了养花的乐趣。该设计简单、可靠,易于实施,大大提高了它的便利性。同时,微信平台用户的不断增加为本设计提供了广阔的市场。
-
关键词
智能浇花系统
微信平台
系统设计
小程序开发
硬件电路
自动浇水模式
远程浇水模式
-
Keywords
intelligent flower watering system
WeChat platform
system design
applet development
hardware circuit
automatic watering mode
remote watering mode
-
分类号
TN02-34
[电子电信—物理电子学]
TP272
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于WiFi技术的火灾报警监测系统设计
被引量：15
- 2
-
-
作者
雷文礼
张鑫
雷洋
贾琨
-
机构
西北工业大学电子信息学院
延安大学陕西省能源大数据智能处理省市共建重点实验室
延安大学附属医院
-
出处
《现代电子技术》
2022年第9期93-97,共5页
-
基金
国家自然科学基金项目(61661049)
陕西省能源大数据智能处理省市共建重点实验室开放基金(IPBED11,IPBED1)
+3 种基金
延安大学博士科研启动项目(YDBK2018⁃39)
延安大学研究生教育创新计划项目(YCX2021070)
延安大学疫情防控应急科研项目(ydfk007,ydfk062)
延安大学研究生“疫情防控和经济社会发展”专项研究项目(YCX2022075,YCX2022079)。
-
文摘
火灾给人民的生命和财产安全带来极大的威胁,其造成的各方面损失无法估量,对生态平衡造成的破坏几乎不可逆转,因此,各个国家都投入大量的人力、财力,试图通过先进的技术方法防止大范围火灾的发生。文中设计了一种基于51单片机并结合手机APP实时监控的火灾报警监测系统,以51单片机为主控,利用温度传感器和烟雾传感器准确检测场所内的实时环境并将数据通过WiFi模块传输到终端进行监测;各环境参数值大于等于预先设定的报警数值时会进行声光报警,提醒场所人员和监测人员采取紧急应对措施。该系统注重在中小型生活场所中的可推广性,安装方便、操作简单且价格低廉,为中小型场所生活民众的安全提供了保障,并为相关火灾报警监测系统设计提供了参考。
-
关键词
火灾报警监测系统
51单片机
WiFi模块
温度传感器
烟雾传感器
环境参数
-
Keywords
fire alarm monitoring system
51 SCM
WiFi module
temperature sensor
smoke sensor
environment parameter
-
分类号
TN709-34
[电子电信—电路与系统]
TN99
[电子电信—信号与信息处理]
-
-
题名融合多层次结构信息的深度属性二分网络表示学习
被引量：2
- 3
-
-
作者
李婷婷
吕少卿
赵雪莉
任新成
-
机构
西安邮电大学通信与信息工程学院
西安邮电大学陕西省信息通信网络及安全重点实验室
延安大学陕西省能源大数据智能处理省市共建重点实验室
-
出处
《计算机应用研究》
CSCD
北大核心
2021年第11期3316-3321,共6页
-
基金
陕西省能源大数据智能处理省市共建重点实验室开放基金项目(IPBED10)
陕西省工业领域一般项目(2020GY-081)
+1 种基金
陕西省重点研发计划项目(2018ZDXM-GY-041)
陕西省教育厅科研计划项目(17JK0703)。
-
文摘
网络表示学习旨在将网络中的节点转换到低维向量空间,并保持网络固有属性。现有方法大多针对普通网络,忽略了属性二分网络的特殊性及网络的高度非线性特性等。针对上述问题,首先引入一个扩展权重矩阵融合二分网络显式和携带属性信息的隐式结构;接着提出一种基于深度自编码器的属性二分网络表示学习模型,以捕捉网络的高度非线性特性;通过深度自编码器重构二阶邻近度以保持全局网络结构,同时该编码器利用节点一阶邻近度作为监督信息来保持局部网络结构;最后进行联合优化。将该模型在Yelp、Douban Book、Douban Movie和MovieLens四个数据集上进行推荐任务,结果显示该模型的F 1@10、MAP@10、MRR@10和NDGG@10指标在四个数据集上的平均值相较最新基准方法(ABNE)分别提高4.29%、5.63%、6.26%、4.21%。
-
关键词
属性二分网络
网络嵌入
高度非线性
深度学习
-
Keywords
attributed bipartite network
network embedding
highly non-linear
deep learning
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
