基于自组织增量学习神经网络的信息融合技术

• 作者: 时晓峰 申富饶 贺红卫
• 来源期刊: 兵工自动化
• 学科: 工学
• 关键词: 智能机器人 信息融合 自组织增量学习神经网络 联想记忆
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 机器人技术
• 页码范围: 59-65
• 页数: 7页
• 分类号: TP183
• 字数: 5647字
• 语种: 中文
• DOI: 10.7690/bgzdh.2015.05.016

摘要

针对传统神经网络在实际信息融合过程中存在的一些缺陷,提出一种基于自组织增量学习神经网络(self-organizing incremental neural network,SOINN)的信息融合方法.对不同类型传感器接收到的异构数据,使用增量式正交分量分析(incremental orthogonal component analysis,IOCA)方法进行数据自适应降维和特征提取,将提取出的不同类型特征输入到SOINN中,根据不同数据类型生成相应的神经元连接区域,建立神经区域间的联想记忆,从而实现在数据层、特征层以及决策层 3 个层面上的信息融合.实验结果表明:该方法能够实现对机器人传感器采集到的多源异构数据进行自适应降维和自组织学习,形成机器人的决策判断和行为指令.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贺红卫		7	22	3.0	4.0
2	申富饶	南京大学计算机科学与技术系软件新技术国家重点实验室	2	36	2.0	2.0
3	时晓峰	南京大学计算机科学与技术系软件新技术国家重点实验室	1	6	1.0	1.0