申请/专利权人：山东大学

申请日：2019-12-26

公开（公告）日：2023-06-16

公开（公告）号：CN111062494B

主分类号：G06N20/00

分类号：G06N20/00;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2023.06.16#授权;2020.05.19#实质审查的生效;2020.04.24#公开

摘要：本发明公开了一种具有终身学习能力的机器人自组织‑反思认知发育及系统，包括：构建基于单层增量式自组织神经网络的SORCN认知发育模型；当输入的数据为所述SORCN的已知类别时，识别匹配的节点并输出相应的类别；当输入的数据为所述SORCN的未知类别时，创建一个新的节点来学习这个知识；同时，将所述新节点记录在一个缓存区中；当缓冲区满时，所述SORCN进行一次反思，执行聚类算法，产生的聚类结果用于更新SORCN。本发明方法不仅能够利用其泛化能力来缓解存储问题，还能够利用其高效的竞争学习策略来降低计算量。此外，本方法在反思过程中能够进行类内拓扑构建，为节点相似度阈值的调整提供可靠的指导。

主权项：1.一种具有终身学习能力的机器人自组织-反思认知发育方法，其特征在于，包括：构建基于单层增量式自组织神经网络的SORCN认知发育模型；所述SORCN开始是一个空网络，在学习期间随着流型数据的输入逐渐发育节点；当输入的数据为所述SORCN的已知类别时，识别匹配的节点并输出相应的类别；当输入的数据为所述SORCN的未知类别时，创建一个新的节点来学习这个知识；同时，将所述新节点记录在一个缓冲区中；当缓冲区满时，所述SORCN进行一次反思，执行聚类算法，产生的聚类结果用于更新SORCN；所述SORCN是通过增量式学习和定期反思实现机器人的终身认知发育，融合了增量式自组织神经网络SOINN和一种改进的CFS聚类算法；所述SORCN在发育学习阶段，假设SORCN已经经历了t-1轮反思；在当前学习时刻，SORCN有m个已知子图，且每一个子图有l个中心；网络中剩余的未知类别节点同时也被记录在缓冲区B中；对于输入的数据，采用如下方法匹配节点：计算新输入与所有聚类中心之间的距离；按照距离远近对子图进行排序；SORCN选择距离最近的子图并从中找出与输入最近的最佳匹配节点和次佳匹配节点；判断所述输入与最佳匹配节点和次佳匹配节点之间的距离是否满足设定条件，如果是，则激活最佳匹配节点，更新缓冲区、最佳匹配节点及其邻节点的权重和相似度阈值；否则，SORCN寻找下一个距离最近的子图，按照上述方法寻找匹配节点；如果没有一个子图符合条件，SORCN从缓冲区中找两个匹配节点；如果最佳匹配点仍不能被激活，则输入就被认为是一个新类；网络为其创建一个新节点并存到缓冲区中；如果缓冲区已满，则进入反思阶段；反思过程也会在SORCN的每个类别中执行类内拓扑重构，用于调节每个节点的相似度阈值；反思过程结束后，缓冲区被清空，所述SORCN开始一个新的学习迭代；在反思过程中，SORCN分析所学知识之间的内部关系，利用改进的CFS聚类算法产生类别概念；所述改进的CFS聚类算法包括：聚类过程、融合过程和分割过程；所述聚类过程中，缓冲区所有节点的γ列表按照降序排列为节点按照的顺序测试聚类中心约束条件直到出现一个节点不满足条件为止；满足条件的点被选做聚类中心，剩余节点按照CFS中的方式被分配到最近的聚类中；将缓冲区中的节点聚成p个类别。

全文数据：

权利要求：

百度查询： 山东大学 具有终身学习能力的机器人自组织-反思认知发育方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD