申请/专利权人：浙江交通职业技术学院

申请日：2023-06-20

公开（公告）日：2024-04-16

公开（公告）号：CN117892793A

主分类号：G06N3/0895

分类号：G06N3/0895;G06N3/0499;G06N3/042

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：一种基于生长式长时记忆的机器人发育式自主学习算法，包括SOINN算法和自主学习算法，所述SOINN算法基于SOINN网络；采用以上方法后，本发明具有如下优点：本发明通过SOINN算法和自主学习算法，解决无监督在线学习问题，自组织增量学习神经网络，使得网络能在线处理，终生学习一般分布的数据，且无需节点数，网络大小，类别数等先验知识，抗噪能力强，同时在逐步随机学习到新类别，识别率随学习过程的上升速度较高，同时主动学习能力和识别率高。

主权项：1.一种基于生长式长时记忆的机器人发育式自主学习算法，其特征在于，包括SOINN算法和自主学习算法，所述SOINN算法基于SOINN网络；所述SOINN算法步骤如下：步骤1：初始化节点集合Anode＝{c1,c2}，其中c1,c2节点的权值向量从输入中随机选取；初始化边的集合Cedge＝Φ，步骤2：输入新模式步骤3：由式 如果ξ和l1或l2的距离比阈值和大，则新输入模式ξ是一个新节点，添加新节点，转到步骤2输入下一新模式，即或则Anode＝Anode∪rnew且步骤4：如果l1和l2之间没有连接它们的边，则创建此连接l1和l2的边，并加入集合Cedge，Cedge＝Cedge∪l1,l2，将l1和l2连接边的年龄初始化为0，步骤5：更新所有与l1相连的边的年龄； 步骤6：将输入信号与胜者节点的欧几里德距离加入局部积累误差 步骤7：更新节点获胜次数 步骤8：更新胜者节点及与其直接拓扑近邻节点的权值； 其中ε1t是胜者节点权值学习率，ε2t是胜者近邻节点权值学习率；步骤9：移除年龄大于阈值agedead的边，即如果i,j∈Cedge，则Cedge＝Cedge\{i,j}；步骤10：如果输入信号数是设定参数β的整数倍，类内插入节点更新聚类，并移除低概率冗余噪声节点；步骤11：如果满足迭代次数阈值LT，输出聚类数目和聚类结果；步骤12：返回步骤2继续在线无监督学习；所述自主学习算法包括知识网络和Q值网络，通过工作记忆控制和协调更新，所述自主学习算法其步骤如下：步骤1：初始化Q学习参数：值函数Qst,at，并选定学习率α，折扣因子γ，以及内部动机和外部动机奖励函数的权重ζ,η；初始化节点集合Pnode＝{p1,p2}，Qnode＝{q1,q2}，其中p1,p2,q1,q2节点的权值向量从输入中随机选取；初始化边的集合Cedge＝Φ，Dedge＝Φ，步骤2：输入当前样本xt，当前动作Q值为步骤3：当前自适应子空间基为Ut，将当前输入样本投影至感知子空间，得样本的感知映射输入ξ＝UtTxt；步骤4：由式 步骤5：增维更新增量PCA感知映射子空间，转步骤2输入新样本；步骤6：判断阈值，如果deuclidean_min＞θdistance，则通过在线PCA算法计算新子空间，舍去其最后一个分量，使dimUt+1＝dimUt，转入步骤7；如果deuclidean_min＜θdistance，直接执行步骤8；步骤7：更新感知知识网络：如果和之间没有连接它们的边，则创建此连接和的边，并加入集合Cedge，更新胜者节点及与其直接拓扑近邻节点的权值； 其中ε1pt是胜者节点权值学习率，ε2pt是胜者近邻节点权值学习率，移除年龄大于阈值agedead_p的边，即如果kp,lp∈Cedge，则Cedge＝Cedge\{kp,lp}；步骤8：在感知知识Q值网络中获取与计算所有可采取动作的Q值；步骤9：根据Q值和Boltzmann规则选择采取的动作； 步骤10：执行动作，计算外部奖励rex；步骤11：计算视觉陌生度内部动机rin＝nv＝||ξ-Wwinner||euclidean；步骤12：计算最优动作； 步骤13：Q值迭代更新； 记TD误差为： 步骤14：更新感知知识Q值网络：如果和之间没有连接它们的边，则创建此连接和的边，并加入集合Dedge，更新胜者节点及与其直接拓扑近邻节点的权值； 其中ε1qt是胜者节点权值学习率，ε2qt是胜者近邻节点权值学习率；移除年龄大于阈值agedead_q的边，即如果kq,lq∈Dedge，则Dedge＝Dedge\{kq,lq}；步骤15：更新当前状态t＝t+1，s＝st+1；步骤16：当前时间步学习结束，返回步骤2输入新样本进行下一时间步学习。

全文数据：

权利要求：

百度查询： 浙江交通职业技术学院 基于生长式长时记忆的机器人发育式自主学习算法

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