[發(fā)明專利]一種基于神經(jīng)節(jié)分化的增量式目標(biāo)識別系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201710055128.1
• 申請日: 2017-01-24
• 公開（公告）號: CN106919980B
• 公開（公告）日: 2020-02-07
• 發(fā)明（設(shè)計(jì)）人: 王元慶;胡晶晶;王冉;詹伶俐
• 申請（專利權(quán)）人: 南京大學(xué)
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06K9/62
• 代理公司: 32249 南京瑞弘專利商標(biāo)事務(wù)所(普通合伙)
• 代理人: 陳建和

1.一種基于神經(jīng)節(jié)分化的增量式目標(biāo)識別系統(tǒng)，其特征在于，由低隱藏層、神經(jīng)節(jié)層、高隱藏層和分類器構(gòu)成，神經(jīng)節(jié)層位于低隱藏層和高隱藏層之間；神經(jīng)節(jié)層的神經(jīng)節(jié)提取樣本特征規(guī)律，通過神經(jīng)節(jié)的激活和分化，在高隱藏層形成對應(yīng)的獨(dú)立的特征集，形成對樣本的特征記憶；高隱藏層的特征集的數(shù)量可變，特征集的數(shù)量與神經(jīng)層中分化的神經(jīng)節(jié)數(shù)量相對應(yīng)；新增神經(jīng)節(jié)能對新樣本形成新的記憶，自適應(yīng)地更新高隱藏層的特征集，實(shí)現(xiàn)增量式的目標(biāo)識別；

所述的神經(jīng)節(jié)是指用于表征一組分布規(guī)律相似的樣本的神經(jīng)網(wǎng)絡(luò)結(jié)點(diǎn)，當(dāng)輸入樣本特征參數(shù)大于激活閾值時(shí)，神經(jīng)節(jié)被激活，該神經(jīng)節(jié)在高隱藏層形成獨(dú)立的特征集；被激活的神經(jīng)節(jié)的活性小于閾值時(shí)，該神經(jīng)節(jié)將凋亡，不在高隱藏層形成特征集；特征不同的樣本激活不同的神經(jīng)節(jié)，并新增神經(jīng)節(jié)，自適應(yīng)地更新高隱藏層的特征集；

神經(jīng)節(jié)的激活是指樣本的分布狀態(tài)符合神經(jīng)節(jié)的內(nèi)在特征，參與神經(jīng)節(jié)對應(yīng)的特征集的訓(xùn)練；所述的分化是指自適應(yīng)新增神經(jīng)節(jié)的過程，若干樣本融入神經(jīng)節(jié)，增加了該神經(jīng)節(jié)的活性；

神經(jīng)節(jié)的凋亡是指在一定的范圍內(nèi)沒有新的樣本激活該神經(jīng)節(jié)，該樣本的相對活性下降，在神經(jīng)節(jié)層被去除；神經(jīng)節(jié)被激活不一定分化，也可能會(huì)凋亡；

所述神經(jīng)節(jié)層以壓縮編碼后的特征圖數(shù)據(jù)代替原始數(shù)據(jù)為輸入：

在數(shù)據(jù)集上訓(xùn)練若干層低隱藏層以獲取局部濾波器，并將通用局部特征作用于樣本，編碼得到每個(gè)樣本的特征圖，輸入神經(jīng)節(jié)層；記低隱藏層共計(jì)L層，參數(shù)分別為W₁、W₂、…W_L，記預(yù)處理后的可操作數(shù)據(jù)為V，則V經(jīng)由第一隱藏層W₁編碼后得到H₁，H₁通過空間池化得到pH₁,pH₁經(jīng)由第二隱藏層W₂編碼后得到H₂，直至得到pH_L作為神經(jīng)節(jié)層的輸入數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)節(jié)分化的增量式目標(biāo)識別系統(tǒng)，其特征在于，確定神經(jīng)節(jié)個(gè)數(shù)的方法如下步驟：

記神經(jīng)節(jié)G_e表征一組分布規(guī)律相似的樣本集，其中下標(biāo)e∈[1,2,…，|G|]，|G|表示神經(jīng)節(jié)個(gè)數(shù)；計(jì)算每個(gè)樣本點(diǎn)的顯著度γ_i，其中i∈[1,2,…，|V|]，|V|表示樣本個(gè)數(shù)，并按升序排序，尋找顯著度遠(yuǎn)高于其他樣本點(diǎn)的邊界值τ，顯著度高于邊界值τ的樣本點(diǎn)為神經(jīng)節(jié)點(diǎn)，并記神經(jīng)節(jié)的個(gè)數(shù)為N。

3.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)節(jié)分化的增量式目標(biāo)識別系統(tǒng)，其特征在于，所述神經(jīng)節(jié)層活動(dòng)具體包括：

提取樣本特征圖分布規(guī)律，使輸入樣本刺激不同神經(jīng)節(jié)并分別處理；如果新樣本激活某任意已知神經(jīng)節(jié)，則僅更新該已知神經(jīng)節(jié)參數(shù)，而不需要更新所有網(wǎng)絡(luò)參數(shù)；如果是噪聲，則新樣本在神經(jīng)節(jié)層被標(biāo)記為噪點(diǎn)而不會(huì)進(jìn)入任何神經(jīng)節(jié)，以保護(hù)已有網(wǎng)絡(luò)；如果屬于未知神經(jīng)節(jié)，則分化新神經(jīng)節(jié)并使該樣本參與該神經(jīng)節(jié)對應(yīng)的特征集的訓(xùn)練。

4.根據(jù)權(quán)利要求3所述的一種基于神經(jīng)節(jié)分化的增量式目標(biāo)識別系統(tǒng)，其特征在于，判斷樣本點(diǎn)是否激活已知神經(jīng)節(jié)的方法包括如下步驟：

記L_g表示神經(jīng)節(jié)g的標(biāo)號,g∈[G₁,G₂,…,G_N]，N為神經(jīng)節(jié)個(gè)數(shù)；如果存在至少一個(gè)神經(jīng)節(jié)g，使得當(dāng)前樣本點(diǎn)v到它的距離小于截?cái)嗑嚯xd_c，則樣本點(diǎn)v屬于已知神經(jīng)節(jié)，且神經(jīng)節(jié)標(biāo)簽L_v為:

其中運(yùn)算符表示使函數(shù)f(x)取得最小值時(shí)自變量x的取值，d_vg表示樣本點(diǎn)v與神經(jīng)節(jié)g之間的距離，d_c為截?cái)嗑嚯x。

5.根據(jù)權(quán)利要求3所述的一種基于神經(jīng)節(jié)分化的增量式目標(biāo)識別系統(tǒng)，其特征在于，判斷樣本點(diǎn)是否為噪聲的方法包括如下步驟：

如果當(dāng)前樣本點(diǎn)到任何已知神經(jīng)節(jié)中心點(diǎn)的距離均大于截?cái)嗑嚯xd_c，則判斷當(dāng)前樣本點(diǎn)為噪點(diǎn)。