基于生长式长时记忆的机器人发育式自主学习算法制造技术

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，本发明专利技术具有如下优点：本发明专利技术通过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。

【技术实现步骤摘要】

本专利技术涉及数据结构与算法，具体是指一种基于生长式长时记忆的机器人发育式自主学习算法。

技术介绍

1、随着人工智能的发展，现如今，智能机器人被应用于各个领域。现有的机器人往往都是根据设计之初的模型框架，根据使用者的指令做出相应的互动。为了使智能机器人在使用过程中与用户更加具有亲和力，更新智能机器人采用的原有的分类模型是必不可少的。本领域技术人员实现分类模型的更新，往往需要统计大量的用户使用数据以及场景数据，并将这些数据进行分类筛选后通过深度的学习框架进行数据训练，以此实现分类模型的更新，但是逐步随机学习到新类别，识别率随学习过程的上升速度较慢，同时主动学习能力和识别率低。

技术实现思路

1、本专利技术要解决上述技术问题，提供一种保持了高效的主动学习能力的前提下也提高了识别率的基于生长式长时记忆的机器人发育式自主学习算法。

2、为解决上述技术问题，本专利技术提供的技术方案为：

3、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算法基于本文档来自技高网...

【技术保护点】

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；

2.根据权利要求1所述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：所述SOINN网络采用三层神经网络，所述三层神经网络包括输入层、第一竞争层和第二竞争层。

3.根据权利要求2所述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：所述输入层用来接收网络输入数据或模式，所述第一竞争层用来生成输入模式的拓扑结构，当第一竞争层学习结束时，通过神经元节点来表示输入模式的密度分布，对于第二竞争层学习，采用第一竞争层学...

【技术特征摘要】

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；

2.根据权利要求1所述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：所述soinn网络采用三层神经网络，所述三层神经网络包括输入层、第一竞争层和第二竞争层。

3.根据权利要求2所述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：所述输入层用来接收网络输入数据或模式，所述第一竞争层用来生成输入模式的拓扑结构，当第一竞争层学习结束时，通过神经元节点来表示输入模式的密度分布，对于第二竞争层学习，采用第一竞争层学习结束时，表示的密度分布节点作为输入，当第二竞争层学习结束时，输出聚类和各聚类的聚类中心。

4.根据权利要求1所述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：所述anode为网络节点集合，所述...

【专利技术属性】
技术研发人员：瞿心昱，窦慧丽，
申请(专利权)人：浙江交通职业技术学院，
类型：发明
国别省市：