[发明专利]一种基于神经节分化的增量式目标识别系统

摘要

一种基于神经节分化的增量式目标识别系统，由低隐藏层、神经节层、高隐藏层和分类器构成，神经节层位于低隐藏层和高隐藏层之间；神经节层的神经节提取样本特征规律，通过神经节的激活和分化，在高隐藏层形成对应的独立的特征集，形成对样本的特征记忆；高隐藏层的特征集的数量可变；新增神经节对新样本形成新的记忆，自适应地更新高隐藏层的特征集，实现增量式的目标识别；所述的神经节是指用于表征一组分布规律相似的样本的神经网络结点，当输入样本特征参数大于激活阈值时，神经节被激活，该神经节在高隐藏层形成独立的特征集；被激活的神经节的活性小于阈值时，该神经节将凋亡；特征不同的样本激活不同的神经节，并新增神经节。

主权项

1.一种基于神经节分化的增量式目标识别系统，其特征在于，由低隐藏层、神经节层、高隐藏层和分类器构成，神经节层位于低隐藏层和高隐藏层之间；神经节层的神经节提取样本特征规律，通过神经节的激活和分化，在高隐藏层形成对应的独立的特征集，形成对样本的特征记忆；高隐藏层的特征集的数量可变，特征集的数量与神经层中分化的神经节数量相对应；新增神经节能对新样本形成新的记忆，自适应地更新高隐藏层的特征集，实现增量式的目标识别；/n所述的神经节是指用于表征一组分布规律相似的样本的神经网络结点，当输入样本特征参数大于激活阈值时，神经节被激活，该神经节在高隐藏层形成独立的特征集；被激活的神经节的活性小于阈值时，该神经节将凋亡，不在高隐藏层形成特征集；特征不同的样本激活不同的神经节，并新增神经节，自适应地更新高隐藏层的特征集；/n神经节的激活是指样本的分布状态符合神经节的内在特征，参与神经节对应的特征集的训练；所述的分化是指自适应新增神经节的过程，若干样本融入神经节，增加了该神经节的活性；/n神经节的凋亡是指在一定的范围内没有新的样本激活该神经节，该样本的相对活性下降，在神经节层被去除；神经节被激活不一定分化，也可能会凋亡；/n所述神经节层以压缩编码后的特征图数据代替原始数据为输入：/n在数据集上训练若干层低隐藏层以获取局部滤波器，并将通用局部特征作用于样本，编码得到每个样本的特征图，输入神经节层；记低隐藏层共计L层，参数分别为W