數(shù)據(jù)融合的神經(jīng)計算方法.pdf

1、本文在對神經(jīng)計算在多傳感器數(shù)據(jù)融合算法的基礎(chǔ)上進(jìn)行了整理、歸納,并進(jìn)一步深入研究,將其應(yīng)用與人類思維模型的構(gòu)造,主要研究內(nèi)容和取得的成果如下:(1)實用性地分析、歸納、總結(jié)了數(shù)據(jù)融合、人工神經(jīng)網(wǎng)絡(luò)以及人工神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合的系統(tǒng)理論和方法.(2)在神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)理論中介紹了神經(jīng)網(wǎng)絡(luò)的基本概念、發(fā)展過程和應(yīng)用;分析了網(wǎng)絡(luò)的基本工作原理以及神經(jīng)網(wǎng)絡(luò)與模式識別的關(guān)系,定性地論證了神經(jīng)網(wǎng)絡(luò)融合識別的基本機(jī)理.(3)研究可用于數(shù)據(jù)融合的模塊化神經(jīng)網(wǎng)

2、絡(luò)與模糊理論相結(jié)合.模塊化神經(jīng)網(wǎng)絡(luò)具有單一神經(jīng)網(wǎng)絡(luò)無法比擬的優(yōu)勢,其不足之處又可以通過模糊理論的引入得以彌補(bǔ).使用模糊推理系統(tǒng)處理系統(tǒng)輸入可以大大減少神經(jīng)網(wǎng)絡(luò)模塊化帶來的系統(tǒng)復(fù)雜度.(4)模糊神經(jīng)網(wǎng)絡(luò)在融合識別中的應(yīng)用.根據(jù)多源數(shù)據(jù)的特征具有高維數(shù)的特點和BP網(wǎng)絡(luò)在解決此類問題中的缺陷,研究了CPN網(wǎng)絡(luò)學(xué)習(xí)算法的幾種改進(jìn)方法,提出了模糊隱層節(jié)點動態(tài)調(diào)整的網(wǎng)絡(luò)學(xué)習(xí)方式;模糊網(wǎng)絡(luò)中傳感器的管理也在這里進(jìn)行了討論.(5)在模塊化神經(jīng)網(wǎng)絡(luò)和模糊