虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

kohonen

  • SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集

    SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集,有10万行源码,50个例程. 3D 数据, 3D 数据,地图集,原子符号,β函数的情节的旋转,校验扫描的图像, CAS 登记号码,图表,颜色选择, 常量和兑换率,轮廓绘制,化学结构,化学数据,化学公式,X分配,群聚,转换程序,曲线适合, 地理数据,基体,图解,目录,配给,矩阵标签, eigenvectors, F-分布, FFT( 快速傅里叶变换) 小圆点的决定因素的数据库, 先进先出,文件和磁盘进入,γ函数,地理地图集,地理地图,坡度填补, grep,同位素, kohonen 神经网络, KNN( k 最近邻) ,标签开动网络浏览程序,列举意见,地图,数学,矩阵,仪表展示, MLR( 多线性回归), 分子公式,神经网络,正规分布,数值的输入,数字标签,数字桌子编辑程序,元素周期表,极地的图解, PCA( 主成分分析),发展酒吧,配给,随便发电机,回归, RLE( 行程编码),数据的轮流的quantiles, 科学图表, scrollable 展示,清除,花键,棋盘式分照表,统计,溪,线矩阵,串处理技术,数据的表面情节, SVD( sigular 估价分解), t 分配,价电子,矢量,数据, VU 米的形象化

    标签: SDL Component suite for

    上传时间: 2016-07-15

    上传用户:wlcaption

  • 神经网络在智能机器人导航系统中的应用研究

    神经网络在智能机器人导航系统中的应用研究1神经网络在环境感知中的应 用 对环境 的感 知 ,环境模型 妁表示 是非常重要 的。未 知 环境中的障碍物的几何形状是不确定的,常用的表示方浩是 槽格法。如果用册格法表示范围较大的工作环境,在满足 精度要求 的情况下,必定要占用大量的内存,并且采用栅 格法进行路径规划,其计算量是相当大的。Kohon~n自组织 神经瞬络为机器人对未知环境的蒜知提供了一条途径。 Kohone~冲经网络是一十自组织神经网络,其学习的结 果能体现出输入样本的分布情况,从而对输入样本实现数 据压缩 。基于 网络 的这些特 性,可采 用K0h0n曲 神经元 的 权向量来表示 自由空间,其方法是在 自由空间中随机地选 取坐标点xltl【可由传感器获得】作为网络输入,神经嘲络通 过对大量的输八样本的学习,其神经元就会体现出一定的 分布形 式 学习过程如下:开 始时网络的权值随机地赋值 , 其后接下式进行学 习: , 、 Jm(,)+叫f)f,)一珥ff)) ∈N,(f) (,) VfeN.(f1 其 中M(f1:神经元 1在t时刻对 应的权值 ;a(∽ 谓整系 数 ; (『l网络的输八矢量;Ⅳ():学习的 I域。每个神经元能最 大限度 地表示一 定 的自由空间 。神经 元权 向量的最 小生成 树可以表示出自由空问的基本框架。网络学习的邻域 (,) 可 以动 态地 定义 成矩形 、多边 形 。神经 元数量 的选取取 决 于环境 的复杂度 ,如果神 经元 的数量 太少 .它们就 不能 覆 盖整十空间,结果会导致节点穿过障碍物区域 如果节点 妁数量太大 .节点就会表示更多的区域,也就得不到距障 碍物的最大距离。在这种情况下,节点是对整个 自由空间 的学 习,而不是 学习最 小框架空 间 。节 点的数 量可 以动态 地定义,在每个学习阶段的结柬.机器人会检查所有的路 径.如检铡刊路径上有障碍物 ,就意味着没有足够的节点 来 覆盖整 十 自由窑 间,需要增加 网络节点来 重新学 习 所 138一 以为了收敛于最小框架表示 ,应该采用较少的网络 节点升 始学习,逐步增加其数量。这种方法比较适台对拥挤的'E{= 境的学习,自由空间教小,就可用线段表示;若自由空问 较大,就需要由二维结构表示 。 采用kohonen~冲经阿络表示环境是一个新的方法。由 于网络的并行结构,可在较短的时间内进行大量的计算。并 且不需要了解障碍物的过细信息.如形状、位置等 通过 学习可用树结构表示自由空问的基本框架,起、终点问路 径 可利用树的遍 历技术报容易地被找到 在机器人对环境的感知的过程中,可采用人】:神经嘲 络技术对 多传 感器的信息进 行融台 。由于单个传感器仅能 提 供部分不 完全 的环境信息 ,因此只有秉 甩 多种传感器 才 能提高机器凡的感知能力。 2 神经 网络在局部路径规射中的应 用 局部路径 规删足称动吝避碰 规划 ,足以全局规荆为指 导 利用在线得到的局部环境信息,在尽可能短的时问内

    标签: 神经网络 智能机器人 导航

    上传时间: 2022-02-12

    上传用户:qingfengchizhu