基於感知進化神經網絡的傳感信道可擴展系統及其方法

2023-10-17 14:20:44

基於感知進化神經網絡的傳感信道可擴展系統及其方法
【專利摘要】一種基於感知進化神經網絡的傳感信道可擴展系統及其方法，包括數據採集系統，所述的數據採集系統同控制系統相連接，所述的控制系統中帶有基於感知進化神經網絡的數據感知接收模塊。並結合其方法可有效避免現有技術中的無法對數據採集的通道進行升級或者擴展，應用非常有限並且不具備智能化的採集功能的缺陷。
【專利說明】基於感知進化神經網絡的傳感信道可擴展系統及其方法

【技術領域】
[0001]本發明屬於數據感知接收的【技術領域】，具體涉及一種基於感知進化神經網絡的傳感信道可擴展系統及其方法。

【背景技術】
[0002]目前的圖像、視頻還有一些的通信信號通過數據採集系統傳輸到控制系統中，這樣的通信信號數據的數據採集方式只是保持其原始信號數據的本來面目，而無法對數據採集的通道進行升級或者擴展，應用非常有限並且不具備智能化的採集功能。


【發明內容】

[0003]本發明的目的提供一種基於感知進化神經網絡的傳感信道可擴展系統及其方法，包括數據採集系統，所述的數據採集系統同控制系統相連接，所述的控制系統中帶有基於感知進化神經網絡的數據感知接收模塊。並結合其方法可有效避免現有技術中的無法對數據採集的通道進行升級或者擴展，應用非常有限並且不具備智能化的採集功能的缺陷。
[0004]為了克服現有技術中的不足，本發明提供了一種基於感知進化神經網絡的傳感信道可擴展系統及其方法的解決方案，具體如下:
[0005]一種基於感知進化神經網絡的傳感信道可擴展系統，包括數據採集系統1，所述的數據採集系統I同控制系統2相連接，所述的控制系統2中帶有基於感知進化神經網絡的數據感知接收模塊3。
[0006]所述的控制系統2根據原始的神經網絡的原有的η個感知神經元，經過一段時間的感知後，新增m個新的感知神經元出現的條件下，在控制系統2的存儲區域內設置對應於原有的η個感知神經元的原始的低維空間，所述的原始的低維空間為S1 = Rn，而在控制系統2的存儲區域內設置對應於m個新的感知神經元的新的高維空間，所述的新的高維空間為Sh = Rn+m，而通過感知和壓縮後得到的原型存儲在集合P中，用Pi表示P中第i個原型，所述的集合P也是在控制系統2的存儲區域內設置的一個存儲空間，η和m為自然數，Rn表示η維的實數向量空間，Rn+m表示n+m維的實數向量空間。
[0007]所述的一種基於感知進化神經網絡的傳感信道可擴展系統的方法，步驟如下:
[0008]步驟1:首先數據採集系統把採集來的圖像或者視頻這樣的信號樣本發送到控制系統2中，然後控制系統2啟動基於感知進化神經網絡的傳感信道可擴展系統模塊3先把最先採集到的兩個信號樣本xdPx2分別構造出各自對應的第一η維原型P1和第二η維原型P2,第一 η維原型P1和第二 η維原型P2被存儲在集合P中，另外基於感知進化神經網絡的傳感信道可擴展系統模塊3把發送來的圖像或者視頻這樣的每一個信號樣本構造成信號向量，所述的第一 η 維原型 P1 = (χι,ι, Xi,2,...，Χι，η)，第二 η 維原型 P2 = (χ2；1, χ2，2,...，χ2，η),如果在最先採集到的兩個信號樣本之後來的信號樣本為η維信號向量，則所述的信號向量的形式為Xj = (xJ;!, Xj-2,...，Xj-n) e S1，執行基於感知進化神經網絡的傳感信道可擴展系統的方法的第一階段，所述的第一階段從步驟8開始執行。如果出現了 m個新的感知神經元，則所述的信號向量的形式為Xj = (xJ；1, xj；2,...，Xj- η,...，Xj- n+m) e Sh, Xj表示第j個信號樣本的信號向量，j是自然數，X11表示第一個感知神經元對第j個信號樣本的一維向量的輸入數據，Xj,2表示第二個感知神經元對第j個信號樣本的一維向量的輸入數據，表示第η個感知神經元對第j個信號樣本的一維向量的輸入數據，Xj,n+ffl表示第n+m個感知神經元對第j個信號樣本的一維向量的輸入數據，Sh表示所採集到的信號樣本對應的信號向量共同組成的向量空間，h、l均為自然數，然後執行步驟2到步驟7的操作來實現第二階段，第二階段執行後完成基於感知進化神經網絡的傳感信道可擴展系統的方法；
[0009]步驟2:獲得信號樣本Xj= (xJ；!, Xj,2，...，XJ；n,...，Xj-n+m) e Sh。對於每一個Pi e P,如果Pi e S1，即Pi在空間&中，憑藉Pi和輸入的信號樣本Xj的前η維屬性計算歐氏距離，所述的η維屬性即為S1的屬性。如果Pi e Sh,即Pi在空間Sh中，憑藉Pi和輸入的信號樣本\的(n+m)維屬性計算歐氏距離，所述的(n+m)維屬性即為Sh的屬性，由公式⑴獲得S1中的獲勝原型

【權利要求】
1.一種基於感知進化神經網絡的傳感信道可擴展系統，其特徵在於包括數據採集系統，所述的數據採集系統同控制系統相連接，所述的控制系統中帶有基於感知進化神經網絡的數據感知接收模塊。
2.根據權利要求1所述的基於感知進化神經網絡的傳感信道可擴展系統，其特徵在於所述的控制系統根據原始的神經網絡的原有的η個感知神經元，經過一段時間的感知後，新增m個新的感知神經元出現的條件下，在控制系統的存儲區域內設置對應於原有的η個感知神經元的原始的低維空間，所述的原始的低維空間為S1 = Rn，而在控制系統的存儲區域內設置對應於m個新的感知神經元的新的高維空間，所述的新的高維空間為Sh = Rn+m，而通過感知和壓縮後得到的原型存儲在集合P中，用Pi表示P中第i個原型，所述的集合P也是在控制系統的存儲區域內設置的一個存儲空間，η和m為自然數，Rn表示η維的實數向量空間，Rn+m表示n+m維的實數向量空間。
3.根據權利要求所述的一種基於感知進化神經網絡的傳感信道可擴展系統的方法，步驟如下: 步驟1:首先數據採集系統把採集來的圖像或者視頻這樣的信號樣本發送到控制系統中，然後控制系統啟動基於感知進化神經網絡的傳感信道可擴展系統模塊先把最先採集到的兩個信號樣本X1和X2分別構造出各自對應的第一 η維原型P1和第二 η維原型P2,第一 η維原型P1和第二 η維原型P2被存儲在集合P中，另外基於感知進化神經網絡的傳感信道可擴展系統模塊把發送來的圖像或者視頻這樣的每一個信號樣本構造成信號向量，所述的第一 η 維原型 P1 = (x1；1, X1,2，..., X1,η),第二 η 維原型 P2 = (x2；1, x2，2,..., χ2，η),如果在最先採集到的兩個信號樣本之後來的信號樣本為η維信號向量，則所述的信號向量的形式為Xj =(xJ;!, Xj-2,...，Xj-n) e S1，執行基於感知進化神經網絡的傳感信道可擴展系統的方法的第一階段，所述的第一階段從步驟8開始執行。如果出現了 m個新的感知神經元，則所述的信號向量的形式為Xj = (xJ;i, Xj, 2,...，Xj, η....，Xj, n+m) E Sh, Xj表示第j個信號樣本的信號向量，j是自然數，Xy表示第一個感知神經元對第j個信號樣本的一維向量的輸入數據，Xj, 2表示第二個感知神經元對第j個信號樣本的一維向量的輸入數據，Xln表示第η個感知神經元對第j個信號樣本的一維向量的輸入數據，表示第n+m個感知神經元對第j個信號樣本的一維向量的輸入數據，Sh表示所採集到的信號樣本對應的信號向量共同組成的向量空間，h、I均為自然數，然後執行步驟2到步驟7的操作來實現第二階段，第二階段執行後完成基於感知進化神經網絡的傳感信道可擴展系統的方法；
步驟 2:獲得信號樣本 Xj = (xJ；!, Xj-2,...，XJ；n,...，Xj，n+m) e Sh。對於每一個 Pi e P,如果Pi e S1，即Pi在空間&中，憑藉Pi和輸入的信號樣本Xj的前η維屬性計算歐氏距離，所述的η維屬性即為S1的屬性。如果Pi e Sh,即Pi在空間Sh中，憑藉Pi和輸入的信號樣本\的(n+m)維屬性計算歐氏距離，所述的(n+m)維屬性即為Sh的屬性，由公式⑴獲得S1中的獲勝原型
(I) 其中，j表示自然數，％代表Pi的權值向量，IHU表示在S1中的歐氏距離，再由公式
其中，Ph表示屬於Sh的原型的集合，即所有的屬於Sh的原型的集合，Il.Ik表示在Sh中的歐氏距離，以下簡I己Pr為P。，<和玲簡記為Pa和Pb ； 步驟3:如果dim (P。)= η,即P。e S1，然後檢查是否滿足如公式(4)所示的判別條件: \\Χ]-Ψρχ<τ1^ (4) 其中，:?表示P。在S1中的相似性閾值。如果公式(4)滿足，原型P。被激活，隨後做如公式(5)、公式(6)、公式(7)和公式(8)所表示的更新:
其中，Μ、表示原型P。在S1中的激活次數，WPc表示原型P。的權值向量，X1j轟示S1的向量屬性，即X1j = (xJ l,xj l,...,xj H)，Xlrf表示m個新的感知神經元的屬性，即_^=(_^+1,_^+2，...，『)，另外初始化1^ =1和0 =+?其中，表示原型P。在Sh中的激活次數,^表示P。在Sh中的相似性閾值。如果條件(4)不滿足，建立一個如公式(9)、公式(10)、公式(11)、公式(12)和公式(13)新的原型:
其中WnOT表示新建的原型的權值向量，ML,,':表示在S1中的新建的原型的激活次數，Mi1'表示在Sh中的新建的原型的激活次數，Ttu'表示在S1中的新建的原型的相似性閾值，Tlv表示在Sh中的新建的原型的相似性閾值。 如果dim(Pc)幸η,即P。已經是Sh中的原型，如果滿足公式(14)的條件: 丨丨氣-H0 (14) 其中》^表示原型Pa的權值向量，即\與匕相同，Pa被激活，相應的作如公式(15)和公式(16)的更新:
其中 < 表示原型Pa在S1中的激活次數，Μ\表示原型Pa在Sh中的激活次數。 如果公式(14)的條件不滿足，檢查是否滿足公式(17)的條件:
其中表示原型Pa的權值向量，表示Pa在Sh中的相似性閾值，》^6表示原型Pb的權值向量，^表示Pb在Sh中的相似性閾值。如果公式(17)的條件被滿足，對Pa進行如公式(18)、公式(19)、公式(20)和公式(21)下的更新:
其中，表示原型匕在&中的權值向量，Pfz表示原型匕在新增的m個感知神經元的權值向量；如果公式(17)的條件不滿足，則利用公式(9)、公式(10)、公式(11)、公式(12)和公式(13)建立新的原型； 步驟4:如果條件(17)的條件被滿足，並且在原型Pa和原型Pb之間不存在連接，那麼建立Pa和Pb之間的連接，並置& = O，所述表示原型Pa和原型Pb之間的連接的年齡變量，所述的年齡變量表示連接的連接壽命的度量。如果匕和Pb之間的連接已經存在，只要置也化^?=0。如果一個原型Pi被提升到高維空間或者權重向量被更新，就如公式(22)對Pi和P」之間的年齡變量進行更新:
其中 ~ 表示 Pi 的相連的原型的集合。如果一個連接的年齡變量大於預定的閾值Agemax，該連接就被刪除； 步驟5:如果一個原型沒有鄰居，那麼該原型的相似性閾值定義如公式(23)所示:
如果一個原型存在鄰居，那麼該原型的相似性閾值定義如公式(24)所示: TkPi=m^\\WP1-WF H1-，k = l,h (24)每當輸入一個新信號樣本\時，按照公式(23)和公式(24)更新Pa，Pb和P。的相似性閾值； 步驟6:每當λ個樣本信號被步驟1-步驟5處理後，原型裁剪被執行，而在m個新增的感知神經元出現之前就存在的原型不屬於裁剪的目標，在m個感知神經元出現之後新增的原型屬於裁剪的目標，把這些新增的原型組織成集合Q，首先按照公式(24)計算所有^4.的均值Mlmm t
其中Ph表示屬於空間Sh的原型，IPhI表示集合Ph的元素個數，表示原型Pi的在Sh中的激活次數。對於每個原型Qi e Q，如果如公式(25)
的條件被滿足，原型Qi將被刪除，其中I表示Qi的鄰居數，λ為自然數，c為預定義的參數，取值範圍[O，I]； 步驟7:當所有的原型都被映射到Sh以後，將參數Mg和進行如公式(27)所述的合併，得到合併後的激活次數: Mp +M1p)/2 ，Pi^P (27) 把公式(20)和公式(21)所述的權值更新公式變為公式(28)的更新公式: Wpa=WpHHMp^ixj-Wp) (28) 公式(9)、公式(10)、公式(11)、公式(12)和公式(13)簡化為公式(29)、公式(30)和公式(31)所示:
」 new yvJ
(29) mL = I (30) T1L=+^ (31) 然後參數0將被刪去。對於後續信號樣本Xj = (X11, Xj, 2)Xj,Xj,n+ffl) e Sh的處理可參照基於感知進化神經網絡的傳感信道可擴展系統的方法的第一階段。 步驟8:由公式(32)獲得S1中的獲勝原 Pl ^-WPt ||s； (32) 其中，j表示自然數，％代表Pi的權值向量，IHU表示在&中的歐氏距離。如果滿足公式(33)的條件: IhUU = O (33) 其中^^表示原型匕的權值向量，即\與匕相同，Pa被激活，相應的作如公式(34)的更新: K =K +1 (34) 其中表示原型匕在S1中的激活次數，如果公式(33)的條件不滿足，檢查是否滿足公式(35)的條件:Il-wPa ||5;<r；a &&I1-wPb ||5;<Γ；6 (35)其中Fpi表示原型Pa的權值向量Γ)表示Pa在S1中的相似性閾值，R表示原型匕的權值向量，^表示Pb在S1中的相似性閾值。如果公式(35)的條件被滿足，對Pa進行如公式(36)、公式(37)下的更新:
MlPa =MlPa +1 (36)
W1Pa =WlPa +(IfM1pJxixj ~Κα) (37)其中，表示原型Pb在S1中的權值向量。如果公式(35)的條件不滿足，利用如公式(38)、公式(39)和公式(40)
W = X ■
」 new yvJ
(38) ML -1 (39) TL=+^ (40) 建立新的原型； 步驟9:如果條件(35)的條件被滿足，並且在原型Pa和原型Pb之間不存在連接，那麼建立Pa和Pb之間的連接，並置=0，所述的示原型Pa和原型Pb之間的年齡變量，所述的年齡變量表示連接的連接壽命的度量；如果PJPPb之間的連接已經存在，只要置⑴=0，如果一個原型Pi的權重向量被更新，就如公式(41)對Pi和P」之間的年齡變量進行更新， y^Sem,Pj) = y^Sem,Pj) +1Pj e NPj (41)其中，NPj:表不 Pi的相連的原型的集合，如果一個連接的年齡變量大於預定的閾值Agemax,該連接就被刪除；步驟10:如果一個原型沒有鄰居，那麼該原型的相似性閾值定義如公式(42)所示: 0=激丨丨％-(42) 如果一個原型存在鄰居，那麼該原型的相似性閾值定義如公式(43)所示: Ti=mm\\W,-Wfj\\Si (43)每當輸入一個新信號樣本\時，按照公式(42)和公式(43)更新Pa和Pb的相似性閾值； 步驟11:每當λ個樣本信號被步驟8-步驟10處理後，原型裁剪被執行，首先按照公式(44)計算所有的均值 = (44) 對於每個原型Pi e P，如果如公式(45)\NPi\=Q&8cM1Pi<M,mmn (45) 或者公式(46)\ΝΡι\=\驗MXan (46) 的條件被滿足，原型Pi將被刪除，其中I ^ I表示Pi的鄰居數，λ為自然數，C為預定義的參數，取值範圍[O，I]。
【文檔編號】G06F19/00GK104200095SQ201410432884
【公開日】2014年12月10日 申請日期:2014年8月28日 優先權日:2014年8月28日
【發明者】申富饒, 邢佑路, 趙金熙 申請人:南京大學