一種基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù)的制作方法
【專利摘要】本發(fā)明特別涉及一種基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù)。該基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù)，首先通過(guò)攝像機(jī)獲取高清圖像，并均分為四個(gè)區(qū)，獲取分區(qū)的信息，在數(shù)據(jù)庫(kù)中通過(guò)改進(jìn)的算法進(jìn)行學(xué)習(xí)；通過(guò)傳感器判斷重心是否偏移，當(dāng)重心偏移與場(chǎng)景學(xué)習(xí)到的內(nèi)容和運(yùn)動(dòng)的方向一致時(shí)，預(yù)警系統(tǒng)計(jì)算摔倒的概率，并將摔倒的概率和應(yīng)急措施反饋給監(jiān)護(hù)者。該基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù)，在傳統(tǒng)BP算法的基礎(chǔ)上進(jìn)行了優(yōu)化函數(shù)，加入自動(dòng)分類校驗(yàn)技術(shù)，提取圖像大概的參數(shù)，提高了應(yīng)用的實(shí)時(shí)性；通過(guò)智能學(xué)習(xí)算法，根據(jù)環(huán)境因素進(jìn)行學(xué)習(xí)，快速給出摔倒幾率和需要監(jiān)護(hù)人采取的措施，能夠有效減小老年人摔倒的幾率。
【專利說(shuō)明】
一種基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù)
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及圖像內(nèi)容分析技術(shù)領(lǐng)域，特別涉及一種基于改進(jìn)的智能學(xué)習(xí)算法的老 年人防摔倒技術(shù)。
【背景技術(shù)】
[0002] 圖像內(nèi)容分析技術(shù)是將獲取到的實(shí)時(shí)圖像進(jìn)行分類，然后進(jìn)行模式識(shí)別。目前這 一技術(shù)的使用多在于考勤、門禁等設(shè)備上。在人臉識(shí)別方面，通過(guò)智能學(xué)習(xí)算法分析圖像關(guān) 鍵位置的數(shù)據(jù)從而判斷圖像的內(nèi)容反饋給用戶。
[0003] 目前比較先進(jìn)的人臉識(shí)別解決方案是基于主動(dòng)近紅外圖像的多光源人臉識(shí)別技 術(shù)。它可以克服光線變化的影響，已經(jīng)取得了卓越的識(shí)別性能，在精度、穩(wěn)定性和速度方面 的整體系統(tǒng)性能超過(guò)三維圖像人臉識(shí)別。這項(xiàng)技術(shù)在近兩三年發(fā)展迅速，使人臉識(shí)別技術(shù) 逐漸走向?qū)嵱没?br>[0004] 人臉與人體的其它生物特征（指紋、虹膜等)一樣與生倶來(lái)，它的唯一性和不易被 復(fù)制的良好特性為身份鑒別提供了必要的前提，與其它類型的生物識(shí)別比較人臉識(shí)別具有 如下特點(diǎn)：
[0005] 非強(qiáng)制性：用戶不需要專門配合人臉采集設(shè)備，幾乎可以在無(wú)意識(shí)的狀態(tài)下就可 獲取人臉圖像，這樣的取樣方式?jīng)]有"強(qiáng)制性"；
[0006] 非接觸性:用戶不需要和設(shè)備直接接觸就能獲取人臉圖像；
[0007] 老年人走路摔倒在社會(huì)倫理和法制方面都曾是一時(shí)的熱點(diǎn)，基于此，本發(fā)明提出 了一種基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù)。通過(guò)攝取老年人表情的實(shí)時(shí)圖像， 然后采取圖像的信息，通過(guò)分析圖像的內(nèi)容給出正確的判斷，方便了理解老年人需求的解 讀，從而為在老年人保護(hù)方面有了保證。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明為了彌補(bǔ)現(xiàn)有技術(shù)的缺陷，提供了一種簡(jiǎn)單高效的基于改進(jìn)的智能學(xué)習(xí)算 法的老年人防摔倒技術(shù)。
[0009] 本發(fā)明是通過(guò)如下技術(shù)方案實(shí)現(xiàn)的：
[0010] -種基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù)，其特征在于:在老人的鞋底 和膝蓋布置感應(yīng)器，用于實(shí)時(shí)感應(yīng)重心的移動(dòng)特點(diǎn)和偏移特性，并在改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)學(xué) 習(xí)算法的基礎(chǔ)上進(jìn)行;首先通過(guò)攝像機(jī)獲取高清圖像，并均分為四個(gè)區(qū)，獲取分區(qū)的信息， 在數(shù)據(jù)庫(kù)中通過(guò)改進(jìn)的算法進(jìn)行學(xué)習(xí)；結(jié)合經(jīng)驗(yàn)值判斷學(xué)習(xí)樣本是否收斂，若不收斂則進(jìn) 行自我診斷并重新獲取分區(qū)的信息，若收斂則通過(guò)傳感器判斷重心是否偏移，當(dāng)重心偏移 與場(chǎng)景學(xué)習(xí)到的內(nèi)容和運(yùn)動(dòng)的方向一致時(shí)，則表明老年人迅速移動(dòng)的可能性比較大，預(yù)警 系統(tǒng)計(jì)算摔倒的概率，并將摔倒的概率和應(yīng)急措施反饋給監(jiān)護(hù)者；當(dāng)重心偏移與場(chǎng)景學(xué)習(xí) 到的內(nèi)容和運(yùn)動(dòng)的方向不一致時(shí)，則繼續(xù)學(xué)習(xí)。
[0011]所述改進(jìn)的算法，是指根據(jù)攝像機(jī)獲取的高清圖像中的分區(qū)關(guān)鍵參數(shù)值以及相鄰 圖像之間的差值，進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)；通過(guò)設(shè)定權(quán)值將圖像中每四分之一的區(qū)域作信息作 為初始參數(shù)，權(quán)重根據(jù)路由隨機(jī)設(shè)置，根據(jù)設(shè)定的權(quán)值進(jìn)行學(xué)習(xí)，學(xué)習(xí)的目標(biāo)值為數(shù)據(jù)庫(kù)中 設(shè)定的標(biāo)準(zhǔn)值，在不斷的學(xué)習(xí)過(guò)程中建立數(shù)據(jù)源和優(yōu)化結(jié)果的標(biāo)準(zhǔn)關(guān)系;使之在輸入數(shù)據(jù) 和長(zhǎng)期優(yōu)化的經(jīng)驗(yàn)值的指導(dǎo)下快速判斷出圖像內(nèi)容類型并分析出所屬于的類別。
[0012] 所述改進(jìn)的算法還接入了過(guò)濾功能，當(dāng)發(fā)現(xiàn)數(shù)據(jù)錯(cuò)誤或者明顯誤差時(shí)啟動(dòng)，將不 會(huì)引起老年人興趣的圖像刪除。
[0013] 所述改進(jìn)的算法在經(jīng)過(guò)BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的基礎(chǔ)上進(jìn)行了改進(jìn)，修改了優(yōu)化函數(shù)f (x)，加入了動(dòng)向量，樣板是動(dòng)態(tài)的，但是需要多次學(xué)習(xí)之間的聯(lián)系，故引入了記憶保持值 cache，通過(guò)學(xué)習(xí)和設(shè)定的標(biāo)準(zhǔn)進(jìn)行比對(duì)，得出下一步的動(dòng)作;所述改進(jìn)的算法將每次學(xué)習(xí) 之前三次的結(jié)果作為記憶值加入到本次學(xué)習(xí)的優(yōu)化函數(shù)f(x)中，優(yōu)化函數(shù)f(x)和輸入函數(shù) Sj為所述改進(jìn)的算法的學(xué)習(xí)優(yōu)化工具；
[0014]所述優(yōu)化函數(shù)f(x)計(jì)算公式如下：
[0016] 其中，radom(x)為前N次的經(jīng)驗(yàn)值函數(shù)，c為記憶保持值；
[0017]輸入函數(shù)Sj計(jì)算公式如下： n
[0018] Sj 二 Wif bj + rmicl(xi) - WjX + hj -h rand{M) i-'i ,
[0019]其中，bj表示閾值，xi為輸入，^為權(quán)值，rand〇是平衡值函數(shù)。
[0020]本發(fā)明的有益效果是:該基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù)，在傳統(tǒng) BP算法的基礎(chǔ)上進(jìn)行了優(yōu)化函數(shù)，加入自動(dòng)分類校驗(yàn)技術(shù)，提取圖像大概的參數(shù)，提高了應(yīng) 用的實(shí)時(shí)性;通過(guò)智能學(xué)習(xí)算法，根據(jù)環(huán)境因素進(jìn)行學(xué)習(xí)，快速給出摔倒幾率和需要監(jiān)護(hù)人 采取的措施，能夠有效減小老年人摔倒的幾率。
【附圖說(shuō)明】
[0021]附圖1為本發(fā)明改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)原理原型示意圖。
[0022]附圖2為本發(fā)明改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法示意圖。
[0023] 附圖3為本發(fā)明改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒方法示意圖。
【具體實(shí)施方式】
[0024] 為了使本發(fā)明所要解決的技術(shù)問(wèn)題、技術(shù)方案及有益效果更加清楚明白，以下結(jié) 合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行詳細(xì)的說(shuō)明。應(yīng)當(dāng)說(shuō)明的是，此處所描述的具體實(shí)施例僅用 以解釋本發(fā)明，并不用于限定本發(fā)明。
[0025] 該基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù)，在老人的鞋底和膝蓋布置感應(yīng) 器，在鞋底有9個(gè)感應(yīng)器，膝蓋部位兩邊各有兩個(gè)感應(yīng)器，用于實(shí)時(shí)感應(yīng)重心的移動(dòng)特點(diǎn)和 偏移特性，并在改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的基礎(chǔ)上進(jìn)行;首先通過(guò)攝像機(jī)獲取高清圖像， 并均分為四個(gè)區(qū)，獲取分區(qū)的信息，在數(shù)據(jù)庫(kù)中通過(guò)改進(jìn)的算法進(jìn)行學(xué)習(xí)；結(jié)合經(jīng)驗(yàn)值判斷 學(xué)習(xí)樣本是否收斂，若不收斂則進(jìn)行自我診斷并重新獲取分區(qū)的信息，若收斂則通過(guò)傳感 器判斷重心是否偏移，當(dāng)重心偏移與場(chǎng)景學(xué)習(xí)到的內(nèi)容和運(yùn)動(dòng)的方向一致時(shí)，則表明老年 人迅速移動(dòng)的可能性比較大，預(yù)警系統(tǒng)計(jì)算摔倒的概率，并將摔倒的概率和應(yīng)急措施反饋 給監(jiān)護(hù)者;當(dāng)重心偏移與場(chǎng)景學(xué)習(xí)到的內(nèi)容和運(yùn)動(dòng)的方向不一致時(shí)，則繼續(xù)學(xué)習(xí)。
[0026]改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)原理原型如附圖1所示，本發(fā)明是在原型的基礎(chǔ)上進(jìn)行了權(quán)值 和目標(biāo)值的動(dòng)態(tài)改變，使得整個(gè)樣本都有了活性。在學(xué)習(xí)過(guò)程中不再是單純的迭代學(xué)習(xí)，而 是伴隨著記憶值進(jìn)行優(yōu)化，加入的隨機(jī)權(quán)值更貼近于現(xiàn)實(shí)。
[0027]原始的BP網(wǎng)并不是十分的完善，它學(xué)習(xí)收斂速度太慢，網(wǎng)絡(luò)的學(xué)習(xí)記憶具有不穩(wěn) 定性，即：當(dāng)給一個(gè)訓(xùn)練好的網(wǎng)提供新的學(xué)習(xí)記憶模式時(shí)，將使已有的連接權(quán)值被打亂，導(dǎo) 致已記憶的學(xué)習(xí)模式的信息的消失。在此基礎(chǔ)上對(duì)BP神經(jīng)網(wǎng)絡(luò)算法加以改造，引入動(dòng)量項(xiàng)， 加入記憶值和自我過(guò)濾技術(shù)。
[0028]學(xué)習(xí)樣本是不斷變化的，所以誤差E也是變化的，所以神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)是動(dòng)態(tài)的， 為了監(jiān)視每次優(yōu)化之間的聯(lián)系，還要加入記憶功能，
[0029]所述改進(jìn)的算法，是指根據(jù)攝像機(jī)獲取的高清圖像中的分區(qū)關(guān)鍵參數(shù)值以及相鄰 圖像之間的差值，進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)；通過(guò)設(shè)定權(quán)值將圖像中每四分之一的區(qū)域作信息作 為初始參數(shù)，權(quán)重根據(jù)路由隨機(jī)設(shè)置，根據(jù)設(shè)定的權(quán)值進(jìn)行學(xué)習(xí)，學(xué)習(xí)的目標(biāo)值為數(shù)據(jù)庫(kù)中 設(shè)定的標(biāo)準(zhǔn)值，在不斷的學(xué)習(xí)過(guò)程中建立數(shù)據(jù)源和優(yōu)化結(jié)果的標(biāo)準(zhǔn)關(guān)系;使之在輸入數(shù)據(jù) 和長(zhǎng)期優(yōu)化的經(jīng)驗(yàn)值的指導(dǎo)下快速判斷出圖像內(nèi)容類型并分析出所屬于的類別。
[0030] 分析圖像內(nèi)容是本發(fā)明的一個(gè)技術(shù)要求點(diǎn)，通過(guò)對(duì)比圖像的內(nèi)容可以將場(chǎng)景中的 圖像進(jìn)行模糊分類，比如撞擊類，或者自發(fā)類。
[0031] 計(jì)算公式：
[0032] R = G = B= (0.299R+0.587G+0.114B)/(0.299+0.587+0.117) =0.299R+0.587G+ 0.114B獲取每個(gè)圖像的像素灰度值之和，每個(gè)圖像取一個(gè)相同大小的區(qū)域，n張圖的情況 下，輸入樣本值就是4*n。
[0033] 圖像內(nèi)容分類的數(shù)據(jù)庫(kù)中存放著標(biāo)準(zhǔn)的圖像像素的相對(duì)值記錄，也就是一個(gè)老年 人按照分區(qū)的原理，通過(guò)學(xué)習(xí)每個(gè)環(huán)境中可以引起老年人興趣的內(nèi)容，劃分類別。所以在智 能學(xué)習(xí)的情況下需要將有限的數(shù)據(jù)記錄作為目標(biāo)學(xué)習(xí)值，數(shù)據(jù)庫(kù)的數(shù)據(jù)記錄不會(huì)很多，但 是要分類，本發(fā)明中學(xué)習(xí)算法根據(jù)分析出的圖像內(nèi)容類，進(jìn)行進(jìn)一步的學(xué)習(xí)來(lái)判斷結(jié)果。每 次運(yùn)行完都會(huì)有專門的參數(shù)來(lái)保存這次的學(xué)習(xí)的最優(yōu)值。
[0034]表1數(shù)據(jù)庫(kù)數(shù)據(jù)記錄
[0036] 通過(guò)圖像劃分場(chǎng)景中的事物的分類，建立一個(gè)基本的數(shù)據(jù)庫(kù)，該數(shù)據(jù)庫(kù)中的記錄 是根據(jù)學(xué)習(xí)算法初始學(xué)習(xí)的結(jié)果。比如老年人對(duì)前面的玩具比較感興趣，或者對(duì)前面的衛(wèi) 生工具感興趣系統(tǒng)會(huì)提前根據(jù)場(chǎng)景中的內(nèi)容進(jìn)行學(xué)習(xí)，通過(guò)改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法學(xué) 習(xí)，最終找到相似的數(shù)據(jù)記錄，將有可能引起老年人興趣的場(chǎng)景或者事物反饋回來(lái)。
[0037] 所述改進(jìn)的算法還接入了過(guò)濾功能，當(dāng)發(fā)現(xiàn)數(shù)據(jù)錯(cuò)誤或者明顯誤差時(shí)啟動(dòng)，將不 會(huì)引起老年人興趣的圖像刪除。過(guò)濾技術(shù)的添加使得離譜的數(shù)據(jù)樣本在學(xué)習(xí)很少次數(shù)以后 就淘汰了，將離譜的數(shù)據(jù)提前淘汰，比學(xué)習(xí) n次以后才發(fā)現(xiàn)數(shù)據(jù)不合法更加智能。
[0038] 所述改進(jìn)的算法在經(jīng)過(guò)BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的基礎(chǔ)上進(jìn)行了改進(jìn)，修改了優(yōu)化函數(shù)f (X)，加入了動(dòng)向量，樣板是動(dòng)態(tài)的，但是需要多次學(xué)習(xí)之間的聯(lián)系，故引入了記憶保持值 cache，通過(guò)學(xué)習(xí)和設(shè)定的標(biāo)準(zhǔn)進(jìn)行比對(duì)，得出下一步的動(dòng)作;所述改進(jìn)的算法將每次學(xué)習(xí) 之前三次的結(jié)果作為記憶值加入到本次學(xué)習(xí)的優(yōu)化函數(shù)f(x)中，優(yōu)化函數(shù)f(x)和輸入函數(shù) Sj為所述改進(jìn)的算法的學(xué)習(xí)優(yōu)化工具；
[0039]所述優(yōu)化函數(shù)f(x)計(jì)算公式如下：
[0041 ] 其中，radom(x)為前N次的經(jīng)驗(yàn)值函數(shù)，c為記憶保持值；
[0042]輸入函數(shù)Sj計(jì)算公式如下： .11
[0043] Sj 二 ^ HV/ *Xi + hj + randixi) - WjX + hj + rand(xi)
[0044] 其中，bj表示閾值，xi為輸入，為權(quán)值，rand〇是平衡值函數(shù)。
[0045] 樣板的選取也至關(guān)重要，樣本的獲取主要根據(jù)時(shí)間間隔內(nèi)對(duì)數(shù)據(jù)流中的服務(wù)類型 進(jìn)行提取。
[0046] 本發(fā)明能夠更加精確的提供老年人的需求輔助，在現(xiàn)實(shí)生活中起到非常好的輔助 作用。與現(xiàn)有技術(shù)相比，還具有以下優(yōu)點(diǎn)：
[0047] (1)、改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)算法:在傳統(tǒng)BP算法的基礎(chǔ)上進(jìn)行了優(yōu)化函數(shù)，加入自動(dòng) 分類校驗(yàn)技術(shù)，提取圖像大概的參數(shù)，提高了應(yīng)用的實(shí)時(shí)性。
[0048] (2)、老年人重心感應(yīng)點(diǎn)檢測(cè)、重心偏移分析，老年人走路的時(shí)候主意原因是肢體 不協(xié)調(diào)導(dǎo)致的重心不穩(wěn)而摔倒，在鞋子和衣服上添加感應(yīng)器，可以分析出著力點(diǎn)的位置以 及短時(shí)間能的變化。
[0049] (3)、摔倒預(yù)警系統(tǒng)的設(shè)計(jì)，引起老年人摔倒的因素不光是自身協(xié)調(diào)因素，當(dāng)老年 人著急走路或者緊急避險(xiǎn)，從而導(dǎo)致重心的不穩(wěn)，所以環(huán)境因素也是導(dǎo)致老年人摔倒的關(guān) 鍵，本系統(tǒng)通過(guò)智能學(xué)習(xí)算法，根據(jù)環(huán)境因素進(jìn)行學(xué)習(xí)，快速給出摔倒幾率和需要監(jiān)護(hù)人采 取的措施。
【主權(quán)項(xiàng)】
1. 一種基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù)，其特征在于：在老人的鞋底和 膝蓋布置感應(yīng)器，用于實(shí)時(shí)感應(yīng)重心的移動(dòng)特點(diǎn)和偏移特性，并在改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí) 算法的基礎(chǔ)上進(jìn)行;首先通過(guò)攝像機(jī)獲取高清圖像，并均分為四個(gè)區(qū)，獲取分區(qū)的信息，在 數(shù)據(jù)庫(kù)中通過(guò)改進(jìn)的算法進(jìn)行學(xué)習(xí)；結(jié)合經(jīng)驗(yàn)值判斷學(xué)習(xí)樣本是否收斂，若不收斂則進(jìn)行 自我診斷并重新獲取分區(qū)的信息，若收斂則通過(guò)傳感器判斷重心是否偏移，當(dāng)重心偏移與 場(chǎng)景學(xué)習(xí)到的內(nèi)容和運(yùn)動(dòng)的方向一致時(shí)，則表明老年人迅速移動(dòng)的可能性比較大，預(yù)警系 統(tǒng)計(jì)算摔倒的概率，并將摔倒的概率和應(yīng)急措施反饋給監(jiān)護(hù)者；當(dāng)重心偏移與場(chǎng)景學(xué)習(xí)到 的內(nèi)容和運(yùn)動(dòng)的方向不一致時(shí)，則繼續(xù)學(xué)習(xí)。2. 根據(jù)權(quán)利要求1所述的基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù)，其特征在于： 所述改進(jìn)的算法，是指根據(jù)攝像機(jī)獲取的高清圖像中的分區(qū)關(guān)鍵參數(shù)值以及相鄰圖像之間 的差值，進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)；通過(guò)設(shè)定權(quán)值將圖像中每四分之一的區(qū)域作信息作為初始參 數(shù)，權(quán)重根據(jù)路由隨機(jī)設(shè)置，根據(jù)設(shè)定的權(quán)值進(jìn)行學(xué)習(xí)，學(xué)習(xí)的目標(biāo)值為數(shù)據(jù)庫(kù)中設(shè)定的標(biāo) 準(zhǔn)值，在不斷的學(xué)習(xí)過(guò)程中建立數(shù)據(jù)源和優(yōu)化結(jié)果的標(biāo)準(zhǔn)關(guān)系;使之在輸入數(shù)據(jù)和長(zhǎng)期優(yōu) 化的經(jīng)驗(yàn)值的指導(dǎo)下快速判斷出圖像內(nèi)容類型并分析出所屬于的類別。3. 根據(jù)權(quán)利要求2所述的基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù)，其特征在于： 所述改進(jìn)的算法還接入了過(guò)濾功能，當(dāng)發(fā)現(xiàn)數(shù)據(jù)錯(cuò)誤或者明顯誤差時(shí)啟動(dòng)，將不會(huì)引起老 年人興趣的圖像刪除。4. 根據(jù)權(quán)利要求2或3所述的基于改進(jìn)的智能學(xué)習(xí)算法的老年人防摔倒技術(shù)，其特征在 于:所述改進(jìn)的算法在經(jīng)過(guò)BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的基礎(chǔ)上進(jìn)行了改進(jìn)，修改了優(yōu)化函數(shù)f(x)，加 入了動(dòng)向量，樣板是動(dòng)態(tài)的，但是需要多次學(xué)習(xí)之間的聯(lián)系，故引入了記憶保持值cache，通 過(guò)學(xué)習(xí)和設(shè)定的標(biāo)準(zhǔn)進(jìn)行比對(duì)，得出下一步的動(dòng)作;所述改進(jìn)的算法將每次學(xué)習(xí)之前三次 的結(jié)果作為記憶值加入到本次學(xué)習(xí)的優(yōu)化函數(shù)f(x)中，優(yōu)化函數(shù)f(x)和輸入函數(shù)Sj為所述 改進(jìn)的算法的學(xué)習(xí)優(yōu)化工具； 所述優(yōu)化函數(shù)f (X)計(jì)算公式如下：其中，radom( X)為前N次的經(jīng)驗(yàn)值函數(shù)，C為記憶保持值； 輸入函數(shù)Sj計(jì)算公式如下：其中，bj表示閾值，xi為輸入，Wij為權(quán)值，rand()是平衡值函數(shù)。
【文檔編號(hào)】G06K9/62GK105930871SQ201610269969
【公開日】2016年9月7日
【申請(qǐng)日】2016年4月26日
【發(fā)明人】路廷文
【申請(qǐng)人】浪潮電子信息產(chǎn)業(yè)股份有限公司