文献类型：期刊文章

作　　者：陈一峰[1] 曹元大[1]

机构地区：[1]北京理工大学人工智能研究所,100081

出　　处：《模式识别与人工智能》

年　　份：1996

卷　　号：9

期　　号：3

起止页码：271-277

语　　种：中文

收录情况：BDHX、BDHX1992、CSCD、CSCD2011_2012、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：本文提出一种用于时空模式识别的综合神经网络模型,称为TS-LM-SOFM.该模型高层是一种单层时序整合网络,称为TS(Temporal Sequence)网络.TS网络以稀疏激励模式作为输入,由于神经元的兴奋性衰减作用,存储记忆的时序模式会在空间上逐渐展开,变换为抽象的空间模式.该模型底层是SOFM(Self-Organizing Feature Map),其作用是空间模式整合与实际信号的特征检测.LM(Learning Matrix)作为TS与LM的中间过渡层.利用TS-LM-SOFM对超声导航的机器人实际采集的数据进行处理,实验表明,TS-LM-SOFM神经网络输出的模式能够较好地抽象表示输入信号的时空特征.

关 键 词：神经网络 模式识别 时空模式识别  

分 类 号：TP391.4]