數據融合的神經計算方法.pdf

1、本文在對神經計算在多傳感器數據融合算法的基礎上進行了整理、歸納,并進一步深入研究,將其應用與人類思維模型的構造,主要研究內容和取得的成果如下:(1)實用性地分析、歸納、總結了數據融合、人工神經網絡以及人工神經網絡數據融合的系統(tǒng)理論和方法.(2)在神經網絡的基礎理論中介紹了神經網絡的基本概念、發(fā)展過程和應用;分析了網絡的基本工作原理以及神經網絡與模式識別的關系,定性地論證了神經網絡融合識別的基本機理.(3)研究可用于數據融合的模塊化神經網

2、絡與模糊理論相結合.模塊化神經網絡具有單一神經網絡無法比擬的優(yōu)勢,其不足之處又可以通過模糊理論的引入得以彌補.使用模糊推理系統(tǒng)處理系統(tǒng)輸入可以大大減少神經網絡模塊化帶來的系統(tǒng)復雜度.(4)模糊神經網絡在融合識別中的應用.根據多源數據的特征具有高維數的特點和BP網絡在解決此類問題中的缺陷,研究了CPN網絡學習算法的幾種改進方法,提出了模糊隱層節(jié)點動態(tài)調整的網絡學習方式;模糊網絡中傳感器的管理也在這里進行了討論.(5)在模塊化神經網絡和模糊