[发明专利]基于混沌自主发育神经网络的场景识别方法、装置及系统

权利要求书

1.一种基于混沌自主发育神经网络的场景识别方法，其特征在于，该方法包括：

针对非结构化环境中的场景识别，在自主发育神经算法的研究之上，加入混沌算法，基于仿生学的强化学习的发育过程，利用混沌具有的遍历性，训练混沌自主发育神经网络，通过混沌自主发育神经网络系统将混沌理论引入，尽可能多的激活了神经元，进而有效地辨识图像场景，

根据图像库训练混沌自主发育神经网络，所述训练混沌自主发育神经网络包括：根据减均值处理和白化处理后的输入图像设置Y层突触权重，得到Y层突触权重混沌序列，同时随机设置Z层突触权重；对每一神经元突出权重进行更新，直至完成迭代；

接收采集的待识别场景，根据训练好的混沌自主发育神经网络进行场景识别；

在本方法中，在设置Y层突触权重和Z层初始化突触权重之前对混沌自主发育神经网络进行初始化，将神经元激活年龄设置为零，并设置迭代次数；

在本方法中，将Y层突触权重根据Logistic方程得到Y层突触权重混沌序列；

在本方法中，所述对每一神经元突出权重进行更新包括：

根据X层的外部输入与Z层的内部输入计算神经元突触的响应向量；

采用top-k竞争机制决定优胜神经元；

更新优胜神经元的突触权重向量和激活年龄。

2.如权利要求1所述的方法，其特征在于，在本方法中，还根据X层的外部输入的权重计算神经元突触的响应向量，所述X层的外部输入的权重为0.5。

3.如权利要求1所述的方法，其特征在于，在本方法中，若迭代未完成，重新由图像库中采样输入图像，再次对每一神经元突出权重进行更新。

4.如权利要求1所述的方法，其特征在于，在本方法中，将接收到对待识别场景作为X层的外部输入，经过训练好的混沌自主发育神经网络的内部神经元突触连接，选择Z层的效应器完成场景识别。

5.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行如权利要求1-4任意一项所述的方法。

6.一种基于混沌自主发育神经网络的场景识别装置，采用计算终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行如权利要求1-4任意一项所述的方法。

7.一种基于混沌自主发育神经网络的场景识别系统，该系统基于如权利要求6所述的一种基于混沌自主发育神经网络的场景识别装置，其特征在于，包括：

基于混沌自主发育神经网络的场景识别装置，与图像采集装置连接；

所述图像采集装置用于采集待识别场景图像，并传输至所述基于混沌自主发育神经网络的场景识别装置。