[发明专利]一种空间网络3D打印算法

摘要

本发明公开了一种空间网络3D打印算法，首先扩展自组织特征银蛇算法，自动找出输入数据之间的类似度，将相似的输入在网络上就近配置，构成对输入数据有选择地给与反应的网络。基于自组织特征映射的学习算法构造SOM空间网络3D打印算法；本发明可以使打印机对自身的计算、通信、控制、人机交互等多线程任务进行全面协调和优化决策，结合自身当前的控制特征和任务特征进行自身能力的最优分配，最大程度避免线程冲突和任务矛盾，并具有发现自身故障和给出故障解决建议的能力。

主权项

一种空间网络3D打印算法，其特征在于，首先扩展自组织特征银蛇算法，自动找出输入数据之间的类似度，将相似的输入在网络上就近配置，构成对输入数据有选择地给与反应的网络，基于自组织特征映射的学习算法构造SOM空间网络3D打印算法；STEP1：用随机数作为尺度参数导入傅里叶热扩散方程，设定输入层和映射层之间的权值的初始值，以输入层作为变量X，用映射层作为变量Y，进行梯度空间演化，从而形成输入层空间和映射层空间，对m个输入神经元到输出神经元连接权值赋予梯度空间较小的权值，选取输出神经元j个空间内的“邻接神经元”的集合Sj，其中Sj(0)表示时刻t＝0的神经元j空间“邻接神经元”的集合，Sj(t)表示时刻t空间“邻接神经元”的集合，空间区域Sj(t)随着时间的增长而不断缩小；STEP2：把多维输入向量X＝(x1,x2,x3,…,xm)T作为数据给输入层空间；STEP3：计算映射层空间的权值向量和输入向量空间的距离(欧氏距离)：在映射层空间，计算各神经元的权值向量空间和输入向量空间的欧氏距离，映射层的第j个神经元和输入向量的距离如式1所示：式中，wij为输入层的i神经元和映射层的j神经元之间的权值，通过计算，得到一个具有最小距离的神经元，记为j*,即确定出某个单元k，使得对于任意的j，都有dk＝min(dj)，并给出其邻接神经元集合；STEP4：权值的学习：按下式2修正输出神经元j*及其“邻接神经元”权值，Δωij＝ωij(t+1)‑ωij(t)‑η(t)(xi(t)‑ωij(t)) (式2)式2中，η为一个大于0小于1的常数，随着时间变化逐渐下降到0；STEP5：计算输出0k0k＝f(min||x‑wj||)式中，f(*)一般为0～1函数或者其他非线性函数；STEP6：判断是否达到预先设定的要求，如果达到要求则算法结束，否则，返回STEP2，进行下一轮学习。