[发明专利]自动驾驶的多源异构信息RBM网络融合架构及融合方法在审
| 申请号： | 201810941558.8 | 申请日： | 2018-08-17 |
| 公开（公告）号： | CN109034391A | 公开（公告）日： | 2018-12-18 |
| 发明（设计）人： | 王玲;刘洋;柯达远;王锋;张仁辉;廖茜茜;关庆阳;柯瑞林 | 申请（专利权）人： | 王玲 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06K9/62 |
| 代理公司： | 深圳市中科创为专利代理有限公司 44384 | 代理人： | 谭雪婷;高早红 |
| 地址： | 518000 广东省深圳市南山*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种自动驾驶的多源异构信息RBM网络融合架构及融合方法，所述架构包括：自下而上依次排列的初始输入层、隐层、输出层，在远离所述初始输入层的部分使用深度RBM网络，所述深度RBM网络包括至少一个RBM。所述融合方法包括：步骤1、初始输入层通过预训练从自动驾驶多源异构传感器获取生成模型的初始权值；步骤2、多层隐层自下而上逐层深度权值训练；步骤3、将经过深度训练的权值传递至输出层，所述输出层进行数据融合及积分判决并输出。本发明采用一种结合不确定性的模糊积分函数，提高了识别的可靠性。模糊积分融合多个分类器，以获得近似最优的融合结果，提高整体分类的可靠性。 | ||
| 搜索关键词： | 自动驾驶 融合 输出层 输入层 多源异构信息 网络融合架构 隐层 多源异构传感器 模糊 不确定性 积分函数 权值训练 生成模型 数据融合 网络包括 依次排列 整体分类 分类器 多层 近似 架构 输出 传递 判决 网络 | ||
【主权项】：
1.一种自动驾驶的多源异构信息RBM网络融合架构，其特征在于，包括：自下而上依次排列的初始输入层、隐层、输出层，所述隐层的层数至少一层，所述初始输入层可接收自动驾驶多源异构传感器获取的外界信息，所述隐层被训练去捕捉在所述初始输入层中数据表现出来的高阶数据的相关性，所述输出层将数据特征进行融合判决并输出；在远离所述初始输入层使用深度RBM网络，所述深度RBM网络由至少一个RBM组成，所述RBM的结构中被“限制”为一个输入层和一个隐层，所述隐层被激活后将转化为相邻所述RBM的输入层，所述输出层为所述深度RBM网络中最顶层的一个所述RBM。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于王玲，未经王玲许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810941558.8/，转载请声明来源钻瓜专利网。
