[发明专利]基于蝙蝠算法优化BP神经网络双目视觉标定在审
| 申请号： | 201811366222.X | 申请日： | 2018-12-27 |
| 公开（公告）号： | CN109887035A | 公开（公告）日： | 2019-06-14 |
| 发明（设计）人： | 乔玉晶;赵宇航;张思远 | 申请（专利权）人： | 哈尔滨理工大学 |
| 主分类号： | G06T7/80 | 分类号： | G06T7/80;G06N3/00;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150080 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明视觉测量双目标定方法属于光学测量与视觉检测领域；该方法包括以下几个步骤：确定BP神经网络隐含层层数、输入输出节点等初始参数；利用经验公式确定隐含层节点数范围，通过单因素方差分析法确定最佳隐含层节点数；根据蝙蝠算法回声定位原理，对BP神经网络的权重与偏置进行最优选取，确定最佳权重与偏置值；确定BP神经网络结构的各参数值，使像素点数据分布学习物方点数据分布，完成标定。本发明方法通过单因素方差分析法确定隐含层节点数并计算每一个神经网络在训练集上产生的误差,以训练集上产生的误差作为蝙蝠算法的适应度函数，利用蝙蝠算法控制参数少、优化精度和搜索精度高、鲁棒性强的特点，对其选取最佳的初始权重与偏置，解决了当前BP神经网络标定方法隐含层节点数无法确定、易陷入局部最优且收敛速度慢的问题。 | ||
| 搜索关键词： | 蝙蝠 节点数 隐含层 标定 偏置 单因素方差分析 训练集 权重 算法 神经网络结构 输入输出节点 算法控制参数 适应度函数 像素点数据 初始参数 初始权重 定位原理 光学测量 经验公式 神经网络 视觉测量 视觉检测 双目视觉 算法优化 点数据 鲁棒性 物方 隐含 优选 回声 收敛 双目 搜索 优化 学习 | ||
【主权项】：
1.基于蝙蝠优化BP神经网络双目视觉标定方法，其特征在于包括以下步骤：步骤a：确定BP神经网络隐含层层数、输入、输出节点数；步骤b：利用经验公式确定隐含层节点数范围，通过单因素方差分析法确定最佳隐含层节点数；步骤c：利用蝙蝠算法对BP神经网络的权重与偏置选取最优值；步骤d：确定BP神经网络结构的各参数值，使像素点数据分布学习物方点数据分布，完成标定。
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哈尔滨理工大学，未经哈尔滨理工大学许可，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/201811366222.X/，转载请声明来源钻瓜专利网。
