论文题目: 数据融合的神经计算方法
论文类型: 博士论文
论文专业: 计算机科学与技术
作者: 蔺杰
导师: 杨建刚
关键词: 思维模型,神经计算,模块化神经网络,模糊理论
文献来源: 浙江大学
发表年度: 2005
论文摘要: 数据融合技术就是研究如何有效地综合利用多传感器信息，克服信息的不完备性和不确定性，更加准确、全面地认识和描述被测对象，从而做出正确的判断和决策，近年来已成为各国学者研究的热点。多传感器数据融合技术已经广泛用于模式识别、目标跟踪、图像处理和机器人等领域。尽管数据融合技术发展迅速，但它仍然是一个远未成熟的领域，尚未形成完整的理论，还有许多问题需要解决。神经网络多传感器数据融合便于建立知识库，能实现知识自动获取及联想推理以表达不确定环境的复杂关系，并且具有大规模并行处理能力，同时又有一定的容错性，对先验知识的依赖性小，因此引起了越来越多人的研究兴趣。人工神经网络是以神经元为顶点、顶点间的连接为边的有向图，是一种大规模的非线性动力学系统。神经网络数据融合系统的突出优点是可以实现实时处理，并且通过对网络的训练，自动找到数据融合的方法，因此可以节省大量的运算和对先验信息的需求。但神经网络多传感器数据融合技术还缺乏统一的理论基础，神经网络种类和参数的选择还处在经验层次上，各自为政，阻碍了神经网络数据融合的应用和交流；很多算法还不完善，对新的应用领域的应用上还远远不能符合要求。 本文在对神经计算在多传感器数据融合算法的基础上进行了整理、归纳，并进一步深入研究，将其应用与人类思维模型的构造，主要研究内容和取得的成果如下： (1) 实用性地分析、归纳、总结了数据融合、人工神经网络以及人工神经网络数据融合的系统理论和方法。 (2) 在神经网络的基础理论中介绍了神经网络的基本概念、发展过程和应用；分析了网络的基本工作原理以及神经网络与模式识别的关系，定性地论证了神经网络融合识别的基本机理。 (3) 研究可用于数据融合的模块化神经网络与模糊理论相结合。模块化神经刚络具有单一神经网络无法比拟的优势，其不足之处又可以通过模糊理论的引入得以弥补。使用模糊推理系统处理系统输入可以大大减少神经网络模块化带来的系统复杂度。 (4) 模糊神经网络在融合识别中的应用。根据多源数据的特征具有高维数的特点和BP网络在解决此类问题中的缺陷，研究了CPN网络学习算法的几种改进方法，提出了模糊隐层节点动态调整的网络学习方式；模糊网络中传感器的管理也在这里进行了讨论。 (5) 在模块化神经网络和模糊理论的基础上提出了人脑的思维模型。从本文研究的结果看，神经网络在数据融合中的应用具有重要的价值和优势，但也有许多问题需要进一步研究。目前的人工神经网络模型还只是对人类大脑神经网络的很有限的仿真。但是，从目前的研究趋势上来看，基于生命科学的方法将在未来信息处理领域变得越来越重要，必将发挥更大的作用。
论文目录:
摘要
Abstract
第一章 绪论
1．1 课题研究的背景和意义
1．2 主要研究内容及框架
第二章 数据融合理论概述
2．1 概述
2．1．1 数据融合的定义
2．1．2 数据融合的基本原理
2．1．3 数据融合的特点
2．2 数据融合系统的体系结构
2．2．1 集中式
2．2．2 分布式
2．2．3 混合式
2．3 数据融合算法分析
2．3．1 Bayes统计
2．3．2 Dempster_Shafer证据理论
2．3．3 人工智能方法
第三章 基于神经网络的数据融合技术
3．1 人工神经网络研究与发展
3．1．1 历史回顾
3．1．2 研究意义
3．2 人脑信息处理的机制与特性
3．3 人工神经网络研究与应用的主要内容
3．4 人工神经网络的构成
3．4．1 神经元的结构模型
3．4．2 人工神经网络的互连模式
3．4．3 人工神经网络的信息处理能力
3．5 人工神经网络的研究概况
3．6 数据融合模型的神经网络表示
3．7 本章小节
第四章 模块化神经网络和模糊逻辑系统
4．1 模块化神经网络研究概况
4．1．1 模块化神经网络的集合论定义
4．2 模块化系统的特征
4．3 模块化神经网络的模型
4．3．1 神经网络模块的定义形式
4．3．2 分离模型
4．3．3 ART-BP模型
4．3．4 层次模型
4．3．5 多专家网络模型
4．4 基于模糊逻辑的模块化神经网络
4．4．1 模糊理论的一些基本概念
4．4．2 模糊集合运算
4．4．3 模糊关系
4．4．4 模糊推理和模糊决策
4．4．5 模糊系统设计
4．4．6 模块化模糊系统的结构
4．4．7 模块化模糊系统的特性
4．4．8 模块化模糊推理规则
4．5 模块化神经网络的任务分解方法
4．5．1 基于背景知识和领域知识的任务分解方法
4．5．2 基于样本空间的任务分解方法
4．5．3 基于分类过程的分解方法
4．6 模块化神经网络的训练
第五章 具有模糊推理的模块化神经网络
5．1 前言
5．2 RBF网络和模糊推理系统的功能一致性
5．2．1 RBF神经网络模型
5．2．2 模糊推理系统
5．2．3 功能一致性
5．3 一种简单的模糊神经网络模型
5．4 学习算法
5．4．1 确定网络中心值
5．4．3 连接权的调整
5．5 模拟实验
5．6 本章小节
第六章 基于模糊神经网络的数据融合系统
6．1 模糊神经网络
6．1．1 模糊理论与神经网络的结合
6．1．2 模糊神经网络的分类
6．1．3 模糊融合网络
6．2 CPN模型
6．3 对CPN学习算法的改进
6．3．1 对现有学习算法的分析
6．3．2 CPN学习算法的改进
6．4 基于模糊神经网络的传感器管理方法
6．5 本章小节
第七章 基于模块化神经网络的思维模型
7．1 人脑模型研究概况
7．2 人脑模拟的基本研究方法
7．3 人脑模型的总体结构
7．3．1 静态知识表示
7．3．2 思维的动态演变
7．3．3 思维推理的逆向作用
7．3．4 学习记忆过程
7．3．5 人脑模型的记忆存储编码
7．4 意识的混和神经网络模型
7．4．1 模型的总体结构
7．4．2 物理记忆层
7．4．3 模式识别层
7．4．4 抽象思维层
7．4．5 识别层算法
7．4．6 意识的产生
7．4．7 输入模式识别示例
7．5 本章小节
第八章 结束语
8．1 论文总结
8．2 未来展望
致谢
参考文献
攻读博士学位期间发表的论文
发布时间: 2005-04-20
参考文献
- [1].多传感器数据融合问题的研究[D]. 王欣.吉林大学2006
- [2].无线传感器网络数据融合关键技术研究[D]. 许建.南京邮电大学2016
- [3].无线传感器网络数据融合安全问题的研究[D]. 李超然.北京交通大学2016
- [4].运动机械监测系统数据融合关键技术的研究与应用[D]. 邓达强.重庆大学2001
- [5].基于数据融合的拱泥机器人检测系统研究[D]. 杨清梅.哈尔滨工程大学2003
- [6].多尺度土地利用数据同名实体匹配方法研究[D]. 郝星耀.北京林业大学2015
- [7].基于数据融合的综合识别方法研究[D]. 李雨谦.电子科技大学2013
- [8].无线传感器网络安全数据融合关键技术的研究与应用[D]. 马腾.北京交通大学2016
- [9].基于体域网的脉搏波数据融合计算方法[D]. 李大舟.东北大学2014
- [10].基于人工智能的传感器网络节点能耗研究[D]. 秦岭.武汉理工大学2009