-
公开(公告)号：CN112365291A
公开(公告)日：2021-02-12
申请号：CN202011366723.5
申请日：2020-11-30
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于动量法参数更新的模糊神经网络定价方法，属于机器学习与数据挖掘领域。本发明采用模糊神经网络作为定价模型，采用动量法进行模型的参数更新。首先，模型采用主成分分析法选出影响废旧手机定价的关键特征；其次,建立基于模糊神经网络的废旧手机定价模型,实现对手机定价与关键特征变量之间的准确分析；最后，采用动量法对模糊神经网络的参数进行优化，实现定价模型的参数更新。本发明可以很好地提高废旧手机定价准确性。
-
公开(公告)号：CN112558605A
公开(公告)日：2021-03-26
申请号：CN202011419778.8
申请日：2020-12-06
Applicant: 北京工业大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于纹状体结构的机器人行为学习系统及其学习方法，属于仿生学技术领域。机器人行为学习系统由感觉皮质、运动皮质、海马体、丘脑、黑质致密部、腹侧被盖区和纹状体组成，其中纹状体包括纹状小体和基质。纹状小体接收由海马体位置细胞产生的定位信息和由黑质致密部和腹侧被盖区产生的多巴胺信息，同时根据操作条件反射机制更新机器人的取向性信息。基质接收纹状小体的取向性信息，同时根据改进的ε‑greedy算法进行动作的选取。机器人与环境进行一段时间交互后可以形成行为习惯。本发明不仅给出动物习惯性行为生成的一种可能的解释，而且可以指导机器人自主行为学习。本发明的方法可应用到机器人导航、生理学、动物行为学等诸多领域。
-
Patent Agency Ranking
公开(公告)号：CN112525194B
公开(公告)日：2023-11-03
申请号：CN202011169496.7
申请日：2020-10-28
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于海马‑纹状体内源性和外源性信息的认知导航方法，属于仿生学技术领域和人工智能领域。本发明基于MATLAB软件编程实现，设定一个具有8个移动方向的仿真机器人，并具备视觉传感器和嗅觉传感器。首先，机器人在环境中自由探索，感知外源性信息(视觉、嗅觉信息)和内源性信息(前庭感觉信息、本体感受信息)，通过信息感知模块将感知信息处理为多维信息向量；海马体接收多维信息向量并激活位置细胞，位置细胞的放电活动与机器人所处的真实位置对应，形成认知地图。纹状体同时接收海马体的位置信息和腹侧被盖区的奖励信息，以此评估机器人的状态，通过多次训练，机器人能够迅速记忆环境并找到目标平台。
-
公开(公告)号：CN114186675B
公开(公告)日：2024-05-31
申请号：CN202111343986.9
申请日：2021-11-14
Applicant: 北京工业大学
Abstract: 本发明公开了一种改进的海马体‑前额皮层网络空间认知方法，首先机器人探索环境收集信息，海马体位置细胞接收环境信息并形成类拓扑认知地图；前额皮层中皮质柱神经元接收并整合海马体信息投射，环境奖励刺激信号对类拓扑认知地图进行评估，在评估过程中，若机器人检测到环境发生动态变化，则会激发应急变更模块，若环境中存在多个目标，则会激发奖励重估模块；最后，刺激信号以神经活动波的形式在模型中扩散，评估完成后，由奖励刺激信号在前额皮层网络中扩散，并按照STDP规则改变前额皮层中皮质柱神经元之间的突触连接，形成全局矢量场；最终实现机器人目标导向的空间导航。
-
公开(公告)号：CN114186675A
公开(公告)日：2022-03-15
申请号：CN202111343986.9
申请日：2021-11-14
Applicant: 北京工业大学
Abstract: 本发明公开了一种改进的海马体‑前额皮层网络空间认知方法，首先机器人探索环境收集信息，海马体位置细胞接收环境信息并形成类拓扑认知地图；前额皮层中皮质柱神经元接收并整合海马体信息投射，环境奖励刺激信号对类拓扑认知地图进行评估，在评估过程中，若机器人检测到环境发生动态变化，则会激发应急变更模块，若环境中存在多个目标，则会激发奖励重估模块；最后，刺激信号以神经活动波的形式在模型中扩散，评估完成后，由奖励刺激信号在前额皮层网络中扩散，并按照STDP规则改变前额皮层中皮质柱神经元之间的突触连接，形成全局矢量场；最终实现机器人目标导向的空间导航。
-
公开(公告)号：CN112558605B
公开(公告)日：2022-12-16
申请号：CN202011419778.8
申请日：2020-12-06
Applicant: 北京工业大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于纹状体结构的机器人行为学习系统及其学习方法，属于仿生学技术领域。机器人行为学习系统由感觉皮质、运动皮质、海马体、丘脑、黑质致密部、腹侧被盖区和纹状体组成，其中纹状体包括纹状小体和基质。纹状小体接收由海马体位置细胞产生的定位信息和由黑质致密部和腹侧被盖区产生的多巴胺信息，同时根据操作条件反射机制更新机器人的取向性信息。基质接收纹状小体的取向性信息，同时根据改进的ε‑greedy算法进行动作的选取。机器人与环境进行一段时间交互后可以形成行为习惯。本发明不仅给出动物习惯性行为生成的一种可能的解释，而且可以指导机器人自主行为学习。本发明的方法可应用到机器人导航、生理学、动物行为学等诸多领域。
-
公开(公告)号：CN112525194A
公开(公告)日：2021-03-19
申请号：CN202011169496.7
申请日：2020-10-28
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于海马‑纹状体内源性和外源性信息的认知导航方法，属于仿生学技术领域和人工智能领域。本发明基于MATLAB软件编程实现，设定一个具有8个移动方向的仿真机器人，并具备视觉传感器和嗅觉传感器。首先，机器人在环境中自由探索，感知外源性信息(视觉、嗅觉信息)和内源性信息(前庭感觉信息、本体感受信息)，通过信息感知模块将感知信息处理为多维信息向量；海马体接收多维信息向量并激活位置细胞，位置细胞的放电活动与机器人所处的真实位置对应，形成认知地图。纹状体同时接收海马体的位置信息和腹侧被盖区的奖励信息，以此评估机器人的状态，通过多次训练，机器人能够迅速记忆环境并找到目标平台。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
