公开(公告)号：CN115048979A

公开(公告)日：2022-09-13

申请号：CN202210466761.0

申请日：2022-04-29

Applicant: 贵州大学

Inventor： 杨静 ,  吉晓阳 ,  王一凡 ,  李斌 ,  刘庭卿 ,  李少波 ,  阮小利

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/06 ,  G06N3/08

Abstract: 本发明提供一种基于正则化的机器人触觉脉冲数据分类方法，包括以下步骤，S1数据获取，S2构建触觉数据的图神经网络的图拓扑结构，S3引入正则化方法缓解触觉脉冲数据模型过拟合问题，S4获得脉冲神经网络模型的输出。与现有技术相比，本发明通过在训练算法中增加正则化方法，缓解因训练数据较少带来的过拟合问题，提升家居物品触觉数据的分类准确性，从而提高了模型性能，提升了鲁棒性，增强了网络的泛化能力。

公开(公告)号：CN116206337A

公开(公告)日：2023-06-02

申请号：CN202310156840.6

申请日：2023-02-23

Applicant: 贵州大学

Inventor： 杨静 ,  何瑶 ,  刘庭卿 ,  李少波 ,  袁坤 ,  李斌 ,  季卿

IPC: G06V40/10 ,  G06V10/764 ,  G06V10/82 ,  G06V10/77 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08 ,  G06N7/01

Abstract: 本发明提出了一种基于贝叶斯参数更新及权重记忆的正则化持续学习方法，包括以下步骤：S1，在学习每个新任务时，采用脑启发重放模型生成重放数据；S2，将新任务和重放数据输入脑启发重放模型，并通过正则化约束进行训练，判断模型参数的重要性；S3，根据模型参数的重要性对模型进行损失函数分析。本发明能够克服现有正则化技术的缺点与不足，能更好的学习新任务，在更高效的学习新任务知识的同时应减少旧任务知识产生灾难性遗忘。

公开(公告)号：CN115358261A

公开(公告)日：2022-11-18

申请号：CN202210914970.7

申请日：2022-08-01

Applicant: 贵州大学

Inventor： 杨静 ,  刘庭卿 ,  吉晓阳 ,  李少波 ,  侯庆 ,  尹宝凡 ,  阮小利

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于脉冲时间序列误差反向传播的触觉物体识别方法，包括：S‑A，搭建基于脉冲神经元的脉冲神经网络模型；S‑B，将用于模型训练的触觉数据输入脉冲神经网络模型，并通过脉冲时间序列的误差反向传播算法对建立的脉冲神经网络模型进行训练，根据计算所得的梯度来迭代更新直到得到最优的网络权重参数，最终得到训练完毕的脉冲神经网络模型；S‑C，将待识别的触觉数据输入神经网络模型，输出物体识别结果。本发明能够方法能很好处理离散的触觉数据信息，且考虑了触觉数据的时间动态信息以及计算成本较高的问题，从而实现机器人触觉物体识别效果大大提高，具有高效率、高准确率、低耗能等优点。