论文部分内容阅读
基于生理学和脑科学研究成果提出的SOM神经网络仿生优化方法能够通过学习自主绘制出拓扑地图,但需通过大量的尝试确定其初始网络结构,无法保证系统的实时性。提出一种方向信息和特征信息构建的动态增长自组织特征网DGSOM,通过引入方向参数减少网络的训练次数,降低了系统复杂度,通过引入特征参数避免了感知混淆,并将该神经网络模型应用于澳大利亚Milford等提出的Rat SLAM模型中。实验表明,提出的DGSOM-Rat SLAM模型通过减少视觉细胞的数量降低系统的复杂度;通过视觉细胞的场景匹配实验和位姿细胞的