论文部分内容阅读
为了在传统场景分类器基础上进一步提高场景识别准确率,提出了一种采用Q学习(Q-leaming)实现室内场景主动识别的算法.该算法采用极限学习机(Extreme Leaming Machine,ELM)与反向传播梯度下降相结合的方式近似Q-leaming值函数的神经网络.算法基于Q-learning动态地学习场景识别率最高的机器人朝向角,使机器人能够自主获取多次更为可靠的传感器信息并将对应识别结果融合,进而提高场景识别准确率.将算法应用在移动机器人场景识别中进行实验,结果表明该算法可以有效提高场景识别准确率