《基于感知进化神经网络的传感信道可扩展系统及其方法.pdf》由会员分享，可在线阅读，更多相关《基于感知进化神经网络的传感信道可扩展系统及其方法.pdf（20页珍藏版）》请在专利查询网上搜索。
1、10申请公布号CN104200095A43申请公布日20141210CN104200095A21申请号201410432884822申请日20140828G06F19/0020110171申请人南京大学地址210093江苏省南京市栖霞区仙林大道163号72发明人申富饶邢佑路赵金熙74专利代理机构南京钟山专利代理有限公司32252代理人戴朝荣54发明名称基于感知进化神经网络的传感信道可扩展系统及其方法57摘要一种基于感知进化神经网络的传感信道可扩展系统及其方法，包括数据采集系统，所述的数据采集系统同控制系统相连接，所述的控制系统中带有基于感知进化神经网络的数据感知接收模块。并结合其方法可有效避免。
2、现有技术中的无法对数据采集的通道进行升级或者扩展，应用非常有限并且不具备智能化的采集功能的缺陷。51INTCL权利要求书6页说明书12页附图1页19中华人民共和国国家知识产权局12发明专利申请权利要求书6页说明书12页附图1页10申请公布号CN104200095ACN104200095A1/6页21一种基于感知进化神经网络的传感信道可扩展系统，其特征在于包括数据采集系统，所述的数据采集系统同控制系统相连接，所述的控制系统中带有基于感知进化神经网络的数据感知接收模块。2根据权利要求1所述的基于感知进化神经网络的传感信道可扩展系统，其特征在于所述的控制系统根据原始的神经网络的原有的N个感知神经元，。
3、经过一段时间的感知后，新增M个新的感知神经元出现的条件下，在控制系统的存储区域内设置对应于原有的N个感知神经元的原始的低维空间，所述的原始的低维空间为SLRN，而在控制系统的存储区域内设置对应于M个新的感知神经元的新的高维空间，所述的新的高维空间为SHRNM，而通过感知和压缩后得到的原型存储在集合P中，用PI表示P中第I个原型，所述的集合P也是在控制系统的存储区域内设置的一个存储空间，N和M为自然数，RN表示N维的实数向量空间，RNM表示NM维的实数向量空间。3根据权利要求所述的一种基于感知进化神经网络的传感信道可扩展系统的方法，步骤如下步骤1首先数据采集系统把采集来的图像或者视频这样的信号样。
4、本发送到控制系统中，然后控制系统启动基于感知进化神经网络的传感信道可扩展系统模块先把最先采集到的两个信号样本X1和X2分别构造出各自对应的第一N维原型P1和第二N维原型P2，第一N维原型P1和第二N维原型P2被存储在集合P中，另外基于感知进化神经网络的传感信道可扩展系统模块把发送来的图像或者视频这样的每一个信号样本构造成信号向量，所述的第一N维原型P1X1,1,X1,2,X1,N，第二N维原型P2X2,1,X2,2,X2,N，如果在最先采集到的两个信号样本之后来的信号样本为N维信号向量，则所述的信号向量的形式为XJXJ,1,XJ,2,XJ,NSL，执行基于感知进化神经网络的传感信道可扩展系统的。
5、方法的第一阶段，所述的第一阶段从步骤8开始执行。如果出现了M个新的感知神经元，则所述的信号向量的形式为XJXJ,1,XJ,2,XJ,N,XJ,NMSH，XJ表示第J个信号样本的信号向量，J是自然数，XJ,1表示第一个感知神经元对第J个信号样本的一维向量的输入数据,XJ,2表示第二个感知神经元对第J个信号样本的一维向量的输入数据,XJ,N表示第N个感知神经元对第J个信号样本的一维向量的输入数据,XJ,NM表示第NM个感知神经元对第J个信号样本的一维向量的输入数据，SH表示所采集到的信号样本对应的信号向量共同组成的向量空间，H、L均为自然数，然后执行步骤2到步骤7的操作来实现第二阶段，第二阶段执行。
6、后完成基于感知进化神经网络的传感信道可扩展系统的方法；步骤2获得信号样本XJXJ,1,XJ,2,XJ,N,XJ,NMSH。对于每一个PIP，如果PISL，即PI在空间SL中，凭借PI和输入的信号样本XJ的前N维属性计算欧氏距离，所述的N维属性即为SL的属性。如果PISH，即PI在空间SH中，凭借PI和输入的信号样本XJ的NM维属性计算欧氏距离，所述的NM维属性即为SH的属性，由公式1获得SL中的获胜原型其中，J表示自然数，代表PI的权值向量，表示在SL中的欧氏距离，再由公式权利要求书CN104200095A2/6页32和公式3分别获得SH中的获胜原型和第二获胜原型其中，PH表示属于SH的原型的。
7、集合，即所有的属于SH的原型的集合，表示在SH中的欧氏距离，以下简记为PC，和简记为PA和PB；步骤3如果DIMPCN，即PCSL，然后检查是否满足如公式4所示的判别条件其中，表示PC在SL中的相似性阈值。如果公式4满足，原型PC被激活，随后做如公式5、公式6、公式7和公式8所表示的更新WHLXJHL7其中，表示原型PC在SL中的激活次数，表示原型PC的权值向量，表示SL的向量属性，即XHL表示M个新的感知神经元的属性，即另外初始化和其中，表示原型PC在SH中的激活次数，表示PC在SH中的相似性阈值。如果条件4不满足，建立一个如公式9、公式10、公式11、公式12和公式13新的原型WNEWXJ。
8、9其中WNEW表示新建的原型的权值向量，表示在SL中的新建的原型的激活次数，表示在SH中的新建的原型的激活次数，表示在SL中的新建的原型的相似性阈值，表示在SH中的新建的原型的相似性阈值。如果DIMPCN，即PC已经是SH中的原型，如果满足公式14的条件其中表示原型PA的权值向量，即XJ与PA相同，PA被激活，相应的作如公式15和公式16的更新权利要求书CN104200095A3/6页4其中表示原型PA在SL中的激活次数，表示原型PA在SH中的激活次数。如果公式14的条件不满足，检查是否满足公式17的条件其中表示原型PA的权值向量，表示PA在SH中的相似性阈值，表示原型PB的权值向量，表示PB。
9、在SH中的相似性阈值。如果公式17的条件被满足，对PA进行如公式18、公式19、公式20和公式21下的更新其中，表示原型PA在SL中的权值向量，表示原型PA在新增的M个感知神经元的权值向量；如果公式17的条件不满足，则利用公式9、公式10、公式11、公式12和公式13建立新的原型；步骤4如果条件17的条件被满足，并且在原型PA和原型PB之间不存在连接，那么建立PA和PB之间的连接，并置所述的表示原型PA和原型PB之间的连接的年龄变量，所述的年龄变量表示连接的连接寿命的度量。如果PA和PB之间的连接已经存在，只要置如果一个原型PI被提升到高维空间或者权重向量被更新，就如公式22对PI和PJ之间的。
10、年龄变量进行更新其中，表示PI的相连的原型的集合。如果一个连接的年龄变量大于预定的阈值AGEMAX，该连接就被删除；步骤5如果一个原型没有邻居，那么该原型的相似性阈值定义如公式23所示如果一个原型存在邻居，那么该原型的相似性阈值定义如公式24所示每当输入一个新信号样本XJ时，按照公式23和公式24更新PA，PB和PC的相似性阈值；步骤6每当个样本信号被步骤1步骤5处理后，原型裁剪被执行，而在M个新增的感知神经元出现之前就存在的原型不属于裁剪的目标，在M个感知神经元出现之后新增的原型属于裁剪的目标，把这些新增的原型组织成集合Q，首先按照公式24计算所有的均值权利要求书CN104200095A4/。
11、6页5其中PH表示属于空间SH的原型，|PH|表示集合PH的元素个数，表示原型PI的在SH中的激活次数。对于每个原型QIQ，如果如公式25或者公式26的条件被满足，原型QI将被删除，其中表示QI的邻居数，为自然数，C为预定义的参数，取值范围0,1；步骤7当所有的原型都被映射到SH以后，将参数和进行如公式27所述的合并，得到合并后的激活次数把公式20和公式21所述的权值更新公式变为公式28的更新公式公式9、公式10、公式11、公式12和公式13简化为公式29、公式30和公式31所示WNEWXJ29然后参数将被删去。对于后续信号样本XJXJ,1,XJ,2,XJ,N,XJ,NMSH的处理可参照基于感。
12、知进化神经网络的传感信道可扩展系统的方法的第一阶段。步骤8由公式32获得SL中的获胜原型其中，J表示自然数，代表PI的权值向量，表示在SL中的欧氏距离。如果满足公式33的条件其中表示原型PA的权值向量，即XJ与PA相同，PA被激活，相应的作如公式34的更新其中表示原型PA在SL中的激活次数，如果公式33的条件不满足，检查是否满足公式35的条件权利要求书CN104200095A5/6页6其中表示原型PA的权值向量，表示PA在SL中的相似性阈值，表示原型PB的权值向量，表示PB在SL中的相似性阈值。如果公式35的条件被满足，对PA进行如公式36、公式37下的更新其中，表示原型PB在SL中的权值向量。
13、。如果公式35的条件不满足，利用如公式38、公式39和公式40WNEWXJ38建立新的原型；步骤9如果条件35的条件被满足，并且在原型PA和原型PB之间不存在连接，那么建立PA和PB之间的连接，并置所述的表示原型PA和原型PB之间的年龄变量，所述的年龄变量表示连接的连接寿命的度量；如果PA和PB之间的连接已经存在，只要置如果一个原型PI的权重向量被更新，就如公式41对PI和PJ之间的年龄变量进行更新，其中，表示PI的相连的原型的集合，如果一个连接的年龄变量大于预定的阈值AGEMAX，该连接就被删除；步骤10如果一个原型没有邻居，那么该原型的相似性阈值定义如公式42所示如果一个原型存在邻居，那么。
14、该原型的相似性阈值定义如公式43所示每当输入一个新信号样本XJ时，按照公式42和公式43更新PA和PB的相似性阈值；步骤11每当个样本信号被步骤8步骤10处理后，原型裁剪被执行，首先按照公式44计算所有的均值对于每个原型PIP，如果如公式45或者公式46权利要求书CN104200095A6/6页7的条件被满足，原型PI将被删除，其中表示PI的邻居数，为自然数，C为预定义的参数，取值范围0,1。权利要求书CN104200095A1/12页8基于感知进化神经网络的传感信道可扩展系统及其方法技术领域0001本发明属于数据感知接收的技术领域，具体涉及一种基于感知进化神经网络的传感信道可扩展系统及其方法。
15、。背景技术0002目前的图像、视频还有一些的通信信号通过数据采集系统传输到控制系统中，这样的通信信号数据的数据采集方式只是保持其原始信号数据的本来面目，而无法对数据采集的通道进行升级或者扩展，应用非常有限并且不具备智能化的采集功能。发明内容0003本发明的目的提供一种基于感知进化神经网络的传感信道可扩展系统及其方法，包括数据采集系统，所述的数据采集系统同控制系统相连接，所述的控制系统中带有基于感知进化神经网络的数据感知接收模块。并结合其方法可有效避免现有技术中的无法对数据采集的通道进行升级或者扩展，应用非常有限并且不具备智能化的采集功能的缺陷。0004为了克服现有技术中的不足，本发明提供了一种。
16、基于感知进化神经网络的传感信道可扩展系统及其方法的解决方案，具体如下0005一种基于感知进化神经网络的传感信道可扩展系统，包括数据采集系统1，所述的数据采集系统1同控制系统2相连接，所述的控制系统2中带有基于感知进化神经网络的数据感知接收模块3。0006所述的控制系统2根据原始的神经网络的原有的N个感知神经元，经过一段时间的感知后，新增M个新的感知神经元出现的条件下，在控制系统2的存储区域内设置对应于原有的N个感知神经元的原始的低维空间，所述的原始的低维空间为SLRN，而在控制系统2的存储区域内设置对应于M个新的感知神经元的新的高维空间，所述的新的高维空间为SHRNM，而通过感知和压缩后得到的。
17、原型存储在集合P中，用PI表示P中第I个原型，所述的集合P也是在控制系统2的存储区域内设置的一个存储空间，N和M为自然数，RN表示N维的实数向量空间，RNM表示NM维的实数向量空间。0007所述的一种基于感知进化神经网络的传感信道可扩展系统的方法，步骤如下0008步骤1首先数据采集系统把采集来的图像或者视频这样的信号样本发送到控制系统2中，然后控制系统2启动基于感知进化神经网络的传感信道可扩展系统模块3先把最先采集到的两个信号样本X1和X2分别构造出各自对应的第一N维原型P1和第二N维原型P2，第一N维原型P1和第二N维原型P2被存储在集合P中，另外基于感知进化神经网络的传感信道可扩展系统模块。
18、3把发送来的图像或者视频这样的每一个信号样本构造成信号向量，所述的第一N维原型P1X1,1,X1，2,X1,N，第二N维原型P2X2,1,X2,2,X2,N，如果在最先采集到的两个信号样本之后来的信号样本为N维信号向量，则所述的信号向量的形式为XJXJ,1,XJ,2,XJ,NSL，执行基于感知进化神经网络的传感信道可扩展系统的方法的第一阶段，所述的第一阶段从步骤8开始执行。如果出现了M个新的感知神经说明书CN104200095A2/12页9元，则所述的信号向量的形式为XJXJ,1,XJ,2,XJ,N,XJ,NMSH，XJ表示第J个信号样本的信号向量，J是自然数，XJ,1表示第一个感知神经元对第。
19、J个信号样本的一维向量的输入数据,XJ,2表示第二个感知神经元对第J个信号样本的一维向量的输入数据,XJ,N表示第N个感知神经元对第J个信号样本的一维向量的输入数据,XJ,NM表示第NM个感知神经元对第J个信号样本的一维向量的输入数据，SH表示所采集到的信号样本对应的信号向量共同组成的向量空间，H、L均为自然数，然后执行步骤2到步骤7的操作来实现第二阶段，第二阶段执行后完成基于感知进化神经网络的传感信道可扩展系统的方法；0009步骤2获得信号样本XJXJ,1,XJ,2,XJ,N,XJ,NMSH。对于每一个PIP，如果PISL，即PI在空间SL中，凭借PI和输入的信号样本XJ的前N维属性计算欧氏。
20、距离，所述的N维属性即为SL的属性。如果PISH，即PI在空间SH中，凭借PI和输入的信号样本XJ的NM维属性计算欧氏距离，所述的NM维属性即为SH的属性，由公式1获得SL中的获胜原型00100011其中，J表示自然数，代表PI的权值向量，表示在SL中的欧氏距离，再由公式2和公式3分别获得SH中的获胜原型和第二获胜原型001200130014其中，PH表示属于SH的原型的集合，即所有的属于SH的原型的集合，表示在SH中的欧氏距离，以下简记为PC，和简记为PA和PB；0015步骤3如果DIMPCN，即PCSL，然后检查是否满足如公式4所示的判别条件00160017其中，表示PC在SL中的相似性阈。
21、值。如果公式4满足，原型PC被激活，随后做如公式5、公式6、公式7和公式8所表示的更新001800190020WHLXJHL0021700220023其中，表示原型PC在SL中的激活次数，表示原型PC的权值向量，表示SL的向量属性，即XHL表示M个新的感知神经元的属性，即另外初始化和其中，表示原型PC在SH中的激活次数，表示PC在SH中的相似性阈值。如果条件4不满足，建立一个如公式9、公说明书CN104200095A3/12页10式10、公式11、公式12和公式13新的原型0024WNEWXJ0025900260027002800290030其中WNEW表示新建的原型的权值向量，表示在SL中的。
22、新建的原型的激活次数，表示在SH中的新建的原型的激活次数，表示在SL中的新建的原型的相似性阈值，表示在SH中的新建的原型的相似性阈值。0031如果DIMPCN，即PC已经是SH中的原型，如果满足公式14的条件00320033其中表示原型PA的权值向量，即XJ与PA相同，PA被激活，相应的作如公式15和公式16的更新003400350036其中表示原型PA在SL中的激活次数，表示原型PA在SH中的激活次数。0037如果公式14的条件不满足，检查是否满足公式17的条件00380039其中表示原型PA的权值向量，表示PA在SH中的相似性阈值，表示原型PB的权值向量，表示PB在SH中的相似性阈值。如果。
23、公式17的条件被满足，对PA进行如公式18、公式19、公式20和公式21下的更新004000410042004300440045其中，表示原型PA在SL中的权值向量，表示原型PA在新增的M个感知神经元的权值向量；如果公式17的条件不满足，则利用公式9、公式10、公式11、公式12和公式13建立新的原型；0046步骤4如果条件17的条件被满足，并且在原型PA和原型PB之间不存在连接，那么建立PA和PB之间的连接，并置所述的表示原型PA和原型PB之说明书CN104200095A104/12页11间的连接的年龄变量，所述的年龄变量表示连接的连接寿命的度量。如果PA和PB之间的连接已经存在，只要置如果。
24、一个原型PI被提升到高维空间或者权重向量被更新，就如公式22对PI和PJ之间的年龄变量进行更新00470048其中，表示PI的相连的原型的集合。如果一个连接的年龄变量大于预定的阈值AGEMAX，该连接就被删除；0049步骤5如果一个原型没有邻居，那么该原型的相似性阈值定义如公式23所示00500051如果一个原型存在邻居，那么该原型的相似性阈值定义如公式24所示005200530054每当输入一个新信号样本XJ时，按照公式23和公式24更新PA，PB和PC的相似性阈值；0055步骤6每当个样本信号被步骤1步骤5处理后，原型裁剪被执行，而在M个新增的感知神经元出现之前就存在的原型不属于裁剪的目标。
25、，在M个感知神经元出现之后新增的原型属于裁剪的目标，把这些新增的原型组织成集合Q，首先按照公式24计算所有的均值00560057其中PH表示属于空间SH的原型，|PH|表示集合PH的元素个数，表示原型PI的在SH中的激活次数。对于每个原型QIQ，如果如公式2500580059或者公式2600600061的条件被满足，原型QI将被删除，其中表示QI的邻居数，为自然数，C为预定义的参数，取值范围0,1；0062步骤7当所有的原型都被映射到SH以后，将参数和进行如公式27所述的合并，得到合并后的激活次数006300640065把公式20和公式21所述的权值更新公式变为公式28的更新公式说明书CN10。
26、4200095A115/12页1200660067公式9、公式10、公式11、公式12和公式13简化为公式29、公式30和公式31所示0068WNEWXJ006929007000710072然后参数将被删去。对于后续信号样本XJXJ,1,XJ,2,XJ,N,XJ,NMSH的处理可参照基于感知进化神经网络的传感信道可扩展系统的方法的第一阶段。0073步骤8由公式32获得SL中的获胜原型00740075其中，J表示自然数，代表PI的权值向量，表示在SL中的欧氏距离。如果满足公式33的条件007600770078其中表示原型PA的权值向量，即XJ与PA相同，PA被激活，相应的作如公式34的更新007。
27、90080其中表示原型PA在SL中的激活次数，如果公式33的条件不满足，检查是否满足公式35的条件00810082其中表示原型PA的权值向量，表示PA在SL中的相似性阈值，表示原型PB的权值向量，表示PB在SL中的相似性阈值。如果公式35的条件被满足，对PA进行如公式36、公式37下的更新008300840085其中，表示原型PB在SL中的权值向量。如果公式35的条件不满足，利用如公式38、公式39和公式400086WNEWXJ00873800880089说明书CN104200095A126/12页130090建立新的原型；0091步骤9如果条件35的条件被满足，并且在原型PA和原型PB之间不。
28、存在连接，那么建立PA和PB之间的连接，并置所述的表示原型PA和原型PB之间的年龄变量，所述的年龄变量表示连接的连接寿命的度量；如果PA和PB之间的连接已经存在，只要置如果一个原型PI的权重向量被更新，就如公式41对PI和PJ之间的年龄变量进行更新，00920093其中，表示PI的相连的原型的集合，如果一个连接的年龄变量大于预定的阈值AGEMAX，该连接就被删除；0094步骤10如果一个原型没有邻居，那么该原型的相似性阈值定义如公式42所示00950096如果一个原型存在邻居，那么该原型的相似性阈值定义如公式43所示00970098每当输入一个新信号样本XJ时，按照公式42和公式43更新PA和。
29、PB的相似性阈值；0099步骤11每当个样本信号被步骤8步骤10处理后，原型裁剪被执行，首先按照公式44计算所有的均值01000101对于每个原型PIP，如果如公式4501020103或者公式4601040105的条件被满足，原型PI将被删除，其中表示PI的邻居数，为自然数，C为预定义的参数，取值范围0,1。0106由这些技术特征，本发明的方法克服了传统方法中无法对数据采集的通道进行升级或者扩展，应用非常有限并且不具备智能化的采集功能的缺陷，并且能够对数据采集通道进行升级或者扩展，应用广泛而且具备智能化的采集功能。附图说明0107图L为本发明的一种基于感知进化神经网络的传感信道可扩展系统的连接。
30、结构示意图。0108图2为本发明的实施例的二维源图。说明书CN104200095A137/12页140109图3为本发明的实施例的三维源图。0110图4为本发明执行后的效果图，箭头左边是由二维源图数据感知得到的原型，箭头右边是增加了新的感知神经元后感知得到的原型。具体实施方式0111本发明的目的是研制自动化的高效的一种基于感知进化神经网络的传感信道可扩展系统及其方法，通过附图和实施例来进行进一步的说明0112基于感知进化神经网络的传感信道可扩展系统，包括数据采集系统1，所述的数据采集系统1同控制系统2相连接，所述的控制系统2中带有基于感知进化神经网络的数据感知接收模块3。0113基于感知进化神。
31、经网络的传感信道可扩展系统的方法，步骤如下0114步骤1首先数据采集系统把采集来的图像或者视频这样的信号样本发送到控制系统2中，然后控制系统2启动基于感知进化神经网络的传感信道可扩展系统模块3先把最先采集到的两个信号样本X1和X2分别构造出各自对应的第一N维原型P1和第二N维原型P2，第一N维原型P1和第二N维原型P2被存储在集合P中，另外基于感知进化神经网络的传感信道可扩展系统模块3把发送来的图像或者视频这样的每一个信号样本构造成信号向量，所述的第一N维原型P1X1,1,X1，2,X1,N，第二N维原型P2X2,1,X2,2,X2,N，如果在最先采集到的两个信号样本之后来的信号样本为N维信号。
32、向量，则所述的信号向量的形式为XJXJ,1,XJ,2,XJ,NSL，执行基于感知进化神经网络的传感信道可扩展系统的方法的第一阶段，所述的第一阶段从步骤8开始执行。如果出现了M个新的感知神经元，则所述的信号向量的形式为XJXJ,1,XJ,2,XJ,N,XJ,NMSH，XJ表示第J个信号样本的信号向量，J是自然数，XJ,1表示第一个感知神经元对第J个信号样本的一维向量的输入数据,XJ,2表示第二个感知神经元对第J个信号样本的一维向量的输入数据,XJ,N表示第N个感知神经元对第J个信号样本的一维向量的输入数据,XJ,NM表示第NM个感知神经元对第J个信号样本的一维向量的输入数据，SH表示所采集到的信。
33、号样本对应的信号向量共同组成的向量空间，H、L均为自然数，然后执行步骤2到步骤7的操作来实现第二阶段，第二阶段执行后完成基于感知进化神经网络的传感信道可扩展系统的方法；0115步骤2获得信号样本XJXJ,1,XJ,2,XJ,N,XJ,NMSH。对于每一个PIP，如果PISL，即PI在空间SL中，凭借PI和输入的信号样本XJ的前N维属性计算欧氏距离，所述的N维属性即为SL的属性。如果PISH，即PI在空间SH中，凭借PI和输入的信号样本XJ的NM维属性计算欧氏距离，所述的NM维属性即为SH的属性，由公式1获得SL中的获胜原型01160117其中，J表示自然数，代表PI的权值向量，表示在SL中的欧。
34、氏距离，再由公式2和公式3分别获得SH中的获胜原型和第二获胜原型01180119说明书CN104200095A148/12页1501200121其中，PH表示属于SH的原型的集合，即所有的属于SH的原型的集合，表示在SH中的欧氏距离，以下简记为PC，和简记为PA和PB；0122步骤3如果DIMPCN，即PCSL，然后检查是否满足如公式4所示的判别条件01230124其中，表示PC在SL中的相似性阈值。如果公式4满足，原型PC被激活，随后做如公式5、公式6、公式7和公式8所表示的更新012501260127WHLXJHL0128701290130其中，表示原型PC在SL中的激活次数，表示原型PC。
35、的权值向量，表示SL的向量属性，即XHL表示M个新的感知神经元的属性，即另外初始化和其中，表示原型PC在SH中的激活次数，表示PC在SH中的相似性阈值。如果条件4不满足，建立一个如公式9、公式10、公式11、公式12和公式13新的原型0131WNEWXJ0132901330134013501360137其中WNEW表示新建的原型的权值向量，表示在SL中的新建的原型的激活次数，表示在SH中的新建的原型的激活次数，表示在SL中的新建的原型的相似性阈值，表示在SH中的新建的原型的相似性阈值。0138如果DIMPCN，即PC已经是SH中的原型，如果满足公式14的条件013901400141其中表示原型。
36、PA的权值向量，即XJ与PA相同，PA被激活，相应的作如公式15和公式16的更新说明书CN104200095A159/12页16014201430144其中表示原型PA在SL中的激活次数，表示原型PA在SH中的激活次数。0145如果公式14的条件不满足，检查是否满足公式17的条件01460147其中表示原型PA的权值向量，表示PA在SH中的相似性阈值，表示原型PB的权值向量，表示PB在SH中的相似性阈值。如果公式17的条件被满足，对PA进行如公式18、公式19、公式20和公式21下的更新01480149015001510152其中，表示原型PA在SL中的权值向量，表示原型PA在新增的M个感知神。
37、经元的权值向量；如果公式17的条件不满足，则利用公式9、公式10、公式11、公式12和公式13建立新的原型；0153步骤4如果条件17的条件被满足，并且在原型PA和原型PB之间不存在连接，那么建立PA和PB之间的连接，并置所述的表示原型PA和原型PB之间的连接的年龄变量，所述的年龄变量表示连接的连接寿命的度量。如果PA和PB之间的连接已经存在，只要置如果一个原型PI被提升到高维空间或者权重向量被更新，就如公式22对PI和PJ之间的年龄变量进行更新01540155其中，表示PI的相连的原型的集合。如果一个连接的年龄变量大于预定的阈值AGEMAX，该连接就被删除；0156步骤5如果一个原型没有邻居。
38、，那么该原型的相似性阈值定义如公式23所示01570158如果一个原型存在邻居，那么该原型的相似性阈值定义如公式24所示01590160每当输入一个新信号样本XJ时，按照公式23和公式24更新PA，PB和PC的相似性阈值；0161步骤6每当个样本信号被步骤1步骤5处理后，原型裁剪被执行，而在M个新增的感知神经元出现之前就存在的原型不属于裁剪的目标，在M个感知神经元出现之后说明书CN104200095A1610/12页17新增的原型属于裁剪的目标，把这些新增的原型组织成集合Q，首先按照公式24计算所有的均值01620163其中PH表示属于空间SH的原型，|PH|表示集合PH的元素个数，表示原型P。
39、I的在SH中的激活次数。对于每个原型QIQ，如果如公式2501640165或者公式2601660167的条件被满足，原型QI将被删除，其中表示QI的邻居数，为自然数，C为预定义的参数，取值范围0,1；0168步骤7当所有的原型都被映射到SH以后，将参数和进行如公式27所述的合并，得到合并后的激活次数01690170把公式20和公式21所述的权值更新公式变为公式28的更新公式01710172公式9、公式10、公式11、公式12和公式13简化为公式29、公式30和公式31所示0173WNEWXJ017429017501760177然后参数将被删去。对于后续信号样本XJXJ,1,XJ,2,XJ,N,。
40、XJ,NMSH的处理可参照基于感知进化神经网络的传感信道可扩展系统的方法的第一阶段。0178步骤8由公式32获得SL中的获胜原型01790180其中，J表示自然数，代表PI的权值向量，表示在SL中的欧氏距离。如果满足公式33的条件01810182其中表示原型PA的权值向量，即XJ与PA相同，PA被激活，相应的作如公式34的更新说明书CN104200095A1711/12页1801830184其中表示原型PA在SL中的激活次数，如果公式33的条件不满足，检查是否满足公式35的条件01850186其中表示原型PA的权值向量，表示PA在SL中的相似性阈值，表示原型PB的权值向量，表示PB在SL中的相。
41、似性阈值。如果公式35的条件被满足，对PA进行如公式36、公式37下的更新018701880189其中，表示原型PB在SL中的权值向量。如果公式35的条件不满足，利用如公式38、公式39和公式400190WNEWXJ0191380192019301940195建立新的原型；0196步骤9如果条件35的条件被满足，并且在原型PA和原型PB之间不存在连接，那么建立PA和PB之间的连接，并置所述的示原型PA和原型PB之间的年龄变量，所述的年龄变量表示连接的连接寿命的度量；如果PA和PB之间的连接已经存在，只要置如果一个原型PI的权重向量被更新，就如公式41对PI和PJ之间的年龄变量进行更新，0197。
42、0198其中，表示PI的相连的原型的集合，如果一个连接的年龄变量大于预定的阈值AGEMAX，该连接就被删除；0199步骤10如果一个原型没有邻居，那么该原型的相似性阈值定义如公式42所示02000201如果一个原型存在邻居，那么该原型的相似性阈值定义如公式43所示02020203说明书CN104200095A1812/12页190204每当输入一个新信号样本XJ时，按照公式42和公式43更新PA和PB的相似性阈值；0205步骤11每当个样本信号被步骤8步骤10处理后，原型裁剪被执行，首先按照公式44计算所有的均值02060207对于每个原型PIP，如果如公式4502080209或者公式4602。
43、100211的条件被满足，原型PI将被删除，其中表示PI的邻居数，为自然数，C为预定义的参数，取值范围0,1。0212应用本发明的方法，如图2、图3和图4所示，从图2的二维源图数据进行按照本发明的步骤先进行第一阶段的感知，得到的原型如箭头左部所示，增加新的感知神经元后，通过第二阶段就能得到如箭头右部的原型，把箭头两边的原型分别同二维的源图和三维源图相比较，会看到还原重现效果非常逼真，并且这个方法能够全自动化的实现，无需人工参与，真正实现了智能化的操作。0213以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质，在本发明的精神和原则之内，对以上实施例所作的任何简单的修改、等同替换与改进等，均仍属于本发明技术方案的保护范围之内。说明书CN104200095A191/1页20图1图2图3图4说明书附图CN104200095A20。