一种基于类脑神经网络的空间碎片识别捕获方法及系统与流程

文档序号:23655210发布日期:2021-01-15 13:52阅读:来源:国知局

技术特征:

1.一种基于类脑神经网络的空间碎片识别捕获方法,其特征在于,包括以下步骤:

s1、获取天基探测器观测到的空间碎片的图像信息;

s2、构建主体网络,分析所述主体网络中的每一个网络节点连接与断开的策略,根据所述策略对每个网络节点进行建模,将所述主体网络优化为目标识别网络;

s3、引入环境熵计算网络,利用所述环境熵计算网络描述空间碎片的分布复杂程度;

s4、引入网络熵计算网络,利用所述网络熵计算网络描述所述目标识别网络的网络复杂程度;

s5、根据所述目标识别网络的网络复杂程度与所述空间碎片的分布复杂程度,获得熵平衡驱动因子;

s6、引入博弈论框架,在所述博弈论框架的指导下,利用所述熵平衡驱动因子自适应调整所述目标识别网络的网络结构,使所述目标识别网络的网络复杂程度与空间碎片的分布复杂程度相匹配;

s7、建立空间碎片与天基探测器之间的信息闭环,使所述目标识别网络持续学习,并实时输出天基探测器与空间碎片的相对位置,直至空间碎片被捕获。

2.根据权利要求1所述的一种基于类脑神经网络的空间碎片识别捕获方法,其特征在于,s1中,利用图像特征提取工具对空间碎片的图像提取一种或多种特征向量,并拼合为一个整体向量x。

3.根据权利要求1所述的一种基于类脑神经网络的空间碎片识别捕获方法,其特征在于,s2中每个网络节点的建模如下:

其中,v表示网络节点集合;si表示每个节点vi采取的策略;p1表示每个网络节点采取“增长”策略的概率;p2表示每个网络节点采取“消退”策略的概率;s表示混合策略。

4.根据权利要求3所述的一种基于类脑神经网络的空间碎片识别捕获方法,其特征在于,s2中根据所述策略计算所述主体网络的网络成本和网络误差;利用所述网络成本和所述网络误差获得优化目标函数,并利用所述优化目标函数调整所述主体网络的连接结构和网络精度;

其中,所述网络成本的计算公式为:

上式中,mi表示权重矩阵,其为可变量;t表示矩阵转置;aij表示连接矩阵a中第i个节点与第j个节点的连接情况;θj表示节点i对节点j的权重;ui表示每个节点vi在当前策略下的网络成本;a’表示建模后的所述主体网络的连接矩阵;l2,t表示所述主体网络的网络总成本;

所述网络误差的计算公式为:

l1,t=||xt-yt||2

上式中,xt表示输入的空间碎片的图像特征,yt为所述主体网络的输出;l1,t表示所述主体网络的精度;

所述优化目标函数的计算公式如下:

上式中,λg表示一个权重系数。

5.根据权利要求2所述的一种基于类脑神经网络的空间碎片识别捕获方法,其特征在于,s3中空间碎片的分布复杂程度的计算公式如下:

hu=f(x);

其中,f(·)表示所述环境熵计算网络,hu表示环境熵。

6.根据权利要求5所述的一种基于类脑神经网络的空间碎片识别捕获方法,其特征在于,s4中网络复杂程度的计算公式为:

hn=g(hgraph);

其中,将所述目标识别网络看作是一个图g=(v,e),网络计算熵网络的节点集合v={vi|i=1,2...k},每个节点vi与di个节点相连,连接强度是hgraph表示图形熵,用于计算图论表示下的网络连接复杂度;g(·)表示一个多层感知器,将图形熵hgraph映射到高维特征空间中,得到网络熵hn。

7.根据权利要求6所述的一种基于类脑神经网络的空间碎片识别捕获方法,其特征在于,s5中利用熵平衡驱动因子的计算公式为:

q=-λ(hu-hn);

其中,q为熵平衡驱动因子,表示环境与网络之间的信息差,其用于调整网络的复杂程度;λ为比例系数。

8.根据权利要求1所述的一种基于类脑神经网络的空间碎片识别捕获方法,其特征在于,s6中利用所述熵平衡驱动因子调整所述目标识别网络的网络成本,并改变所述目标识别网络的“增长”与“消退”策略,以改变其网络结构。

9.根据权利要求1所述的一种基于类脑神经网络的空间碎片识别捕获方法,其特征在于,s7中,所述天基探测器包括控制器和捕获器;所述目标识别网络对空间碎片进行编目与定位,并实时输出至所述控制器;所述控制器根据空间碎片的位置信息控制所述捕获器捕获相应的空间碎片;所述天基探测器在移动过程中,对所述目标识别网络进行冻结,直至完成捕获任务后,再继续调整所述目标识别网络的结构。

10.一种基于类脑神经网络的空间碎片识别捕获系统,其适用于如权利要求1-9任一项所述的一种基于类脑神经网络的空间碎片识别捕获方法,其特征在于,包括:

输入模块,用于获取天基探测器观测到的空间碎片的图像信息

网络优化模块,用于构建主体网络,并分析所述主体网络中的每一个网络节点连接与断开的策略,根据所述策略对每个网络节点进行建模,将所述主体网络优化为目标识别网络;

环境熵计算模块,用于利用所述环境熵计算网络描述空间碎片的分布复杂程度;

网络熵计算模块,用于利用所述网络熵计算网络描述所述目标识别网络的网络复杂程度

熵平衡驱动因子计算模块,用于根据所述目标识别网络的网络复杂程度与所述空间碎片的分布复杂程度,获得熵平衡驱动因子;

自适应调整模块,用于在所述博弈论框架的指导下,利用所述熵平衡驱动因子自适应调整所述目标识别网络的网络结构,使所述目标识别网络的网络复杂程度与空间碎片的分布复杂程度相匹配;以及

捕获模块,用于建立空间碎片与天基探测器之间的信息闭环,使所述目标识别网络持续学习,并实时输出天基探测器与空间碎片的相对位置,直至空间碎片被捕获。


技术总结
本发明公开了一种基于类脑神经网络的空间碎片识别捕获方法及系统,包括:获取空间碎片的图像信息;构建主体网络,并将主体网络优化为目标识别网络;引入环境熵计算网络,描述空间碎片的分布复杂程度;引入网络熵计算网络,描述目标识别网络的网络复杂程度;根据网络复杂程度与空间碎片的分布复杂程度,获得熵平衡驱动因子;在博弈论框架的指导下,利用熵平衡驱动因子自适应调整所述目标识别网络的网络结构;建立空间碎片与天基探测器之间的信息闭环,实时输出天基探测器与空间碎片的相对位置,直至空间碎片被捕获。本发明具有低功耗、泛化能力强和识别精度高的特点。

技术研发人员:邓岳;戴琼海;李博翰
受保护的技术使用者:北京航空航天大学
技术研发日:2020.10.15
技术公布日:2021.01.15
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1