初始权值优化技术在机器人学习中的应用

肖伟; 周东辉; 孙建风; 徐志强

您当前的位置：

首页 >

文章列表页 >

初始权值优化技术在机器人学习中的应用

论文 | 更新时间：2025-07-16

- 初始权值优化技术在机器人学习中的应用
- Implementation of Optimal Weights Initialization Technology in Robot Learning
- 电子学报 2005年33卷第9期页码：1720-1722
- 作者机构：
  
  中国海洋大学电子系,山东,青岛,266071
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TP24
- 纸质出版：2005
- 稿件说明：
移动端阅览
肖伟, 周东辉, 孙建风, 等. 初始权值优化技术在机器人学习中的应用[J]. 电子学报, 2005,33(9):1720-1722.

XIAO Wei, ZHOU Dong-hui, SUN Jian-feng, et al. Implementation of Optimal Weights Initialization Technology in Robot Learning[J]. Acta Electronica Sinica, 2005, 33(9): 1720-1722.
肖伟, 周东辉, 孙建风, 等. 初始权值优化技术在机器人学习中的应用[J]. 电子学报, 2005,33(9):1720-1722. DOI：

XIAO Wei, ZHOU Dong-hui, SUN Jian-feng, et al. Implementation of Optimal Weights Initialization Technology in Robot Learning[J]. Acta Electronica Sinica, 2005, 33(9): 1720-1722. DOI：

摘要

针对移动机器人建立了基于BP神经网络的智能避障控制模型

提出了初始权值优化技术

使得样本组与初始权值相匹配

显著地提高了网络的收敛速度.为了提高系统的实时性

文中采用C和汇编语言混合编制控制程序.计算机仿真和实测结果表明该系统具有学习能力强、人机交互效果好等优点.

Abstract

An intelligent obstacle avoidance model based on BP neural network is established.Also a novel optimal weights initialization technology is proposed so that the sample sets and initial weights can match perfectly.Consequently

the convergence speed increases evidently.In order to improve the real-time performance

hybrid programming using C and assemble language is adopted.Computer simulation and real test show that the system has a strong ability of learning and good performance of human computer interaction.

关键词

Keywords

references

浏览量

989

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

多层前向神经网络的权值平衡算法

多层前向神经网络中BP算法的误调分析及其改进的算法

基于单参数坐标轮换法的多层前馈型神经网络的一种新型算法

背景感知机制的图像分类网络