一种时空模式识别的综合神经网络模型

摘要

本文提出一种用于时空模式识别的综合神经网络模型,称为TS-LM-SOFM.该模型高层是一种单层时序整合网络,称为TS（Temporal Sequence）网络.TS网络以稀疏激励模式作为输入,由于神经元的兴奋性衰减作用,存储记忆的时序模式会在空间上逐渐展开,变换为抽象的空间模式.该模型底层是SOFM（Self-Organizing Feature Map）,其作用是空间模式整合与实际信号的特征检测.LM（Learning Matrix）作为TS与LM的中间过渡层.利用TS-LM-SOFM对超声导航的机器人实际采集的数据进行处理,实验表明,TS-LM-SOFM神经网络输出的模式能够较好地抽象表示输入信号的时空特征.