高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

用均场逼近网络计算关联概率

汪小帆 宋文忠

汪小帆, 宋文忠. 用均场逼近网络计算关联概率[J]. 电子与信息学报, 1997, 19(1): 24-30.
引用本文: 汪小帆, 宋文忠. 用均场逼近网络计算关联概率[J]. 电子与信息学报, 1997, 19(1): 24-30.
Wang Xiaofan, Song Wenzhong . COMPUTING ASSOCIATION PROBABILITIES USING MEAN-FIELD APPROXIMATION NETWORKS[J]. Journal of Electronics & Information Technology, 1997, 19(1): 24-30.
Citation: Wang Xiaofan, Song Wenzhong . COMPUTING ASSOCIATION PROBABILITIES USING MEAN-FIELD APPROXIMATION NETWORKS[J]. Journal of Electronics & Information Technology, 1997, 19(1): 24-30.

用均场逼近网络计算关联概率

COMPUTING ASSOCIATION PROBABILITIES USING MEAN-FIELD APPROXIMATION NETWORKS

  • 摘要: 数据关联问题是密集多回波环境下多目标跟踪中的一个关键问题。在固定温度参数T=1下,通过构造适当的能量函数,使Boltzmann机演化达平衡状态后,各神经元状态的平均值即为所要求的关联概率的近似值。在此基础上,提出了用均场逼近网络快速计算关联概率的新方法。仿真结果验证了本文方法的有效性。
  • 周宏仁,敬忠良,王培德.机动目标跟踪.北京:国防工业出版社,1991,第十三章.[2]Sengupta D, Iltis R. Neural solution to the multitarget tracking data association problem. IEEE Trans. on AES, 1989, AES-25(1): 96-108.[3]敬忠良等.基于随机神经网络的数据关联组合优化研究.控制理论与应用,1994,13(1): 257-263.[4]Zhou B, Bose N K. A comprehensive analysis of Neural solution to the multitarget tracking data association problem0. IEEE Trans. on AES, 1993, AES-29(1): 260-263.[5]Iltis R, Ting P-Y. Computing association probabilities using parallel Boltzmann machines. IEEE Trans. on NN, 1993, NN-4(2): 221-233.[6]Hinton, G. et al. Boltzmann machines: Constraint satisfaction networks that learn. 1984, CMU-SC-84-119.[7]Ackley D, et al. A learning algorithm for Boltzmann machines[J].Cognitive Sci.1985, 9(1):147-169[8]Kong S Y. Digital Neural Network. New York: Prentice Hall, 1993, Ch.9.[9]焦李成.神经网络计算.西安:西安电子科技大学出版社,1993, 107-110.
  • 加载中
计量
  • 文章访问数:  2156
  • HTML全文浏览量:  134
  • PDF下载量:  414
  • 被引次数: 0
出版历程
  • 收稿日期:  1995-09-05
  • 修回日期:  1995-10-11
  • 刊出日期:  1997-01-19

目录

    /

    返回文章
    返回