博文
一种类似神经元学习的模式识别方法
|||
在编写“摄像头鼠标”的时候，为了识别摄像头中的动态图像变化表示鼠标动作指令的模式，我想到了一种类似神经元学习但又不象是经典意义的神经元学习的方法。程序还在编制中，自己也很期待结果会如何。先分享方法思路。
我把鼠标的基本动作划分为如下几类：
1.移动，包括上下左右四向的大中小幅移动，组合共12类动作。
2.点击，暂时不分左右键，1类动作。
然后，我期望通过分析摄像头捕捉的人的动作图像，来分析人希望鼠标如何动作的图像变化模式来，就可以不需要操作鼠标，隔空做几个动作，就能指挥鼠标进行操作。
我在国外的一些演示程序中看到了这种“摄像头鼠标”的神奇效果，感兴趣，就自己编来玩了。
以鼠标的动作指令为输出结点，通过对人的动作分析得到的一些参数（基本是整数型参数）的变化为输入。
我想到一种学习-重用经验的方法来实现通用的处理程序。
先指定某种鼠标的操作指令，然后让人做相应动作，通过分析摄像头数据，得到学习样本数据。
然后，将样本数据输入我的“智能程序”进行学习，积累学习经验。
当学习进行到一定阶段，比如，至少每种鼠标指令学习过一套样本数据之后，我们就可以试着使用“摄像头鼠标”了。
当使用“摄像头鼠标”时，当然也是捕捉到人的动作，得到图像分析数据，然后将这些数据输入到我的“智能程序”，智能程序就会根据已经学到的经验做出判断，当前的动作是否对应某种预定的鼠标操作。
当然，关键的问题是学习程序的算法是如何考虑的。
我考虑了一个通用的整数空间学习的算法。
图像分析的结果是多个整数属性随时间变化的数值序列。组成一个时间切片的多维整数空间。
我考虑到，这是一个整数取值到鼠标指令映射的类似神经元学习的模型，按神经元方法的思路处理，应该是：
每个整数参数是一个输入结点，当所有输入结点输入样本参数的时候，是直接投票给预定的鼠标操作的，这就是学习的过程，当学习的样本越多，不同样本数值对应不同鼠标操作的累积投票权重就会越高，这些权重的组合，就是学到的经验。
问题是:整数属性的取值是可能是任意的、而且是离散的，事先并不确定，也就是：下一个样本数据的整数取值可能并不完全重复原有的指向同样鼠标操作指令的样本数据，如何进行样本数据积累经验的模糊化处理呢？
我设计了一个通用的一维整数学习器对象，对于多参数，只要扩展多维整数学习，就成了整数空间学习了。
我设计了一个学习权重分布函数，在整数上每取一次样本值，我会根据一个统一的学习权重分布函数在该值左右累积分布权重数据，这样，随着学习例越多，权重累积数据就会形成一个权重函数表。当然是针对每个输出结点会有一个权重函数表。
这样，使用的时候，只要输入新的样本数据，查这个权重表，就可以识别出需要进行的鼠标操作指令了。
思路并不复杂，单值的分布函数，我暂时取的是2的幂率衰减分布，最小的权重量子为1/2^-16，分布于样本取值正负16的位置。想想这个方案应该会有效，非常有意思，如果成功，也算是我的第一个人工智能程序了。
呵呵，成了再把运行程序公布给大家来玩。
https://blog.sciencenet.cn/blog-33982-606730.html
上一篇：举例说明沈卫国老师证明哥氏猜想的思路及其问题
下一篇：我要准备第三次创业了
