理想 NPN 先验网络（二）：
• 离线地图更新，实时云端对齐
对于某个新的感知结果，是否需要被实时更新到云端离线地图中去？
这个问题其实也没有这么简单。
因为不论何时，新感知的结果与离线地图都是有一定差异的，如何规定学习新的感知结果和忘记旧的信息规则也是一件不容易的事情。
在理想的这个方案里，依然使用了隐式学习的方式去规定，并使用了一种 Gated Recurrent Unit（GRU）门控循环单元变体结构完成，这样也保证网络的长时记忆能力。
简单来说，规定一个忘记比例，一个更新比例，这两个都是一个小
登录后可查看完整内容，参与讨论！
立即登录