基于仿人脑认知计算模型的机器人视觉学习方法
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-16页 |
| 第1章 绪论 | 第16-29页 |
| ·问题的背景与意义 | 第16-18页 |
| ·国内外研究现状 | 第18-24页 |
| ·发育思路 | 第18-20页 |
| ·仿脑思路 | 第20-22页 |
| ·内部动机思路 | 第22-23页 |
| ·在线学习思路 | 第23-24页 |
| ·本文的研究思路与研究内容 | 第24-28页 |
| ·论文的组织安排 | 第28-29页 |
| 第2章 仿人脑工作机理的认知计算模型 | 第29-39页 |
| ·引言 | 第29页 |
| ·人脑记忆系统工作机理 | 第29-33页 |
| ·前额叶皮层 | 第29-31页 |
| ·海马结构 | 第31页 |
| ·海马-前额叶神经回路 | 第31-32页 |
| ·Baddeley 记忆系统模型 | 第32-33页 |
| ·基于海马-前额叶记忆系统的认知计算模型 | 第33-38页 |
| ·在线 PCA 感知映射 | 第35-36页 |
| ·工作记忆 | 第36-37页 |
| ·生长式长时记忆 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第3章 基于自适应子空间在线 PCA 的感知映射 | 第39-53页 |
| ·引言 | 第39页 |
| ·主成分分析 | 第39-42页 |
| ·基于主成分分析的图像感知映射、分类和识别 | 第42-44页 |
| ·增量主成分分析 | 第44-46页 |
| ·自适应子空间在线 PCA 算法 | 第46-48页 |
| ·实验与讨论 | 第48-51页 |
| ·实验设计 | 第48-49页 |
| ·实验结果与分析 | 第49-51页 |
| ·本章小结 | 第51-53页 |
| 第4章 基于海马-前额叶神经回路的工作记忆 | 第53-68页 |
| ·引言 | 第53-54页 |
| ·前额叶工作机理的数学描述 | 第54-59页 |
| ·前额叶工作机理的马尔可夫决策过程建模 | 第54-56页 |
| ·多巴胺调控机制 Q 学习描述的前额叶工作机理 | 第56-59页 |
| ·海马工作机理的数学描述——视觉陌生度内部动机 | 第59-60页 |
| ·视觉陌生度驱动的增量自主式视觉学习算法 | 第60-63页 |
| ·实验与讨论 | 第63-67页 |
| ·实验设计 | 第63-64页 |
| ·实验结果与分析 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 第5章 生长式长时记忆及其自主学习方法 | 第68-87页 |
| ·引言 | 第68页 |
| ·作为生长式长时记忆的增量自组织网络 | 第68-81页 |
| ·自组织映射神经网络 | 第68-70页 |
| ·现有的自组织网络存在的问题 | 第70-71页 |
| ·自组织增量学习神经网络 | 第71-75页 |
| ·视觉陌生度驱动的生长式长时记忆自主学习算法 | 第75-81页 |
| ·实验与讨论 | 第81-86页 |
| ·实验设计 | 第81页 |
| ·实验结果与分析 | 第81-86页 |
| ·本章小结 | 第86-87页 |
| 第6章 基于认知计算模型的复杂任务学习方法 | 第87-116页 |
| ·引言 | 第87页 |
| ·感知-动作映射知识 | 第87-90页 |
| ·感知-动作映射知识的自主学习 | 第90-100页 |
| ·感知-动作映射知识的增量学习与回忆 | 第90-93页 |
| ·基于生长式长时记忆的感知-动作映射自主学习算法 | 第93-100页 |
| ·基于感知-动作序列的复杂任务学习与执行 | 第100-107页 |
| ·实验与讨论 | 第107-115页 |
| ·实验设计 | 第107页 |
| ·感知-动作映射知识自主学习实验 | 第107-112页 |
| ·复杂任务学习与执行实验 | 第112-115页 |
| ·本章小结 | 第115-116页 |
| 第7章 结论与展望 | 第116-118页 |
| ·结论 | 第116-117页 |
| ·展望 | 第117-118页 |
| 参考文献 | 第118-124页 |
| 致谢 | 第124-125页 |
| 攻读学位期间参加的科研项目和成果 | 第125-127页 |
