首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

知识表示与知识表示学习在服务机器人中的应用研究

摘要第5-6页
ABSTRACT第6页
第1章 绪论第12-18页
    1.1 引言第12-13页
    1.2 智能服务机器人认知技术第13-14页
    1.3 知识图谱与知识表示学习第14-15页
    1.4 研究内容与论文结构第15-18页
第2章 知识图谱与知识表示学习第18-26页
    2.1 知识图谱第18-22页
        2.1.1 常用通用知识图谱第19页
        2.1.2 知识图谱应用第19-22页
    2.2 知识表示学习第22-26页
第3章 基于知识图谱的服务机器人应用第26-42页
    3.1 知识表示与推理在服务机器人中的应用第26-29页
        3.1.1 常识知识资源第26-28页
        3.1.2 服务机器人系统中的知识表示与推理第28-29页
    3.2 可佳服务机器人中的知识表示与推理第29-33页
        3.2.1 可佳服务机器人第29-30页
        3.2.2 可佳中的知识表示与任务规划第30-32页
        3.2.3 基于知识图谱的世界模型第32-33页
    3.3 佳佳导游服务中的知识图谱及任务规划第33-40页
        3.3.1 佳佳服务机器人第33页
        3.3.2 安徽旅游知识图谱第33-35页
        3.3.3 佳佳导游对话系统架构第35-37页
        3.3.4 基于知识图谱的旅游线路规划第37-39页
        3.3.5 实际测试与结果第39-40页
    3.4 本章小结第40-42页
第4章 基于生成对抗网络的知识表示学习框架第42-58页
    4.1 研究背景与相关工作第42-47页
        4.1.1 知识表示学习第42-43页
        4.1.2 离散数据生成模型第43-46页
        4.1.3 用于知识表示学习的生成模型第46-47页
    4.2 用于知识表示学习的对抗式负样本生成第47-51页
        4.2.1 符号约定第47页
        4.2.2 目标模型第47-49页
        4.2.3 对抗式负样本生成器第49-50页
        4.2.4 训练框架第50-51页
    4.3 实验与结果第51-56页
        4.3.1 数据集第51-52页
        4.3.2 实现细节第52页
        4.3.3 链接预测第52-54页
        4.3.4 三元组分类第54-55页
        4.3.5 负样本生成示例第55-56页
    4.4 本章小结第56-58页
第5章 总结与展望第58-62页
    5.1 工作总结第58-59页
    5.2 未来工作第59-62页
参考文献第62-68页
致谢第68-70页
在读期间发表的学术论文与取得的研究成果第70页

论文共70页,点击 下载论文
上一篇:基于深度学习的医学影像分析与标注
下一篇:数模混合突触及神经元电路的设计与实现