| 摘要 | 第4-6页 |
| Abstract | 第6页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题来源及研究背景 | 第10页 |
| 1.2 神经网络的发展与自组织机器人主体研究 | 第10-12页 |
| 1.3 基于神经生理学和认知科学的认知模型研究与发展 | 第12-13页 |
| 1.4 自组织神经网络的发展 | 第13-15页 |
| 1.4.1 生物学启示 | 第13页 |
| 1.4.2 自组织竞争神经网络的发展 | 第13-14页 |
| 1.4.3 结构自适应自组织神经网络的研究 | 第14-15页 |
| 1.5 本文主要工作 | 第15-16页 |
| 1.6 论文组织 | 第16-17页 |
| 第2章 结构可生长的运动技能认知模型 | 第17-26页 |
| 2.1 认知模型的神经生理学基础 | 第17-20页 |
| 2.1.1 反射弧——最基本的神经系统 | 第17-18页 |
| 2.1.2 反射弧中的神经网络 | 第18-19页 |
| 2.1.3 基于刺激和反应的学习 | 第19-20页 |
| 2.2 认知模型的总体设计思路 | 第20-22页 |
| 2.2.1 反射弧式的结构 | 第20-21页 |
| 2.2.2 反射式的工作进程 | 第21页 |
| 2.2.3 实现突触修饰与网络结构生长 | 第21-22页 |
| 2.3 结构可生长的技能认知模型组成及工作原理 | 第22-25页 |
| 2.3.1 CMgs的组成 | 第22-24页 |
| 2.3.2 CMgs的工作原理 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 认知模型的自组织算法基础 | 第26-38页 |
| 3.1 细胞生长结构算法 | 第26-31页 |
| 3.1.1 GCS 网络构成 | 第27页 |
| 3.1.2 GCS 竞争与生长算法 | 第27-30页 |
| 3.1.3 仿真实验研究 | 第30-31页 |
| 3.2 强化Hebb 突触修饰算法 | 第31-36页 |
| 3.2.1 经典的Hebb 学习律与反Hebb 学习律 | 第32-33页 |
| 3.2.2 基于强化Hebb 学习的非联合型学习模型 | 第33-34页 |
| 3.2.3 仿真实验研究 | 第34-36页 |
| 3.3 本章小结 | 第36-38页 |
| 第4章 结构可生长的认知模型结构、算法与实现 | 第38-50页 |
| 4.1 CMgs反射弧结构RC与工作算法WA | 第38-39页 |
| 4.2 自组织学习算法OA | 第39-43页 |
| 4.2.1 生长算法GRA | 第39-42页 |
| 4.2.2 强化Hebb 算法 | 第42-43页 |
| 4.3 评价机构 | 第43页 |
| 4.4 认知模型在技能学习任务中的实现方案 | 第43-44页 |
| 4.5 认知模型控制二阶系统仿真实验 | 第44-48页 |
| 4.5.1 问题描述及评价机制EA 的建立 | 第44-46页 |
| 4.5.2 认知模型的控制技能学习及实验结果分析 | 第46-48页 |
| 4.6 本章小结 | 第48-50页 |
| 第5章 认知模型在运动平衡技能学习中的应用 | 第50-61页 |
| 5.1 倒立摆系统及其学习控制研究 | 第50-53页 |
| 5.1.1 倒立摆系统及其神经网络控制研究 | 第50-51页 |
| 5.1.2 倒立摆的数学模型 | 第51-53页 |
| 5.2 面向平衡任务的技能认知方案 | 第53-54页 |
| 5.3 倒立摆系统平衡技能认知学习仿真实验 | 第54-60页 |
| 5.3.1 直线一级倒立摆的平衡控制 | 第54-58页 |
| 5.3.2 旋转一级倒立摆的平衡控制 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间所发表的学术论文 | 第67-68页 |
| 致谢 | 第68页 |
