| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 地图学习综述 | 第12-15页 |
| 1.4 课题的主要工作概述 | 第15-18页 |
| 1.5 论文章节安排 | 第18-20页 |
| 第2章 主动探索的基准模型和梯度下降法简介 | 第20-30页 |
| 2.1 引言 | 第20页 |
| 2.2 基准模型介绍 | 第20-24页 |
| 2.2.1 棋盘迷宫基准模型介绍 | 第20-22页 |
| 2.2.2 多臂赌博机基准模型 | 第22-24页 |
| 2.3 基于加法和乘法的梯度下降法 | 第24-25页 |
| 2.4 学习效率的自我调整 | 第25-27页 |
| 2.5 线性网络的自适应乘法梯度下降法 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 部分可观测环境中的地图学习和主动探索 | 第30-48页 |
| 3.1 引言 | 第30页 |
| 3.2 基于概率的地图学习方法回顾 | 第30-32页 |
| 3.3 探索模型-部分可观测马尔科夫决策过程(POMDP) | 第32-33页 |
| 3.4 智能机器人预测能力衡量准则 | 第33-36页 |
| 3.5 内部奖赏函数 | 第36-39页 |
| 3.5.1 局部误差下降法 | 第36-37页 |
| 3.5.2 局部学习速率 | 第37页 |
| 3.5.3 全局学习效果估计 | 第37-39页 |
| 3.6 基于内部奖赏最大化的行为选择 | 第39-40页 |
| 3.7 系统仿真 | 第40-46页 |
| 3.7.1 基于加法与基于统计规律的梯度下降法的学习效果比较 | 第42-46页 |
| 3.7.2 基于乘法的探索规则与基于自适应乘法探索规则的学习效果比较 | 第46页 |
| 3.8 本章小结 | 第46-48页 |
| 第4章 全地图学习主动探索策略 | 第48-64页 |
| 4.1 引言 | 第48页 |
| 4.2 探索策略 | 第48-49页 |
| 4.3 多臂赌博机中的探索行为 | 第49-51页 |
| 4.4 多臂赌博机中的探索策略 | 第51-52页 |
| 4.5 增益最大化最优探索策略 | 第52-56页 |
| 4.5.1 探索策略性能衡量和增益定义 | 第52-53页 |
| 4.5.2 理想增益最大化探索策略的渐近行为 | 第53-54页 |
| 4.5.3 增益最大化探索策略的最优性 | 第54-56页 |
| 4.6 基于增益最大化的主动探索 | 第56-57页 |
| 4.7 系统仿真 | 第57-63页 |
| 4.7.1 幂律分布参数 | 第58-60页 |
| 4.7.2 均匀分布参数 | 第60-63页 |
| 4.8 本章小结 | 第63-64页 |
| 第5章 结论与展望 | 第64-66页 |
| 5.1 结论 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
