| 0 前言 | 第1-14页 |
| ·概述 | 第8-9页 |
| ·多层感知器学习算法的现状 | 第9-13页 |
| ·BP(Back-Propogation)算法的特点 | 第9页 |
| ·BP算法的若干改进算法 | 第9-13页 |
| ·本文的研究内容 | 第13-14页 |
| 1 初始权值优化技术 | 第14-21页 |
| ·权值的波动对多层感知器收敛的影响 | 第14页 |
| ·互信息量的表示 | 第14-16页 |
| ·对互信息量的合理简化 | 第16页 |
| ·优化准则函数的构造 | 第16-17页 |
| ·优化准则函数与收敛之间的关系 | 第17-18页 |
| ·优化因子的选择 | 第18页 |
| ·优化次数的选择 | 第18-19页 |
| ·初始权值优化技术与BP算法的结合 | 第19-21页 |
| 2 系统的实现 | 第21-26页 |
| ·单输出型多层前馈网络的应用 | 第21页 |
| ·移动机器人的语音教学学习的功能框图 | 第21-22页 |
| ·系统的硬件部分 | 第22-23页 |
| ·系统的功能模块框图 | 第22-23页 |
| ·移动机器人的主体机械部分 | 第23页 |
| ·移动机器人的电路设计部分 | 第23页 |
| ·语音识别部分的介绍 | 第23-24页 |
| ·系统的软件流程图 | 第24-26页 |
| ·算法的实现 | 第24页 |
| ·主程序流程框图及简要说明 | 第24-26页 |
| 3 实验结论与分析 | 第26-31页 |
| ·实验结论 | 第26页 |
| ·实验结论分析 | 第26-31页 |
| ·从初始权值的角度分析初始权值优化 | 第26-27页 |
| ·优化准则函数优化过程的分析 | 第27-29页 |
| ·单输出型和多输出型产生差异的分析 | 第29-31页 |
| 4 机器人情感思维模型的探讨 | 第31-38页 |
| ·情感思维模型的发展 | 第31-32页 |
| ·情感思维模型框图 | 第32-35页 |
| ·脑电研究的相关内容 | 第32页 |
| ·认知科学对情感的认识 | 第32页 |
| ·初始权值优化技术的启发 | 第32-34页 |
| ·情感思维模型 | 第34页 |
| ·此模型对人的行为的模拟的合理性论证 | 第34-35页 |
| ·加载选择器的实现 | 第35-37页 |
| ·加载选择器的实验结果 | 第37-38页 |
| 5 结论与展望 | 第38-39页 |
| 6 附表 | 第39-44页 |
| 参考文献 | 第44-45页 |
| 硕士期间发表论文 | 第45-46页 |
| 致谢 | 第46页 |