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

基于Q学习的虚拟玩偶人工情感模型研究

摘要第3-5页
abstract第5-6页
第1章 绪论第10-16页
    1.1 研究背景和意义第10-11页
    1.2 国内外研究现状及存在的问题第11-14页
        1.2.1 Q学习算法研究现状第11-12页
        1.2.2 人工情感模型研究现状第12-14页
    1.3 本文研究内容第14页
    1.4 本文组织结构第14-16页
第2章 应用于虚拟玩偶人工情感模型的Q学习算法研究第16-31页
    2.1 Q学习算法及SCSF-Q学习算法第16-17页
    2.2 Q学习算法及SCSF-Q学习算法存在的问题第17-19页
    2.3 单链逆栈Q学习算法第19-24页
        2.3.1 改进思想第19-20页
        2.3.2 SCIS-Q学习算法描述第20-22页
        2.3.3 SCIS-Q学习算法仿真实验及分析第22-24页
    2.4 混合单链逆栈Q学习算法第24-30页
        2.4.1 改进思想第24-25页
        2.4.2 HSCIS-Q学习算法描述第25-27页
        2.4.3 HSCIS-Q学习算法仿真实验及分析第27-30页
    2.5 算法实验结果总结第30页
    2.6 本章小结第30-31页
第3章 基于认知评价的分层情感模型研究第31-47页
    3.1 分层情感模型第31-35页
        3.1.1 分层情感模型基础第31-33页
        3.1.2 分层情感模型关键点分析第33-35页
    3.2 基于认知评价的分层情感模型存在的问题第35-36页
    3.3 改进的分层情感模型第36-42页
        3.3.1 模型心理学依据第36页
        3.3.2 改进的分层情感模型框架第36-38页
        3.3.3 改进的认知评价方法第38-41页
        3.3.4 PAD空间情感的计算方法第41-42页
    3.4 仿真实验验证第42-46页
        3.4.1 仿真实验环境第42页
        3.4.2 认知评价方法实验结果分析第42-45页
        3.4.3 情感计算方法实验结果分析第45-46页
    3.5 本章小结第46-47页
第4章 基于Q学习算法的虚拟玩偶情感模型设计与仿真实验第47-64页
    4.1 虚拟玩偶情感模型应用场景描述第47页
    4.2 虚拟玩偶情感模型框架第47-48页
    4.3 虚拟玩偶情感推理系统设计第48-54页
        4.3.1 性格与心境的映射计算第48-49页
        4.3.2 玩偶心境衰减机制设定第49-50页
        4.3.3 评价向量和心境向量隶属度函数确定第50-52页
        4.3.4 玩偶知识库设计第52-54页
    4.4 虚拟玩偶情感决策系统设计第54-58页
        4.4.1 虚拟玩偶情感决策系统框架第54-55页
        4.4.2 虚拟玩偶行为动作选择策略第55-57页
        4.4.3 虚拟玩偶学习目标及奖励策略第57页
        4.4.4 玩偶行为动作库设计第57-58页
    4.5 仿真实验描述第58页
        4.5.1 实验目的第58页
        4.5.2 实验环境第58页
    4.6 情感推理仿真实验结果及分析第58-61页
        4.6.1 不同个性对情感影响测试第58-60页
        4.6.2 不同输入事件对情感影响测试第60-61页
    4.7 情感决策仿真实验结果及分析总结第61-62页
        4.7.1 情感决策系统测试第61-62页
        4.7.2 虚拟玩偶学习效率测试第62页
    4.8 本章小结第62-64页
第5章 总结与展望第64-66页
    5.1 本文总结第64页
    5.2 研究展望第64-66页
致谢第66-67页
参考文献第67-70页
攻读学位期间获得与学位论文相关的科研成果目录第70-71页
附录第71-76页

论文共76页,点击 下载论文
上一篇:基于模糊PID轴系摇摆台电液控制系统动态仿真研究
下一篇:基于改进多尺度核函数的光纤传感信号预测研究