| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-10页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题的研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 3D手势跟踪的研究现状 | 第10-11页 |
| 1.2.2 小脑运动控制功能及其模型的研究现状 | 第11页 |
| 1.3 论文研究内容及其结构 | 第11-14页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 论文结构 | 第12-14页 |
| 第二章 3D手势跟踪简介 | 第14-23页 |
| 2.1 3D手势跟踪中解决高维的方法 | 第14-19页 |
| 2.1.1 认知行为模型 | 第14-15页 |
| 2.1.2 粒子滤波 | 第15-16页 |
| 2.1.3 人工神经网络或者机器学习 | 第16-17页 |
| 2.1.4 优化方法 | 第17页 |
| 2.1.5 智能计算 | 第17-18页 |
| 2.1.6 Rao-Blackwellised粒子滤波器 | 第18-19页 |
| 2.2 3D手势跟踪中手臂延伸与抓握动作之间的时空协调模型 | 第19-21页 |
| 2.2.1 概念模型 | 第19页 |
| 2.2.2 Hoff —Arbib模型 | 第19-20页 |
| 2.2.3 延伸与抓握空间协调控制模型 | 第20页 |
| 2.2.4 手臂延伸和抓握之间时间协调的神经网络模型 | 第20-21页 |
| 2.2.5 手势时空协调的神经网络模型和静态逆计算模型 | 第21页 |
| 2.3 本章小结 | 第21-23页 |
| 第三章 小脑的运动控制功能及其相关模型的研究 | 第23-30页 |
| 3.1 小脑的运动控制功能角色 | 第23-24页 |
| 3.1.1 小脑的认知控制功能 | 第23页 |
| 3.1.2 小脑的预测控制功能 | 第23-24页 |
| 3.2 小脑相关控制模型 | 第24-29页 |
| 3.2.1 CMAC网络模型 | 第24-25页 |
| 3.2.2 Smith预测器小脑控制模型 | 第25-27页 |
| 3.2.3 Kalman预测器小脑控制模型 | 第27-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第四章 适用 3D手势跟踪中高维结构的小脑控制模型构建 | 第30-38页 |
| 4.1 模型的构建 | 第30-32页 |
| 4.1.1 自适应模型控制器 | 第30-31页 |
| 4.1.2 模型参考自适应小脑控制模型 | 第31-32页 |
| 4.2 模型参考自适应小脑控制模型的学习和训练 | 第32-34页 |
| 4.2.1 学习规则 | 第32-34页 |
| 4.2.2 训练过程 | 第34页 |
| 4.3 新的粒子跟踪算法 | 第34-35页 |
| 4.4 实验结果 | 第35-36页 |
| 4.5 本章小结 | 第36-38页 |
| 第五章 基于 3D手势跟踪的手臂移动时间协调新型神经网络模型设计方法研究 | 第38-50页 |
| 5.1 手臂移动与抓取时空协调计算模型 | 第38-40页 |
| 5.1.1 模型的介绍 | 第38-39页 |
| 5.1.2 手臂移动模型 | 第39-40页 |
| 5.2 手臂移动行为视觉输入通道 | 第40-41页 |
| 5.3 手臂移动时间协调新型神经网络模型 | 第41-45页 |
| 5.3.1 小脑控制模型的构建 | 第42-44页 |
| 5.3.2 模型的学习规则 | 第44-45页 |
| 5.3.3 模型的训练 | 第45页 |
| 5.4 仿真实验 | 第45-49页 |
| 5.4.1 不同速度和加速度的仿真 | 第45-46页 |
| 5.4.2 目标大小的扰动仿真 | 第46-49页 |
| 5.5 本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 6.1 总结 | 第50页 |
| 6.2 展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 附录1 读硕士学位期间撰写的论文 | 第56-57页 |
| 附录2 读硕士学位期间参加的科研项目 | 第57-58页 |
| 致谢 | 第58页 |
