| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 插图索引 | 第11-13页 |
| 表格索引 | 第13-14页 |
| 第一章 绪论 | 第14-36页 |
| ·智能机器人发展情况及本文研究问题的简介 | 第14-16页 |
| ·相关领域研究现状 | 第16-28页 |
| ·人工智能学派 | 第17-19页 |
| ·机器学习 | 第19-21页 |
| ·软计算方法 | 第21-25页 |
| ·移动机器人导航、定位及数字地图建模 | 第25-28页 |
| ·具有认知映射模块(CM)的智能机器人 | 第28页 |
| ·智能机器人研究的新方向 | 第28-32页 |
| ·自主发育方法 | 第28-30页 |
| ·模拟生物脑的方法 | 第30-32页 |
| ·论文的主要工作及创新点 | 第32-34页 |
| ·论文的章节安排 | 第34-36页 |
| 第二章 带有激光传感器的智能移动机器人算法研究 | 第36-58页 |
| ·导航算法概述 | 第37-38页 |
| ·未知环境下的行为信息势场法 | 第38-45页 |
| ·未知环境下路径规划分析 | 第38-39页 |
| ·行为信息场的建立 | 第39-42页 |
| ·路径选择惩罚函数 | 第42-44页 |
| ·实验结果 | 第44-45页 |
| ·室内 SLAM问题解决方案 | 第45-57页 |
| ·室内 SLAM问题解决思路 | 第46-47页 |
| ·机器人数学模型 | 第47页 |
| ·局部地图建模 | 第47-49页 |
| ·局部地图中的路标提取 | 第49-51页 |
| ·定点自定位法 | 第51-52页 |
| ·局部地图与全局地图的匹配、融合 | 第52-54页 |
| ·实验结果 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第三章 具有自主发育能力的认知模块研究 | 第58-87页 |
| ·认知模块的功能及意义 | 第58-60页 |
| ·基于自主心智发育的认知模块算法 | 第60-63页 |
| ·自主心智发育 | 第60-61页 |
| ·HDR与 IHDR | 第61-63页 |
| ·Fisher-HDR分类神经网络 | 第63-72页 |
| ·Fisher-HDR改进思路 | 第64-65页 |
| ·三层分类神经网络 | 第65-68页 |
| ·Fisher-HDR和 HDR的性能比较 | 第68-71页 |
| ·Fisher-HDR算法分析 | 第71-72页 |
| ·改进的增量LDA算法 | 第72-83页 |
| ·增量 LDA相关算法的比较和分析 | 第72-75页 |
| ·如何将 LDA问题转化为两个 PCA问题 | 第75-77页 |
| ·改进的自然幂法 | 第77-78页 |
| ·S_w(t)和S_m(t)的无损更新 | 第78-79页 |
| ·实验结果 | 第79-83页 |
| ·算法分析 | 第83页 |
| ·本章小结 | 第83-84页 |
| ·附录 | 第84-87页 |
| 第四章 神经科学及视觉生理学相关知识 | 第87-101页 |
| ·神经学说的基本概念 | 第87-90页 |
| ·神经元 | 第88-89页 |
| ·突触 | 第89-90页 |
| ·神经元电活动与神经编码 | 第90-93页 |
| ·神经元电活动的基本概念 | 第90-91页 |
| ·神经元产生电活动的过程 | 第91-92页 |
| ·神经编码模式 | 第92-93页 |
| ·视觉系统结合和视觉细胞感受野 | 第93-100页 |
| ·人类视觉神经系统结构 | 第93-94页 |
| ·视觉神经元的感受野特性及计算模型 | 第94-100页 |
| ·本章小节 | 第100-101页 |
| 第五章 具有短时发育能力的视网膜计算模型 | 第101-123页 |
| ·生物视网膜的结构与细胞类型 | 第102-104页 |
| ·视网膜网络结构模型 | 第104-114页 |
| ·视网膜的神经网络结构 | 第105-106页 |
| ·视网膜细胞的非均匀分布模型 | 第106-109页 |
| ·视网膜各层细胞的响应函数 | 第109-112页 |
| ·模拟实验结果 | 第112-114页 |
| ·视网膜计算模型的短时发育能力 | 第114-122页 |
| ·自适应的神经元传递函数 Syn(L) | 第115-118页 |
| ·网间细胞对 HC和 AC的自适应抑制信号 | 第118-119页 |
| ·GC的动态预测编码模型 | 第119-122页 |
| ·本章小节 | 第122-123页 |
| 第六章 时空感受野连接权发育的视皮层细胞神经簇模型 | 第123-144页 |
| ·视皮层细胞及其发育现象的相关研究现状 | 第124-128页 |
| ·视皮层细胞及相关计算模型 | 第124-126页 |
| ·视皮层发育现象及相关计算模型 | 第126-128页 |
| ·视皮层细胞时空联合感受野的神经簇模型 | 第128-132页 |
| ·单个神经元的响应模型 | 第128-130页 |
| ·时空联合神经簇模型结构 | 第130页 |
| ·神经簇模型的bottom-up响应函数 | 第130-131页 |
| ·带有侧抑制作用的神经簇模型响应函数 | 第131-132页 |
| ·时间感受野累加模型的假设性解释 | 第132-134页 |
| ·时空感受野连接权的发育规则 | 第134-136页 |
| ·空间权值的发育 | 第135页 |
| ·时间权值的发育 | 第135-136页 |
| ·模拟视皮层细胞发育结果 | 第136-143页 |
| ·方位选择性细胞发育过程模拟试验 | 第137-140页 |
| ·猫脑实验的模拟 | 第140-141页 |
| ·颜色颉颃细胞发育过程模拟试验 | 第141-143页 |
| ·本章小结 | 第143-144页 |
| 第七章 视觉注意力选择的多层感知网络 | 第144-158页 |
| ·视觉注意力选择研究现状 | 第145-146页 |
| ·多层bottom-up感知网络 | 第146-149页 |
| ·多层bottom-up感知网络结构 | 第146-147页 |
| ·MBSN模型中的信息处理 | 第147-149页 |
| ·基于新颖性的top-down信号 | 第149-151页 |
| ·实验结果 | 第151-156页 |
| ·MBSN模型特征提取能力的测试 | 第151-154页 |
| ·对静态场景的注意力选择 | 第154-156页 |
| ·对动态和静态混合场景的注意力选择 | 第156页 |
| ·本章小节 | 第156-158页 |
| 第八章 总结与展望 | 第158-161页 |
| ·全文研究工作总结 | 第158-159页 |
| ·进一步研究设想 | 第159-161页 |
| 参考文献 | 第161-169页 |
| 攻读博士学位期间发表的学术论文 | 第169-170页 |
| 致谢 | 第170-171页 |