| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-25页 |
| ·引言 | 第12-13页 |
| ·神经网络发展概况 | 第13-15页 |
| ·实值神经网络的发展历程 | 第13-14页 |
| ·复值神经网络的发展历程 | 第14-15页 |
| ·复值神经网络的理论研究及在图像处理中的应用现状 | 第15-18页 |
| ·复值神经网络网络结构 | 第15页 |
| ·复值神经网络的分析 | 第15-17页 |
| ·复值神经网络的学习算法 | 第17-18页 |
| ·复值神经网络在图像处理中的应用现状 | 第18页 |
| ·机器人视觉伺服的研究现状 | 第18-22页 |
| ·机器人视觉伺服的一般方法 | 第19页 |
| ·基于神经网络的机器人视觉伺服控制方法 | 第19-22页 |
| ·基于模糊逻辑的机器人视觉伺服控制 | 第22页 |
| ·本文研究工作的主要内容 | 第22-25页 |
| ·复值Hopfield 神经网络的综合 | 第22-23页 |
| ·视觉目标的恢复和识别 | 第23-24页 |
| ·机器人的视觉伺服智能抓取控制 | 第24-25页 |
| 第二章 理论基础 | 第25-38页 |
| ·引言 | 第25页 |
| ·一些数学知识准备 | 第25-27页 |
| ·M 矩阵理论 | 第25页 |
| ·矩阵不等式 | 第25-26页 |
| ·奇异值分解 | 第26页 |
| ·自治系统的Lyapunov 稳定定理 | 第26-27页 |
| ·神经网络基本理论 | 第27-31页 |
| ·神经网络模型 | 第27-28页 |
| ·几种典型的神经网络模型 | 第28-31页 |
| ·图像恢复与识别 | 第31-32页 |
| ·图像恢复的概念和常用的图像恢复方法 | 第31-32页 |
| ·图像识别 | 第32页 |
| ·机器人视觉伺服控制的基本原理 | 第32-37页 |
| ·机器人运动学基础 | 第32-35页 |
| ·机器人视觉伺服系统 | 第35页 |
| ·图像雅可比矩阵 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 一类离散时间复值Hopfield 神经网络的分析与综合 | 第38-49页 |
| ·引言 | 第38-39页 |
| ·系统模型 | 第39-40页 |
| ·一类离散时间复值Hopfield 神经网络 | 第39页 |
| ·复值激活函数限制 | 第39-40页 |
| ·稳定性分析 | 第40-41页 |
| ·基于稳定性分析的综合 | 第41-43页 |
| ·基于平衡条件的网络综合 | 第42-43页 |
| ·基于稳定条件的权值修正 | 第43页 |
| ·仿真研究 | 第43-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 吸引域受限条件下复值Hopfield 联想记忆器的分析与综合 | 第49-65页 |
| ·引言 | 第49页 |
| ·系统模型 | 第49-51页 |
| ·一类连续复值Hopfield 神经网络 | 第49-50页 |
| ·复值激活函数的限制 | 第50-51页 |
| ·平衡点的转移 | 第51页 |
| ·稳定性分析 | 第51-53页 |
| ·基于伪逆规则的系统综合 | 第53-59页 |
| ·综合问题描述 | 第53页 |
| ·平衡条件限制 | 第53-54页 |
| ·吸引域限制下的系统综合 | 第54-55页 |
| ·仿真研究 | 第55-59页 |
| ·基于奇异值分解的系统综合 | 第59-64页 |
| ·综合问题描述 | 第59页 |
| ·平衡条件限制 | 第59-61页 |
| ·吸引域限制下的系统综合 | 第61-62页 |
| ·仿真研究 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 基于复多值Hopfield 神经网络的图像联想记忆 | 第65-76页 |
| ·引言 | 第65-66页 |
| ·一种具有多值状态的复值Hopfield 神经网络模型 | 第66-68页 |
| ·复多值神经元模型 | 第66-67页 |
| ·复多值Hopfield 神经网络的性能 | 第67页 |
| ·复多值Hopfield 神经网络的权值学习算法 | 第67-68页 |
| ·灰度图像的复值表示 | 第68-70页 |
| ·灰度图像的直接复值表示 | 第68-69页 |
| ·频域图像的复值表示 | 第69-70页 |
| ·基于能量递减的复多值Hopfield 联想记忆器设计 | 第70-73页 |
| ·复多值Hopfield 神经网络的平衡条件 | 第70-71页 |
| ·基于能量下降的复多值Hopfield 神经网络权值修正算法 | 第71-73页 |
| ·灰度图像联想记忆的实现 | 第73-75页 |
| ·灰度图像的预处理 | 第73-74页 |
| ·基于能量递减综合方法灰度图像联想记忆仿真研究 | 第74-75页 |
| ·本章小结 | 第75-76页 |
| 第六章 基于模糊行为和神经网络的机器人视觉伺服控制 | 第76-83页 |
| ·引言 | 第76页 |
| ·机器人视觉伺服实现方案 | 第76-80页 |
| ·视觉伺服系统的结构 | 第76-77页 |
| ·智能抓取中的模糊行为 | 第77-78页 |
| ·智能抓取中的局部神经网络 | 第78页 |
| ·系统整体实现方案 | 第78-80页 |
| ·仿真研究 | 第80-82页 |
| ·本章小结 | 第82-83页 |
| 第七章 复杂环境下工件的识别和机器人智能抓取 | 第83-96页 |
| ·引言 | 第83页 |
| ·基于复多值感知器的工件图像识别 | 第83-87页 |
| ·用于灰度图像识别的复多值感知器 | 第83-85页 |
| ·基于复多值感知器的件识别实验 | 第85-87页 |
| ·基于复值Hopfield 联想记忆器的工件图像恢复和特征提取 | 第87-91页 |
| ·基于视觉的机器人智能抓取 | 第91-94页 |
| ·KLD-600 型六自由度关节机器人 | 第91-93页 |
| ·视觉伺服控制中的摄像系统配置 | 第93页 |
| ·基于视觉的机器人智能抓取实验结果 | 第93-94页 |
| ·本章小结 | 第94-96页 |
| 第八章 总结与展望 | 第96-98页 |
| 参考文献 | 第98-107页 |
| 攻读博士学位期间文章发表和科研情况 | 第107-109页 |
| 致谢 | 第109页 |
