| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题背景及研究意义 | 第9-10页 |
| 1.3 人工情感研究现状 | 第10-13页 |
| 1.3.1 人工情感建模 | 第10-11页 |
| 1.3.2 人工情感识别 | 第11页 |
| 1.3.3 人工情感表达 | 第11-13页 |
| 1.3.4 人工情感机理 | 第13页 |
| 1.4 机器人学习研究现状 | 第13-16页 |
| 1.4.1 机器人学习方法 | 第14-16页 |
| 1.4.2 机器人学习的发展方向 | 第16页 |
| 1.5 对研究现状的分析 | 第16页 |
| 1.6 课题主要研究内容 | 第16-18页 |
| 第2章 学习算法分析及改进 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 学习算法简介 | 第18-23页 |
| 2.2.1 CMAC 网络学习算法 | 第18-20页 |
| 2.2.2 遗传算法 | 第20-21页 |
| 2.2.3 强化学习算法 | 第21-23页 |
| 2.3 学习算法分析 | 第23-24页 |
| 2.4 学习算法改进 | 第24-25页 |
| 2.5 基于人工情感的机器人学习框架 | 第25-26页 |
| 2.6 本章小结 | 第26-28页 |
| 第3章 人工情感建模 | 第28-41页 |
| 3.1 引言 | 第28页 |
| 3.2 基于 Markov 链与欧氏空间的情感模型 | 第28-31页 |
| 3.2.1 人工情感模型构建 | 第28-30页 |
| 3.2.2 仿真结果与分析 | 第30-31页 |
| 3.3 基于 SOM 神经网络与认知推理的交互情感模型 | 第31-36页 |
| 3.3.1 SOM 神经网络 | 第31页 |
| 3.3.2 人工情感模型构建 | 第31-32页 |
| 3.3.3 仿真实验与结果分析 | 第32-36页 |
| 3.4 基于模糊推理的人工情感模型 | 第36-40页 |
| 3.4.1 模糊集合论 | 第36-38页 |
| 3.4.2 模糊情感模型建立 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于人工情感的机器人学习算法设计及实验 | 第41-58页 |
| 4.1 引言 | 第41页 |
| 4.2 机器人生存实验 | 第41-48页 |
| 4.2.1 仿真实验环境设定 | 第41-42页 |
| 4.2.2 人工情感模型构建 | 第42页 |
| 4.2.3 基于改进 CMAC 学习算法的实验 | 第42-45页 |
| 4.2.4 基于改进遗传算法的实验 | 第45-48页 |
| 4.3 机器人导航实验 | 第48-57页 |
| 4.3.1 机器人基本设定 | 第49页 |
| 4.3.2 人工情感模型的建立 | 第49-51页 |
| 4.3.3 机器人行为控制设计 | 第51-54页 |
| 4.3.4 仿真实验及结果分析 | 第54-55页 |
| 4.3.5 强化学习算法对比实验 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读学位期间发表的学术论文及其它成果 | 第64-66页 |
| 致谢 | 第66页 |