外骨骼机器人云脑架构及其学习算法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究及发展现状 | 第11-19页 |
| 1.2.1 云脑机器人系统 | 第11-12页 |
| 1.2.2 机器人云脑体系架构 | 第12-17页 |
| 1.2.3 云机器学习现状 | 第17-18页 |
| 1.2.4 云脑机器人应用现状 | 第18-19页 |
| 1.3 本论文目标和意义 | 第19页 |
| 1.4 本文内容与组织架构 | 第19-21页 |
| 第二章 机器人云脑架构设计与实现 | 第21-42页 |
| 2.1 概述 | 第21-22页 |
| 2.2 关键技术 | 第22-26页 |
| 2.2.1 云脑平台基础架构 | 第22-23页 |
| 2.2.2 物联网通信技术 | 第23-25页 |
| 2.2.3 实时消息中间件 | 第25-26页 |
| 2.3 系统架构 | 第26-34页 |
| 2.3.1 批处理层 | 第28-30页 |
| 2.3.2 快速处理层 | 第30-32页 |
| 2.3.3 服务层 | 第32-34页 |
| 2.4 平台特点 | 第34-35页 |
| 2.4.1 高可靠性和高扩展性 | 第34-35页 |
| 2.4.2 社会性和智能性 | 第35页 |
| 2.5 架构验证 | 第35-41页 |
| 2.5.1 实验平台及场景 | 第35-37页 |
| 2.5.2 实验结果与分析 | 第37-41页 |
| 2.6 本章小结 | 第41-42页 |
| 第三章 人机安全状态检测方法 | 第42-62页 |
| 3.1 概述 | 第42-43页 |
| 3.2 异常检测 | 第43-49页 |
| 3.2.1 孤立森林 | 第44-47页 |
| 3.2.2 异常检测模型 | 第47-48页 |
| 3.2.3 实验结果与分析 | 第48-49页 |
| 3.3 状态预测 | 第49-58页 |
| 3.3.1 自编码器 | 第51-53页 |
| 3.3.2 序列模型 | 第53-56页 |
| 3.3.3 状态预测模型 | 第56-57页 |
| 3.3.4 实验结果与分析 | 第57-58页 |
| 3.4 状态分类 | 第58-61页 |
| 3.4.1 类偏斜问题 | 第59-60页 |
| 3.4.2 实验结果与分析 | 第60-61页 |
| 3.5 本章小结 | 第61-62页 |
| 第四章 人机安全状态分析方法 | 第62-70页 |
| 4.1 概述 | 第62页 |
| 4.2 可解释性 | 第62-65页 |
| 4.2.1 套索回归 | 第62-63页 |
| 4.2.2 局部可解释性 | 第63-65页 |
| 4.2.3 实验结果与分析 | 第65页 |
| 4.3 关联规则分析 | 第65-69页 |
| 4.3.1 数据变换 | 第65-67页 |
| 4.3.2 关联模型构建 | 第67-68页 |
| 4.3.3 实验结果与分析 | 第68-69页 |
| 4.4 本章小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 本文总结 | 第70-71页 |
| 5.2 研究展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 附录A 数据库部分详细信息 | 第78-79页 |
| 附录B 可解释性实验结果 | 第79页 |
