文摘
英文文摘
0前言
0.1概述
0.2多层感知器学习算法的现状
0.2.1 BP(Back-Propogation)算法的特点
0.2.2 BP算法的若干改进算法
0.3本文的研究内容
1初始权值优化技术
1.1权值的波动对多层感知器收敛的影响
1.2互信息量的表示
1.3对互信息量的合理简化
1.4优化准则函数的构造
1.5优化准则函数与收敛之间的关系
1.6优化因子的选择
1.7优化次数的选择
1.8初始权值优化技术与BP算法的结合
2系统的实现
2.1单输出型多层前馈网络的应用
2.2移动机器人的语音教学学习的功能框图
2.3系统的硬件部分
2.3.1系统的功能模块框图
2.3.2移动机器人的主体机械部分
2.3.3移动机器人的电路设计部分
2.4语音识别部分的介绍
2.5系统的软件流程图
2.5.1算法的实现
2.5.2主程序流程框图及简要说明
3实验结论与分析
3.1实验结论
3.2实验结论分析
3.2.1从初始权值的角度分析初始权值优化
3.2.2优化准则函数优化过程的分析
3.2.3单输出型和多输出型产生差异的分析
4机器人情感思维模型的探讨
4.1情感思维模型的发展
4.2情感思维模型框图
4.2.1脑电研究的相关内容
4.2.2认知科学对情感的认识
4.2.3初始权值优化技术的启发
4.2.4情感思维模型
4.2.5此模型对人的行为的模拟的合理性论证
4.3加载选择器的实现
4.4加载选择器的实验结果
5结论与展望
6附表
参考文献
硕士期间发表论文
致谢