類腦智能——大腦情感學習模型的應用研究

第1篇 大腦情感學習模型基礎篇
第1章 大腦情感學習模型概述 2
1.1 類腦智能 2
1.2 大腦情感學習模型 4
1.3 大腦情感學習模型的研究現狀 5
1.3.1 智能控制應用 5
1.3.2 數據分析應用 7
1.4 大腦情感學習模型的特點 8
1.5 本章小結 8
第2章 神經生理學基礎 9
2.1 大腦邊緣系統 9
2.2 大腦反射通路 11
2.3 大腦神經網絡結構 11
2.4 大腦神經網絡學習 13
2.5 本章小結 14
第3章 大腦情感學習算法 15
3.1 強化學習 15
3.2 大腦情感學習 16
3.3 大腦情感學習模型權值調節 18
3.3.1 杏仁體權值調節 18
3.3.2 眶額皮質權值調節 19
3.4 穩定性分析 19
3.4.1 杏仁體穩定性分析 20
3.4.2 眶額皮質穩定性分析 20
3.5 大腦情感學習模型的局限性 20
3.6 本章小結 22
第2篇 大腦情感學習模型改進篇
第4章 監督型大腦情感學習網絡 24
4.1 人工神經網絡 24
4.1.1 人工神經元 24
4.1.2 人工神經網絡分類 26
4.1.3 人工神經網絡學習方式 27
4.2 構建監督型大腦情感學習網絡 29
4.2.1 SBEL網絡結構 29
4.2.2 SBEL算法 30
4.2.3 SBEL算法流程 32
4.3 實驗與分析 33
4.3.1 數據集與預處理 33
4.3.2 分類性能評價 34
4.3.3 實驗結果 36
4.3.4 比較與分析 39
4.4 本章小結 40
第5章 競爭型大腦情感學習網絡 41
5.1 生物學基礎 41
5.2 “贏者通吃”競爭機制 42
5.3 構建競爭型大腦情感學習網絡 43
5.3.1 CBEL網絡結構 43
5.3.2 CBEL算法 44
5.3.3 CBEL算法流程 45
5.4 實驗與分析 45
5.4.1 實驗設置 46
5.4.2 實驗結果 46
5.4.3 比較與分析 49
5.5 本章小結 50
第3篇 大腦情感學習模型應用篇
第6章 混沌時間序列預測 52
6.1 數據預測步驟 52
6.2 大腦情感學習預測模型 54

6.3 自適應遺傳算法優化 56
6.3.1 染色體編碼 56
6.3.2 適應度函數 57
6.3.3 遺傳算子 57
6.3.4 AGA-BEL算法步驟 58
6.4 預測模擬實驗 58
6.4.1 Lorenz混沌時間序列預測 58
6.4.2 磁暴環電流指數Dst預測 63
6.5 本章小結 69
第7章 疾病診斷 70
7.1 電腦輔助疾病診斷的步驟 71
7.2 疾病診斷BEL網絡 72
7.2.1 網絡結構 72
7.2.2 算法 72
7.3 模型優化 74
7.3.1 改進的自適應遺傳算法 74
7.3.2 遺傳操作 75
7.3.3 IAGA-SBEL算法步驟 77
7.4 實驗與分析 78
7.4.1 乳腺癌診斷 78
7.4.2 心臟病診斷 82
7.4.3 淋巴疾病診斷 84
7.5 本章小結 86
第8章 表情識別 87
8.1 表情識別步驟 88
8.1.1 人臉檢測與預處理 88
8.1.2 表情特徵提取 88
8.1.3 表情分類 89
8.2 表情識別網絡 91
8.3 粒子群算法優化 93
8.3.1 改進粒子群算法 93
8.3.2 優化操作 95
8.3.3 IPSO-CBEL算法步驟 96
8.4 實驗與分析 97
8.4.1 JAFFE表情識別 98
8.4.2 Cohn-Kanade表情識別 101
8.5 本章小結 105
第9章 基於表情的人機情感交互 106
9.1 面部表情合成方法 106
9.1.1 基於網格變形的表情合成 106
9.1.2 基於數據驅動的表情合成 107
9.2 表情合成要素 107
9.2.1 表情肌 107
9.2.2 面部行為編碼系統 108
9.2.3 Candide模型 109
9.3 紋理貼圖 110
9.3.1 紋理坐標歸一化 110
9.3.2 表情合成 110
9.4 人機情感交互 112
9.4.1 人機交互虛擬模擬 113
9.4.2 人機交互真實場景 114
9.5 本章小結 116
總結與展望 117
附錄A 119
參考文獻 120