【机器感知与模式识别】改进Center-Net网络的自主喷涂机器人室内窗户检测

【机器感知与模式识别】中国象棋机器人棋子定位与识别方法

【机器学习】一种基于Mark点的点胶机器人视觉目标定位方法

机器感知与模式识别：脑功能网络的fMRI特征提取及脑部疾病机器识别

机器感知与模式识别：一种机器人未知环境下动态目标跟踪交互多模滤波算法

机器学习：漂浮基空间机器人的径向基神经网络鲁棒自适应控制

零件的形位误差对机器、仪器的正常使用有很大的影响，同时也会直接影响到产品质量、生产效率与制造成本。 因此正确合理地选择形位公差，对保证机器的功能要求、提高经济效益十分重要

• 支持向量机 • 二元线性SVM • SVM用于非线性分类 • 机器学习方法 • 人工神经网络（Artificial Neural Network, ANN） • 深度学习（Deep Learning）现状 • 经典的深度学习模型/算法 • 卷积神经网络 Convolutional Neural Networks (CNN) • 多层反馈网络 Recurrent neural Network(RNN) • 自动编码器 AutoEncoder • 受限玻尔兹曼机 Restricted Boltzmann Machine, RBM • 深度置信网络 (Deep Belief Nets，DBN）

本章的教学目标： 1）了解本课程研究对象，认识机器的组成，掌握机器、机构、构件、零件的基本概念及正确识别； 2) 初步了解本课程学习内容，及在专业人才培养中的地位及作用，从而明确本课程学习目标； 3) 对平面机构的组成有所认识，对由一般平面机构组成的机械系统，能绘制出机构运动简图,计算其自由度，并判断其是否有确定的运动。 4) 了解机械设计的基本要求和方法

上海交通大学：《ROS机器人操作系统基础与实战》课程教学资源（实验指导书）08 机器人导航包