一般机器人是指不具有智能，只具有一般编程能力和操作功能的机器人。到目前为止，在世界范围内还没有一个统一的智能机器人定义。大多数专家认为智能机器人至少要具备以下三个要素：一是感觉要素，用来认识周围环境状态；二是运动要素，对外界做出反应性动作；三是思考要素，根据感觉要素所得到的信息，思考出采用什么样的动作

1. 为什么要研究人工智能 2. 人工智能的发展历史 3. 人工智能的研究领域 4. 参考文献

 概述  软件介绍  操作说明  实例演示

1. 机器人的构成 2. 机器人的机构 3. 机器人的传感器 4. 机器人的控制器 5. 机器人的程序 6. 小结

1. 机器人发展史上的标志性人物和事 2. 工业机器人发展现状 3. 服务机器人需求市场 4. 国内外服务机器人发展状况 5. 家用服务机器人

 课程指南  教学计划  课程目标与内容教学  参观与实验内容  教学与考核方法

上海交通大学：《法理学》课程教学资源（法学思维引入）法律思维论说——右脑颠覆左脑

立体视频在无质量保证的互联网上传输时会引发立体视频左右视图的帧延时,影响观看质量.本文提出一种利用主观评价与客观脑电(electroencephalogram,EEG)相结合的方式分别对深度和水平延时运动立体视频刺激进行分析,并对二者的差异性进行比较.共有十名被试参加实验,被试观看随机呈现的不同延时等级包括无延时、延时1帧、延时2帧和延时3帧的立体视频片段,并对是否感知到延时效应做出主观判断,同时记录被试的EEG信号.从EEG信号中提取出事件相关电位(event related potentials,ERPs)并结合主观行为数据进行分析与比较.实验结果表明,为保证观看质量,深度运动立体视频中所能存在的最大延时帧数为1帧,水平运动中则不能存在延时效应.与水平延时运动相比,深度延时运动刺激产生的P300成分幅值变化范围更大,表明在深度延时运动刺激下大脑的活跃程度更高.同时,相同延时帧数的深度运动与水平运动刺激所产生的P300成分中,深度延时运动的潜伏期更长,这表明处理深度延时运动刺激所需时间更长

本组50岁及以上职工622例,其中60岁组为87.3%。疾病分布以心血管疾患最多40.5%(高血压30.9+冠心病4.5%+冠循供血不足5.1%=40.5%)。临界高血压14.8%,脑血管意外后遗症1.4%、主动脉硬化10.3%、高胆固醇血27.3%、高密度脂蛋白胆固醇降低者16.4%、贫血30.9%,多为轻度贫血、恶性肿瘤仅0.6%、慢性支气管炎18%、慢性肝炎9.2%,其它疾患较少。有的疾患如贫血、高血压、冠心病、冠循供血不足、高胆固醇血、临界高血压、肝大或肝脾大待诊等中之一部分病例系本次检测发现。其中尤以高血压及肝大待查者,患者本身无何症状,但客观检测指征明显。此说明保健工作的重要性。将本组检查结果与北医做了比较。总的患病规律相似,均以心血管疾患为主,恶性肿瘤均较少。主要疾患的患病率明显不同者,高血压、老慢支钢院高于北医,而冠心病、恶性肿瘤则低于北医。两单位相同者每个个体患病数多为一种以上,未检出异常者仅1.6%,而北医则为0.0%。部分职工并无脑血管意外史,但可检出病理反射,说明可能存在不同程度的脑动脉硬化。总之,通过本次调查及检测提示职工(≤ 50岁)的保健工作的重要性,尤其对部分无任何自觉症状的职工尤为重要,这样可做到早期治疗,收效较大

高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关，由于儿童睡眠障碍的早期症状不明显，需要进行长期监测，因此急需找到一种适用于儿童睡眠监测，且能够提前预防和诊断此类疾病的方法。多导睡眠图(Polysomnography，PSG)是临床指南推荐的睡眠障碍基本检测方法，通过观察PSG各睡眠期间的变化和规律，对睡眠质量评估和睡眠障碍识别具有基础作用。本文对儿童睡眠分期进行了研究，利用多导睡眠图记录的单通道脑电信号，在Alexnet的基础上，用一维卷积代替二维卷积，提出一种1D-CNN结构，由5个卷积层、3个池化层和3个全连接层组成，并在1D-CNN中添加了批量归一化层（Batch normalization layer），保持卷积核的大小保持不变。针对数据集少的情况，采用了重叠的方法对数据集进行了扩充。实验结果表明，该模型儿童睡眠分期的准确率为84.3%。通过北京市儿童医院的PSG数据获得的归一化混淆矩阵，可以看出，Wake、N2、N3和REM期睡眠的分类性能很好。对于N1期睡眠，存在将N1期睡眠被误分类为Wake、N2和REM期睡眠的情况，因此以后的工作应重点提升N1期睡眠的准确性。总体而言，对于基于带有睡眠阶段标记的单通道EEG的自动睡眠分期，本文提出的1D-CNN模型可以实现针对于儿童的自动睡眠分期。在未来的工作中，仍需要研究开发更适合于儿童的睡眠分期策略，在更大数据量的基础上进行实验