根据大脑的情绪加工环路提出了三个层次的人工情绪框架结构.重点对智能体的底层情绪模型进行了研究,分别采用模糊关系理论和有限状态机的矩阵形式建立了相应的情绪激活状态和行为输出方程.模型考虑了心境和需求对当时情绪的影响,利用矩阵模型可以直接计算出不同情绪状态下的输出行为,解决了单纯用表的形式记录\事件—情绪—行为\序列对的存储空间和查表问题.选择了婴儿的情感行为数据来验证模型的正确性.仿真结果表明:模型在考虑了敏感因子和心境对情绪激活阀值影响的因素后,在机器系统中可以建立有效的情绪与行为输出模型

对于机器翻译研究来说，本章的第一任务是要建立语言的机器词典, 这一机器词典是多语言的。例如各自的藏, 英, 汉语机器词库。 单词与词组的处理与分析, 对于汉语来说, 首先必须要进行单词的自动切分。自动切分歧义部分是解决的难点, 不但可能用到规则推理, 而且还可能用到语法分析, 语义用分析, 更详细的过程可以结合第六章等一起研究。 词语分类和兼类的分析与处理是本章研究的又一重点。 本章的最后将研究词处理的一些细节问题。 5 . 1 机器词典概述 5 . 2 自动分词 5 . 3 词语的排序, 检索, 词库 5 . 4 词语的分类与兼类问题 5 . 5 词语处理的其它问题 5 . 6 . 1 概述 5 . 6 . 2 多义词类型 5 . 6 . 3 消歧方法 5 . 5 . 7 英语形态还原

提出基于双向长短期记忆网络（bidirectional long short-term memory，BiLSTM）和前向神经网络的融合模型完成公共安全事件的触发词识别任务.首先通过BiLSTM提取整段文本的高层语义特征，避免了以往机器学习方法需要人工提取特征的问题，其次采用特征拼接并在前向神经网络中识别并分类事件触发词.实验结果表明相较于基准模型，本文方法在中文突发事件语料库（Chinese emergency corpus，CEC）上取得了更为突出的性能，Micro-F1值为78.47%.此外本文讨论了不同拼接特征在触发词识别任务中的重要性，对文本分析中3类特征（词性、句法、实体）的重要程度进行了比较和分析，得出句法特征对于事件触发词识别任务助益最大的结论

本章涉及工业机器人技术的三个重要内容，即轨迹规划和机器人语言以及机器人离线编程系统。轨迹规划是指根据作业任务要求，确定轨迹参数并实时计算和生成运动轨迹。它是工业机器人控制的依据，所有控制的目的都在于精确实现所规划的运动，机器人具有可编程功能，因此需要用户和机器人之间的接口。为了提高编程效率，出现了机器人编程语言，它以一种通用的方式解决了人一机通讯问题;机器人离线编程系统是利用计算机图形学，建立机器人编程环境，从而可以脱离机器人工作现场进行编程的系统。由于不占用机动时间，提高了设备利用率。而且由于离线编程本身就是CAD/CAM一体化的组成部分，有时可以直接利用CAD数据库的信息，大大减少了编程时间，提高了编程水平

一、学科平台课程 1、《高级语言程序设计》 2、《电路原理》 3、《电路原理实验》 4、《模拟电子技术基础》 5、《模拟电子技术基础实验》 6、《数字电子技术基础》 7、《数字电子技术基础实验》 二、专业课程 1、《计算机导论》 2、《离散数学》 3、《数据库系统原理 A》 4、《数据结构》 5、《计算机组成原理》 6、《微机原理与接口技术》 7、《操作系统》 8、《计算机网络》 9、《软件工程》 10、《算法设计与分析》 11、《计算机系统结构》 12、《编译原理》 13、《逻辑与计算机设计基础》 14、《EDA 技术及应用》 15、《科技论文写作》 三、个性化发展课程 1、《网络管理技术》 2、《网络系统集成技术》 3、《互联网软件基础》 4、《嵌入式系统》 5、《并行计算与多核编程》 6、《分布式计算》 7、《大数据存储技术》 8、《图形图像技术》 9、《计算机识别技术》 10、《人工智能》 11、《数据挖掘》 12、《项目管理与案例分析》 13、《单片机原理与应用》 14、《通信原理》 15、《信号与系统 A》 16、《机器学习》 四、实践环节 1、《毕业设计》 2、《认识实习》 3、《生产实习》 4、《工程实习》

针对漏钢时结晶器铜板温度呈现出的“时间滞后”和“空间倒置”等典型特征，本文通过引入动态时间弯曲(DTW)和机器学习中的密度聚类(DBSCAN)方法，提取、汇集并区分结晶器温度的典型变化模式，在此基础上开发出一种新型的漏钢预报方法。借助动态时间弯曲度量不同拉速、钢种或工艺操作条件下结晶器热电偶温度的相似性，并运用密度聚类方法聚集和分离正常工况、黏结漏钢状况下的温度样本，在此基础上检测和预报结晶器漏钢。结果证实，相较于传统的逻辑判断和人工神经元网络预报结晶器漏钢的方法，基于聚类的漏钢预报方法无需人为设置阈值或参数，能够依据漏钢历史样本中温度变化的共性规律，提取并融合热电偶温度在时间、空间上典型的变化特征，准确区分和预报结晶器漏钢，具有较好的自适应性和鲁棒性

谷歌的人工智能系统（AlphaGo）在围棋领域取得了一系列成功，使得深度强化学习得到越来越多的关注。深度强化学习融合了深度学习对复杂环境的感知能力和强化学习对复杂情景的决策能力。而自然语言处理过程中有着数量巨大的词汇或者语句需要表征，并且在对话系统、机器翻译和图像描述等文本生成任务中存在大量难以建模的决策问题。这使得深度强化学习在自然语言处理的文本生成任务中能够发挥重要的作用，帮助改进现有的模型结构或者训练机制，并且已经取得了很多显著的成果。为此，本文系统阐述深度强化学习应用在不同的文本生成任务中的一些主要方法，梳理其发展的轨迹，分析算法特点。最后，展望深度强化学习与自然语言处理任务融合的前景和挑战

针对机器或设备的剩余寿命（Remaining useful life, RUL）预测精度低的问题，提出基于一维卷积神经网络（Convolutional neural network, CNN）和双向长短期记忆（Bidirectional long short-term memory, BD-LSTM）的集成神经网络模型。为了更好地抽取时间序列上的特征，以及产生更多的训练样本，采用滑动窗口对数据进行处理，同时采用卡尔曼滤波对数据进行降噪处理，将数据标准化以及设置RUL标签。与人工提取特征不同，利用一维CNN对数据进行特征提取，并舍弃了CNN中的池化层。然后将提取到的高维特征输入到BD-LSTM进行回归预测，并采用Bagging的方式对此神经网络进行集成来预测RUL。最后通过在NASA的数据集上验证该模型的有效性，以及相比于其他机器学习或者深度学习模型的优越性，实验表明所提模型在RUL预测方面更加准确

第一章　人造与天生 第二章　蜂群思维 第三章　有心智的机器 第四章　组装复杂性 第五章　共同进化 第六章　自然之流变 第七章　控制的兴起 第八章　封闭系统 第九章　“冒出”的生态圈 第十章　工业生态学 第十一章　网络经济学 第十二章　电子货币 第十三章　上帝的游戏 第十四章　在形式的图书馆中 第十五章　人工进化 第十六章　控制的未来 第十七章　开放的宇宙 第十八章　有组织的变化之架构 第十九章　后达尔文主义 第二十章　沉睡的蝴蝶 第二十一章　水往高处流 第二十二章　预言机 第二十三章　整体、空洞，以及空间 第二十四章　九律