本文通过分析机器人多指手爪的静摩擦、库伦摩擦、粘性摩擦等非线性因素,推导出多指手爪屈伸关节的动态控制模型;针对多指手爪的非线性影响,提出了一种位置离散学习控制方法,并给出了这种方法的收敛性定理.仿真结果表明,离散学习控制方法能在有限次迭代后使手指关节位置达到期望位置

1、本课程的性质、内容、特点及学习方法 2、掌握机器的概念、术语及组成 3、掌握摩擦的概念、类型、磨损及磨损规律 4、掌握力的概念、基本性质、物体的受力分析

一、分析观测环境中的归纳学习的一般模型。 二、解释学习机器如何从它所支持的函数集中选择一个近似函数。 三、介绍回归和分类问题的风险函数的概念

介绍了用支持向量机(SVM)进行动态学习训练的方法．解决了在机器学习过程中,训练样本获取比较困难,样本可随外界条件改变而变化的问题．实践证明,使用该方法可以动态跟踪样本的变化,保证SVM分类器的最优性能．利用该方法设计的银行票据OCR系统的实际应用说明了该方法的有效性．

通过前面章节的学习,我们已经知道:日常生活中见到的机器,虽然千差万 别让人眼花缭乱,但他们无非是由联接件、传动件、轴系件等零件和一些机构组 成 (如作为交通工具:自行车、汽车、火车、飞机、轮船、坦克等 机床:车床、铣床、刨床、钻床、磨床、镗床和铰床等

1、机械工业的过去、现在与未来 2、机械创新设计 2、机械设计基础的任务 3、机械设计的一般程序 4、机器的组成 5、本课程的性质、任务、内容、和学习方法 6、参考书目

重点介绍本课程的性质、研究对象、学习目的、课程特点和学习方法,简单介绍机 械设计的一般步骤和方法。特别注意讲清楚机械机器与机构之间的区别,通用零件与专用零件的 分类

同步定位与地图构建技术（SLAM）是当前机器人领域的重要研究热点，传统的SLAM技术虽然在实时性方面已经达到较高的水平，但在定位精度和鲁棒性等方面还存在较大缺陷，所构建的环境地图虽然一定程度上满足了机器人的定位需要，但不足以支撑机器人自主完成导航、避障等任务，交互性能不足。随着深度学习技术的发展，利用深度学习方法提取环境语义信息，并与SLAM技术结合，越来越受到学者的关注。本文综述了环境语义信息应用到同步定位与地图构建领域的最新研究进展，重点介绍和总结了语义信息与传统视觉SLAM在系统定位和地图构建方面结合的突出研究成果，并对传统视觉SLAM算法与语义SLAM算法做了深入的对比研究。最后，展望了语义SLAM研究的发展方向

1 统计学习的定义 2 统计模式识别的应用案例 3 统计模式识别系统框架与设计周期 统计模式识别系统框架 统计模式识别设计周期 4 一个案例 5 基本概念 6 机器学习在人工智能中的位置

1 绪论 2 概率分布 3 回归的线性模型 4 分类的线性模型 5 神经⽹络 6 核⽅法 7 稀疏核机 8 图模型 9 混合模型和EM 10 近似推断 11 采样⽅法 12 连续潜在变量 13 顺序数据 14 组合模型