上海交通大学：《力学仿生——启示与探索》课程教学资源（专利资料）陆地仿生（2016）具有环境感知能力的电驱动仿生四足机器人及控制方法

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

如果教一个生来就失明的成人用触摸的 办法来辨别同一种大小差不多的金属立方体 和球体,以便在他触摸时说出哪一个是立方 体,哪一个是球体。然后假定把立方体和球 体放在桌子上,使这个盲人复明,请问:在 他触摸这两个东西之前,他是否能够用视觉 来辨别出哪个是球体,哪个是立方体呢?

单个感知器模型与解决问题的能力 单层感知器模型与解决问题的能力 单层感知器的学习算法 单层感知器的局限性问题 多层感知器的设计方法 有关的几个问题的讨论 单层感知器的MATLAB设计与实现

仿生扑翼飞行器是一类模仿鸟及昆虫通过机翼主动运动产生升力和推力的飞行器。因具有飞行效率高，机动性强、隐蔽性好等优点，扑翼飞行器近年来受到越来越多的关注和研究。小型扑翼飞行器由于其精巧的结构和可操作性，能够适应更复杂的环境，但也限制了其飞行负载能力和电池续航时间。在许多场景中，高质量和高功耗的传感器不再适用于扑翼飞行器。自然界生物得到的信息绝大多数是通过视觉途径获取的。视觉作为一个获取信息的有效途径，在扑翼飞行器的应用中有着不可替代的作用。视觉传感器具有质量轻、功耗低、图像信息丰富等优点，因此非常适合于搭载在扑翼飞行器上。随着微电子、图像处理等技术的不断发展，以扑翼飞行器为平台的视觉感知系统也取得了重要进展。本文首先介绍了国内外几款有代表性的扑翼飞行器的视觉感知系统，分为机载视觉感知系统和外部视觉感知系统两类；然后简述了三个系统关键技术即图像消抖技术、目标检测与识别技术、目标跟踪技术的发展现状，进而总结发现扑翼飞行器的视觉感知系统研究目前还处于起步阶段；最后指出图像消抖、机载实时处理、目标检测与识别、三维重建等可以作为扑翼飞行器视觉感知系统的未来研究方向

趣味问题的提出 由于天才的艺术创造是不遵循任何规则 的,因此凭借规则的理解就无法欣赏这 些艺术的妙处,要真正欣赏这些艺术就 需要一种特别的感知和评判能力,这种 特殊的感知和评判能力就是趣味 (taste)

第一讲儿童语言获得理论的研究现状 第二讲关于“语觉是人类第六种感知觉”命题 的论证 第三讲语觉功能的生理基础及先天性 第四讲基于语觉的儿童语言获得理论 第五讲言语能力的先天性与感知性 第六讲语觉论对当前主要儿童语言获得理论的继承与发展

14.1 生物神经元 14.2 人工神经元模型 14.3 多层感知器神经网络 15.1 神经网络的学习能力 15.2 误差回传算法

针对数据流量爆发式增长所引发的网络拥塞、用户体验质量恶化等问题，提出一种用户属性感知的边缘缓存机制。首先，利用隐语义模型获知用户对各类内容的兴趣度，进而估计本地流行内容，然后微基站将预测的本地流行内容协作缓存，并根据用户偏好的变化，将之实时更新。为进一步减少传输时延，根据用户偏好构建兴趣社区，在兴趣社区中基于用户的缓存意愿和缓存能力，选择合适的缓存用户缓存目标内容并分享给普通用户。结果表明，所提机制性能优于随机缓存及最流行内容缓存算法，在提高缓存命中率、降低传输时延的同时，增强了用户体验质量

为了提高物流服务优化组合的动态性、可靠性与用户满意度,本文提出了一种基于全局服务质量(quality of service,QoS)约束分解的能够感知领域质量与资源需求的物流服务优化组合方法.该研究工作首先把学习机制引入人工蜂群算法(artificial bee colony algorithm,ABC),形成了具有自主学习能力的改进型人工蜂群算法(LABC);之后,应用学习人工蜂群算法(LABC)将全局QoS约束分解成每个物流子任务需要满足的局部QoS约束,从而将QoS感知的物流服务优化组合这一全局优化问题转化成以领域质量为依据的局部最优服务选择问题;其次,在物流服务流程执行的过程中,在感知物流任务节点对资源需求的前提下,为每一个物流任务节点选择一个具有最优领域QoS的物流服务;与已有的研究工作相比,该方法能够实现物流服务动态可靠的优化组合.最后,通过模拟实验验证了本文所提出的方法是可行有效的