第1篇 大脑情感学习模型基础篇 第1章 大脑情感学习模型概述 2 1.1 类脑智能 2 1.2 大脑情感学习模型 4 1.3 大脑情感学习模型的研究现状 5 1.3.1 智能控制应用 5 1.3.2 数据分析应用 7 1.4 大脑情感学习模型的特点 8 1.5 本章小结 8 第2章 神经生理学基础 9 2.1 大脑边缘系统 9 2.2 大脑反射通路 11 2.3 大脑神经网络结构 11 2.4 大脑神经网络学习 13 2.5 本章小结 14 第3章 大脑情感学习算法 15 3.1 强化学习 15 3.2 大脑情感学习 16 3.3 大脑情感学习模型权值调节 18 3.3.1 杏仁体权值调节 18 3.3.2 眶额皮质权值调节 19 3.4 稳定性分析 19 3.4.1 杏仁体稳定性分析 20 3.4.2 眶额皮质稳定性分析 20 3.5 大脑情感学习模型的局限性 20 3.6 本章小结 22 第2篇 大脑情感学习模型改进篇 第4章 监督型大脑情感学习网络 24 4.1 人工神经网络 24 4.1.1 人工神经元 24 4.1.2 人工神经网络分类 26 4.1.3 人工神经网络学习方式 27 4.2 构建监督型大脑情感学习网络 29 4.2.1 SBEL网络结构 29 4.2.2 SBEL算法 30 4.2.3 SBEL算法流程 32 4.3 实验与分析 33 4.3.1 数据集与预处理 33 4.3.2 分类性能评价 34 4.3.3 实验结果 36 4.3.4 比较与分析 39 4.4 本章小结 40 第5章 竞争型大脑情感学习网络 41 5.1 生物学基础 41 5.2 “赢者通吃”竞争机制 42 5.3 构建竞争型大脑情感学习网络 43 5.3.1 CBEL网络结构 43 5.3.2 CBEL算法 44 5.3.3 CBEL算法流程 45 5.4 实验与分析 45 5.4.1 实验设置 46 5.4.2 实验结果 46 5.4.3 比较与分析 49 5.5 本章小结 50 第3篇 大脑情感学习模型应用篇 第6章 混沌时间序列预测 52 6.1 数据预测步骤 52 6.2 大脑情感学习预测模型 54 6.3 自适应遗传算法优化 56 6.3.1 染色体编码 56 6.3.2 适应度函数 57 6.3.3 遗传算子 57 6.3.4 AGA-BEL算法步骤 58 6.4 预测仿真实验 58 6.4.1 Lorenz混沌时间序列预测 58 6.4.2 磁暴环电流指数Dst预测 63 6.5 本章小结 69 第7章 疾病诊断 70 7.1 计算机辅助疾病诊断的步骤 71 7.2 疾病诊断BEL网络 72 7.2.1 网络结构 72 7.2.2 算法 72 7.3 模型优化 74 7.3.1 改进的自适应遗传算法 74 7.3.2 遗传操作 75 7.3.3 IAGA-SBEL算法步骤 77 7.4 实验与分析 78 7.4.1 乳腺癌诊断 78 7.4.2 心脏病诊断 82 7.4.3 淋巴疾病诊断 84 7.5 本章小结 86 第8章 表情识别 87 8.1 表情识别步骤 88 8.1.1 人脸检测与预处理 88 8.1.2 表情特征提取 88 8.1.3 表情分类 89 8.2 表情识别网络 91 8.3 粒子群算法优化 93 8.3.1 改进粒子群算法 93 8.3.2 优化操作 95 8.3.3 IPSO-CBEL算法步骤 96 8.4 实验与分析 97 8.4.1 JAFFE表情识别 98 8.4.2 Cohn-Kanade表情识别 101 8.5 本章小结 105 第9章 基于表情的人机情感交互 106 9.1 面部表情合成方法 106 9.1.1 基于网格变形的表情合成 106 9.1.2 基于数据驱动的表情合成 107 9.2 表情合成要素 107 9.2.1 表情肌 107 9.2.2 面部行为编码系统 108 9.2.3 Candide模型 109 9.3 纹理贴图 110 9.3.1 纹理坐标归一化 110 9.3.2 表情合成 110 9.4 人机情感交互 112 9.4.1 人机交互虚拟仿真 113 9.4.2 人机交互真实场景 114 9.5 本章小结 116 总结与展望 117 附录A 119 参考文献 120