基于强化学习的机器人认知情感交互模型

为增强机器人的认知情感计算能力,依据PAD情感空间建立结合即时反馈和长期趋势的机器人认知情感生成方法,该文提出一种基于强化学习的机器人认知情感交互模型.首先,依据人际交往心理学理论,模拟人类情感生成过程进行类人情感生成,并从中提取相似性、积极性、共情性3个影响因素;其次,利用强化学习的全局统筹特性,建立响应情感状态与上下文长期情感状态之间的关联关系,从而对机器人情感生成过程进行建模;然后,将3个因素纳入模型奖励机制用于交互情感状态评估,实现模型更新并得到最优情感策略;最后,利用所得最优情感策略对应的最优情感状态对机器人情感状态转移概率进行更新,并依据6种基本情感状态在空间中的情感值,将其映射到连续情感空间中得到机器人的最优响应情感值.主客观对比实验表明,该文模型能有效增加机器人情感表达的细腻性、连续性、积极性以及共情性,还能有效降低机器人对外界情感刺激的依赖性,进一步提升和谐友好的人机交互关系.     

基于强化学习的机器人认知情感交互模型

为增强机器人的认知情感计算能力，依据PAD情感空间建立结合即时反馈和长期趋势的机器人认知情感生成方法，该文提出一种基于强化学习的机器人认知情感交互模型。首先，依据人际交往心理学理论，模拟人类情感生成过程进行类人情感生成，并从中提取相似性、积极性、共情性3个影响因素；其次，利用强化学习的全局统筹特性，建立响应情感状态与上下文长期情感状态之间的关联关系，从而对机器人情感生成过程进行建模；然后，将3个因素纳入模型奖励机制用于交互情感状态评估，实现模型更新并得到最优情感策略；最后，利用所得最优情感策略对应的最优情感状态对机器人情感状态转移概率进行更新，并依据6种基本情感状态在空间中的情感值，将其映射到连续情感空间中得到机器人的最优响应情感值。主客观对比实验表明，该文模型能有效增加机器人情感表达的细腻性、连续性、积极性以及共情性，还能有效降低机器人对外界情感刺激的依赖性，进一步提升和谐友好的人机交互关系。     

基于模糊认知图的机器人情感响应模型

针对现有人机交互系统广泛存在机器人情感响应缺乏独特性和主动性、参与人参与度、满意度、体验感不高的问题,该文依据愉悦度-激活度-优势度(PAD)情感空间提出一种基于模糊认知图的机器人情感响应模型.首先,获取参与人交互输入情感值,对其评估得到参与人的情感状态矩阵;其次,考虑到机器人的性格特征和社会角色,利用模糊认知图的时间...     

基于主从博弈的多方人机交互对话心理模型

针对现有的多方人机交互存在分寸感把握较差、机器人回复自主性不强的问题,该文依据心理语言学关于对话心理理论,提出一种基于主从博弈的多方人机交互对话心理模型。该模型模拟了人与人交流时交互多方的心理过程,考虑到多方交互中主导者与从属者的交流特征,采取单主多从的博弈模型加以形式化表示,并使机器人扮演从属者角色,对多方主从博弈过程中从属关系带来的收益进行考量,将这一考量结果作为机器人回复的重要决策依据。实验结果表明,扮演从属者角色的机器人在与多方进行交互时,能准确把握对话分寸,在合适的时机下进行回复,进一步提升机器人回复的合理性与自主性。     

基于知识图谱波纹网络的人机交互模型

针对当前人机交互系统机器人存在背景知识缺乏、回复连贯性不高的问题,该文提出一种基于知识图谱波纹网络的人机交互模型.为实现更加自然且智能化的人机交互系统,该文模型模拟了真实的人与人交流过程.首先,通过计算人机交互情感评估值和人机交互情感确信度得到人机交互情感友好度.然后,引入外部知识图谱作为机器人的背景知识,将对话实体嵌...     

基于信号和OCC表示的情感模型研究

情感模型的建立可以使计算机具备基本的情感识别和表达能力,在和谐人机交互方面有着广泛的应用.借助于Picard教授关于情感计算的理论,将线性系统理论和数字信号处理方法应用到情感信号与系统建模上,用信号很好地表示了人类的内在情感和情绪,并通过MATLAB仿真实验分析证明了模型的正确性.最后结合情感的高层次认知推理机制,将情感模型应用到情感虚拟人当中,形象地实现了情感对人脸表情变化的控制.     

一种人工情感及行为策略模型的有限自动机实现

在情感模型和理论的基础上,针对情感特征,提出了一种新的人工情感框架模型,利用自动机理论,分析了情感在现有状态和外部环境刺激下的情感转移过程和行为策略,根据智能体所要求实现的控制功能,建立了一个基于有限自动机的人工情感模型,并构建了对应的时序电路,从功能的角度为实现人工情感的工程化提供了一种新的思路和方法.     

基于多阶段Markov信号博弈的移动目标防御最优决策方法

随着移动目标防御技术研究的不断深入,移动目标防御策略选取问题成为当前研究的热点问题之一,本文提出一种基于多阶段Markov信号博弈模型的移动目标防御最优策略选取方法.首先,结合攻防实际,提出实施攻击所需构建的攻击链模型.其次,在考虑状态随机跳变的基础上,将多阶段信号博弈模型与Markov决策过程相结合,构建基于多阶段Markov信号博弈的移动目标防御模型.同时,引入Logistic映射刻画攻防博弈系统中可能造成概率更新过程失真的随机干扰因素.在形式化建模的基础上,设计折扣收益目标函数,并提出均衡求解算法,给出最优防御策略选取算法.最后,通过仿真实验验证模型和方法的有效性.     

云原生下基于深度强化学习的移动目标防御策略优化方案

针对云原生环境下攻击场景的复杂性导致移动目标防御策略配置困难的问题,该文提出一种基于深度强化学习的移动目标防御策略优化方案(SmartSCR)。首先,针对云原生环境容器化、微服务化等特点,对其安全威胁及攻击者攻击路径进行分析;然后,为了定量分析云原生复杂攻击场景下移动目标防御策略的防御效率,提出微服务攻击图模型并对防御效率进行刻画。最后,将移动目标防御策略的优化问题建模为马尔可夫决策过程,并使用深度强化学习解决云原生应用规模较大时带来的状态空间爆炸问题,对最优移动目标防御配置进行求解。实验结果表明,SmartSCR能够在云原生应用规模较大时快速收敛,并实现逼近最优的防御效率。     

认知无线电中基于Stackelberg博弈的分布式功率分配算法

在underlay认知无线电场景中,为了让认知用户能随机地接入主用户正在使用的授权频段,且对主用户产生的干扰不高于主用户能够容忍的干扰温度门限,该文采用Stackelberg博弈机制进行认知用户的发射功率分配。将主用户作为模型中的leader,认知用户作为follower,认知用户使用主用户的授权频段时需以干扰功率为单位支付给主用户相应的费用,而主用户则可以通过调整价格,限制认知用户产生的总干扰功率不高于其所能容忍的干扰温度门限,以便获得最大收益。同时,不同认知用户间根据主用户制定的价格,进行非协作博弈。仿真结果表明,与集中式的最优功率分配算法相比,该文可通过简单的分布式功率分配算法获得与其相近的系统性能,且主用户与认知用户间只需进行少量的信息交互,这与需进行大量信息交互的集中式最优算法相比,具有较大的优势。     

基于外界刺激与个性特征的情绪状态转移模型

In order to use mathematical methods to study how cognitive reappraisal strategies affect the output state of emotions, Gross’s cognitive reappraisal strategy is transformed into a quantitative parameter which is propo-sed to describe the general perception of emo-tional events on the basis of the emotion regu-lation. According to Gross’s emotional reg-ulation model, the Finite State Machine (FSM) model is used for describing the process of emotional state transition and the Likert 5 grading scale is introduced to study the level of an individual’s reappraisal according to the participant’s self-evaluation. The exp-erimental results verify that the algorithm can effectively describe the relationship between the reappraisal strategy, emotional events and an emotion- generative process. There are multiple dimensions of a human’s emotional state. Thus, in the field of human-computer interaction, further research requires the development of a specific algorithm which can be implemented by a computer for the emotion regulation process.     

基于多头注意力机制的模型层融合维度情感识别方法

近年来,情感识别成为了人机交互领域的研究热点问题,而多模态维度情感识别能够检测出细微情感变化,得到了越来越多的关注多模态维度情感识别中需要考虑如何进行不同模态情感信息的有效融合。针对特征层融合存在有效特征提取和模态同步的问题、决策层融合存在不同模态特征信息的关联问题,本文采用模型层融合策略,提出了基于多头注意力机制的多模态维度情感识别方法,分别构建音频模型、视频模型和多模态融合模型对信息流进行深层特征学习,最后放入双向长短时网络中得到最终情感预测值。所提方法相比于不同基线方法在激活度和愉悦度上均取得了最佳的性能,可以在高层维度对情感信息有效捕捉,进而更好的对音视频信息进行有效融合。      

Human machine interactive system on smart home of IoT

Along with the development of human-computer interaction technology and improvement of people's living standards, study of Internet of things (IoT) has become the focus for years. Meanwhile, smart home system has drawn more and more attention in IoT. In correlative research, artificial psychology theory and the harmony of human-computer interaction play an important role in smart home of IoT. In this study, software platform of the management system in smart home is designed, and users are Chinese. So the language in the system is Chinese. To analyze the basic interaction between users and computer, calendar, weather forecast, internet browsing, several electrical models are designed. To deal with the humanized interaction between human and computers, some features are implemented such as: analysis of emotional models, creation of the emotional models, text emotion recognition, and other basic functions in human-computer interaction.     

基于条件变分自编码器的端到端情感语音合成方法

情感语音合成作为语音合成的一个重要分支,在人机交互领域得到了广泛的关注。如何获得更好的情感嵌入并有效地将其引入到语音合成声学模型中是目前主要存在的问题。表达性语音合成往往从参考音频中获得风格嵌入,但只能学习到风格的平均表示,无法合成显著的情感语音。该文提出一种基于条件变分自编码器的端到端情感语音合成方法（Conditional Duration-Tacotron,CD-Tacotron）,该方法在Tacotron2模型的基础上进行改进,引入条件变分自编码器从语音信号中解耦学习情感信息,并将其作为条件因子,然后通过使用情感标签将其编码为向量后与其他风格信息拼接,最终通过声谱预测网络合成情感语音。在ESD数据集上的主观和客观实验表明,与目前主流的方法GST-Tacotron和VAE-Tacotron相比,该文提出的方法可以生成更具表现力的情感语音。      

Optimal strategy selection approach of moving target defense based on Markov time game

For the problem that the existed game model was challenging to model the dynamic continuous characteristics of network attack and defense confrontation effectively,a method based on Markov time game was proposed to select the optimal strategy for moving target defense.Based on the analysis of the attack and defense confrontation process of moving targets,the set of moving target attack and defense strategies was constructed.The dynamics of the single-stage moving target defense process was described by time game.The randomness of multi-stage moving target defense state transformation was described by Markov decision process.At the same time,by abstracting the use of resource vulnerability by attack-defense participants as the alternation of the control of the attack surface,the versatility of the game model was effectively guaranteed.On this basis,the existence of equilibrium was analyzed and proved,and the optimal strategy selection algorithm was designed.Finally,the practicality of the constructed model and the effectiveness of the algorithm are verified by an application example.     

Speech emotion recognition approaches in human computer interaction

Speech Emotion Recognition (SER) represents one of the emerging fields in human-computer interaction. Quality of the human-computer interface that mimics human speech emotions relies heavily on the types of features used and also on the classifier employed for recognition. The main purpose of this paper is to present a wide range of features employed for speech emotion recognition and the acoustic characteristics of those features. Also in this paper, we analyze the performance in terms of some important parameters such as: precision, recall, F-measure and recognition rate of the features using two of the commonly used emotional speech databases namely Berlin emotional database and Danish emotional database. Emotional speech recognition is being applied in modern human-computer interfaces and the overview of 10 interesting applications is also presented in this paper to illustrate the importance of this technique.