基于记忆的人工鱼认知模型

为丰富虚拟海洋环境中人工鱼的认知能力，以自然鱼的生物原理和记忆机制为理论依据，提出了一种基于记忆的人工鱼认知模型。信息在瞬时记忆、短时记忆和长时记忆3个阶段传输和存储，人工鱼通过聚焦器提取所关注的感知信息，通过决策器和短时记忆进行行为选择，将经验知识存储在长时记忆中，被短时记忆调用以优化当前决策。动画结果表明，采用此模型后人工鱼能产生记忆指导下的行为，表现出更真实更智能的生命特征。     

基于记忆原理的人工鱼智能认知模型

将生物学的记忆原理引入到计算机动画中,提出了一种基于记忆原理的人工鱼智能认知模型。在该模型中,利用短时记忆元和长时记忆衰减和更新的特点及其与综合记忆的联系,建立了相应的数学模型,综合记忆值的大小决定了人工鱼对该事物的记忆强度,特征记忆库的更新清理功能有效的节省了系统的开销。实验结果证明,该模型在一定程度上提高了人工鱼的认知能力,具有很好的应用价值。     

人工鱼的认知模型研究

本文将人工生命的“自繁衍”特性引入到计算机动画创作中。提出并建立了面向自繁衍的人工鱼的认知模型，提高人工鱼的认知能力，实现基于“动物逻辑”的人工鱼高级行为规划。建立了人工鱼产生交配欲望、产卵和环境选择等预定义行为的认知模型。建立了人工鱼随意性行为的认知模型，并利用子集搜索等技术提高搜索效率。     

人工鱼的认知建模方法研究

“人工鱼”利用人工生命方法创作计算机动画。为了进一步提高动画角色的智能水平,将人工智能方法学引入到“人工鱼”系统中,建立认知模型,控制人工动物的行为,使人工动物成为更加自主的和智能的角色。该文介绍了认知建模的概念、特点,给出人工鱼的认知建模方法研究的主要内容和模型结构。     

一种求解复杂优化问题的新型人工鱼群算法

受自然界群体生物繁衍生息行为的启发,提出了一种新型人工鱼群算法。新算法将鱼群行为概括为：觅食行为、繁衍行为和逃逸行为。其中,繁衍行为是指利用进化算法的选择和交叉算子赋予了人工鱼繁衍能力;逃逸行为利用了云模型云滴的随机性和稳定倾向性的特点,由基本云发生器实现人工鱼变异操作。新算法还采用了双曲正切函数建立了步长参数自适应模型,从而动态调整算法寻优能力。通过10个标准测试函数的计算验证和分析比较,表明了提出的新型自适应混合人工鱼群算法具有计算精度高、搜索速度快等特点。     

基于人工情感控制系统的设计与实现

人工情感在机器人的研究中至关重要,文中简要概括了当前人工情感的应用;我们在借鉴生物系统控制理论的基础上,融入了进化控制的思想,设计了一种基于人工情感的控制体系结构,在此结构中包含有基于蚁群算法的进化控制系统、神经和人工情感控制系统;机器人通过神经系统接受环境信息并进行行为决策,行为决策的效果通过情感学习模型进行反馈;情感学习模型根据机器人的内、外环境状态,产生情感因子(即生物激素),再由情感因子来调节神经系统的记忆和行为决策,最后神经系统的记忆与行为模块又由进化系统得以继承;该控制结构加强了机器人在动态环境中的学习和自适应能力;为了验证该控制结构的有效性,文章做了仿真实验;仿真结果也表明机器人具有很强的学习和自适应能力.     

“人工鱼”及虚拟海底世界建模方案

“人工鱼”的动画建模方案 为了给人工动物建模,需要考虑从外貌到内部功能等各方面。我们将人工鱼模型分为三种子模型。 １．外貌形态模型：采用可变形的几何图和纹理图刻画各种 人工鱼的外貌和形 态。 ２．内部结构模 型：描述人工重驱体 内部的结构和功能, 包括：肌肉效应器、 鱼体的变形仿真、生 物物理和动力学模 型等。 ３．感知行为模 型：包括人工鱼的感觉聚焦、意图产生、运动和行为控制等 模型。 “人工鱼”动画的建模总体方案如图１所示。 在图１中,人工鱼动画的总体方案可分为三个子系统。 １．感觉系统 人工鱼感觉系统依靠一…     

"人工鱼"自学习方法研究

“人工鱼”利用人工生命方法创作计算机动画。为了进一步提高动画角色的自适应能力，该文将人工神经网络方法和基于时间差分方法TD的强化学习相结合，建立了“人工鱼”的自学习模型，控制人工鱼的行为。该实验表明该“人工鱼”自学习系统可以使“人工鱼”成为更加自主和智能的角色。     

计算机动画中的虚拟角色路径规划研究

动画或游戏中的虚拟角色的路径规划与机器人路径规划不同,它除了需要在运动空间找出一条无碰撞路径之外,更重要的是要体现出虚拟角色的生物行为特性。以人工鱼(晓媛鱼)为对象,在其活动的虚拟海洋环境中对其进行路径规划：将人工鱼抽象为一个有限状态机,采用人工势场方法。为体现人工鱼的生物行为特性,引入基于视觉和嗅觉的模糊判断。经动画仿真,得到了满意的效果。     

人工情感的进化控制系统实现

人工情感在机器人的研究中至关重要,简要概括了当前人工情感的应用.在借鉴情感学习控制的理论的基础上,融入了进化控制的思想,设计出了一种基于人工情感的控制体系结构,在此结构中包含有基于遗传算法的进化控制系统、神经和人工情感控制系统.机器人通过神经系统接受环境信息并进行行为决策,行为决策的效果通过情感学习模型进行反馈.情感学习模型根据机器人的内、外环境状态,产生情感因子（即生物激素）,再由情感因子来调节神经系统的记忆和行为决策,最后神经系统的记忆与行为模块又由进化系统得以继承.该控制结构加强了机器人在动态环境中的学习和自适应能力.仿真实验验证了该控制结构的有效性,仿真结果也表明机器人具有很强的学习和自适应能力.     

人工心理与人工情感

介绍了人工心理与人工情感的定义、研究意义，关键支撑技术和主要研究内容与应用领域，分析了国内外相关研究的进展．人工情感主要是情感计算方面的研究，人工心理包括人工情感、人工意识以及认知与情绪的人工数字化技术．人工情感是人工心理的一个主要研究内容．最后提山了该研究领域未来需要解决的若干科学问题及几点建议．指出了研究情感形式化方法和开发人类心理数字化技术并实现重大应用，是人工心理和人工情感研究者未来的主垂任务。     

人工代谢系统综述*

从生物体新陈代谢规律出发,通过分析催化酶与各类代谢调节模式的关系建立起人工代谢系统模型。该系统能实现模式识别、故障诊断、多目标优化等功能。利用新陈代谢机理建立人工代谢方程。通过对平衡因子、抑制因子等代谢算子的调节来改变代谢物浓度,提高代谢率,从而实现新陈代谢网络的物质流量均衡和网络节点通畅,达到有效地实现各类功能优化的目的。对人工代谢系统的基础理论和典型应用进行了阐述,指出了进一步研究的方向。     

人工生命算法综述

介绍了人工生命算法的基本原理,改进措施,研究现状,以及对未来研究的展望。人工生命算法是一种新兴的优化技术,其思想来源于达尔文进化论。利用人工生命的突现行为及人工生命可以动态地和环境相互作用的特点,实现全局寻优,在优化非线性连续多模态函数时,具有良好的全局收敛性。人工生命算法已经吸引了许多研究领域的关注,它是一种分布式优化技术,算法采用自下而上的设计方法,不需要梯度信息,为优化技术提供了一种新思路。     

人工免疫算法及其应用研究

为了有效地解决病态的约束优化问题,提出了一种模拟生物免疫系统自我调节功能的人工免疫算法,介绍了算法的基本步骤,构造了几种人工免疫算子,分析了算法的收敛性.人工免疫算法继承了遗传算法“优胜劣汰”的自我淘汰机制,但新抗体的产生方法比遗传算法中新个体的产生方法灵活得多.在进行抗体选择时若能确保当时的最优抗体可以进入下一代抗体群,则人工免疫算法是全局收敛的.100个城市TSP问题的仿真实例显示人工免疫算法比遗传算法具有更强的全局搜索能力和收敛速度.     

人工免疫网络记忆分类并行算法研究

人类免疫系统是极为复杂的、固有并行性、分布式系统。人工免疫系统领域已经开发了许多免疫系统启发的算法,但没有几个显示并行性。论文提出并行人工免疫网络记忆分类系统,给出简单的并行人工免疫网络记忆分类算法。初始结果显示,通过简单的并行化方法,与并行人工免疫识别系统AIRS的比较研究表明,并行人工免疫网络记忆分类系统在并行效率等方面的性能优于后者。     

A hypothesis of consciousness or intelligent neuronet information systems

This paper deals with the problematics of artificial intelligence and is devoted to problems of investigation of natural systems and synthesis of artificial intelligence systems. The specificity of functioning of biological intelligence systems is illustrated by simple examples. These examples allow one to disclose a probable mechanism that provides the formation of consciousness inherent in living beings and whose explicit manifestation is thinking. The natural-science aspect of the content of fundamental concepts such as semantics and knowledge is also considered as applied to the functioning of these systems. Based on paradigms of several scientific schools and that of system approach, general concepts and approaches to the solution of the problem of artificial intelligence are presented.Translated from Kibernetika i Sistemnyi Analiz, No. 6, pp. 73–86, November–December 2004.This revised version was published online in April 2005 with a corrected cover date.     

基于泛函分析的人工神经元模型改进研究

人工神经网络是对生物神经系统的模拟，它的信息处理功能与网络单元的特性密切相关。神经元的研究方兴未艾，神经元的效率问题有待提升。通过研究神经元学习算法，提高神经元的学习效率，并且提出一种新的神经元模型。     

基于知网的虚拟人情感建模研究

虚拟人及其和谐交互技术是当前信息科学和生命科学研究的热点。情感信息处理是人工智能和认知科学研究一直关注的问题。本文将研究基于知网的虚拟人情感模型,该模型由冷静、愤怒、快乐、悲伤、放松和恐惧六个维度组成六维空间。通过实例模拟表明,此模型可以很好地对人类的情感进行仿真。     

自适应视野和步长的改进人工鱼群算法

在对人工鱼群算法的寻优机理进行深入的分析研究的基础上,提出了四种自适应人工鱼群算法,通过赋予人工鱼更多的智能,使每条人工鱼都能根据鱼群的状态自动地选择并适时调整自身的视野和步长,从而简化了参数设定,提高了收敛速度和寻优精度。实验结果表明,改进后的人工鱼群算法,在寻优精度、收敛速度及克服局部极值的能力方面均有提高。