本文關鍵詞：基于神經網絡的人工魚行為模擬

  更多相關文章： 人工魚 神經網絡 行為模擬

【摘要】：用計算機模擬真實動物的思考和行為是一個富有吸引和挑戰(zhàn)的課題。本文探究了對人工魚智能行為模擬的方法。該研究目的不是人工魚的逼真可視化效果,而是關注對魚類真實行為的模擬。本文創(chuàng)新點有兩個,一是我們描述了一個對人工魚類智能行為模擬的理論模型。該理論模型適用于一般的智能人工魚,且具有可擴展性,可以用其模擬各種魚類的行為。通過加入不同的神經網絡,可以實現(xiàn)不同行為的模擬。二是本文引入SOM網絡等神經網絡算法,人工魚在無監(jiān)督的學習下改進自己的行為,實現(xiàn)人工魚自適應和自學習能力。本文介紹了在這個理論模型基礎上,我們構建的一個實際的人工魚模型。該模型分為感知模型、思維模型和行為模型三個子模塊。其中感知模型模擬的是魚類的感覺器官。思維模型包含的是多個神經系統(tǒng),每個神經系統(tǒng)完成其負責的任務功能。在我們的實例中,包含意圖生成系統(tǒng)、定點喂食學習系統(tǒng)和障礙物規(guī)避學習系統(tǒng)。其中意圖生成系統(tǒng)應用BP神經網絡模型,產生每一時刻下人工魚的意圖。定點喂食學習系統(tǒng)應用SOM神經網絡模型,經過一段時間的學習,可以對食物的位置有記憶。障礙物規(guī)避學習系統(tǒng)也應用SOM神經網絡模型,經過一段時間訓練,對可活動的區(qū)域位置有記憶。行為模型是根據(jù)思維模型的指令完成人工魚活動的模塊,這部分的實現(xiàn)主要由三維模型的空間變換來模擬,主要目的是為行為模擬的準確性分析呈現(xiàn)一個方便觀察的結果。本文對智能人工魚的實例模型做了程序實現(xiàn)。本課題使用Unity3D游戲引擎作為場景搭建工具。不關注人工魚生理結構,只用三維模型來表示人工魚。對最終人工魚智能的呈現(xiàn)效果作一定分析。
【關鍵詞】：人工魚 神經網絡 行為模擬
【學位授予單位】：浙江大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP183
【目錄】：

• 摘要4-5
• Abstract5-13
• 第1章 緒論13-18
• 1.1 課題背景13-14
• 1.2 相關研究14-15
• 1.2.1 人工魚模型研究14
• 1.2.2 人工魚生態(tài)系統(tǒng)研究14-15
• 1.2.3 人工神經網絡的研究15
• 1.3 研究目的15-16
• 1.4 作者的工作16-17
• 1.5 文章結構17
• 1.6 本章小結17-18
• 第2章 相關研究綜述18-29
• 2.1 神經網絡概述18-19
• 2.1.1 神經網絡學習18-19
• 2.1.2 神經網絡在模式識別中的應用19
• 2.2 BP神經網絡19-22
• 2.2.1 節(jié)點輸出20
• 2.2.2 激勵函數(shù)20-21
• 2.2.3 誤差計算21
• 2.2.4 誤差修正21-22
• 2.2.5 參數(shù)設置22
• 2.3 自組織競爭型網絡22-25
• 2.3.1 自組織競爭型網絡結構簡介22-23
• 2.3.2 相似性測量23
• 2.3.3 競爭學習23-25
• 2.4 SOM神經網絡25-28
• 2.4.1 SOM神經網絡結構25
• 2.4.2 權值調整方法25-27
• 2.4.3 學習過程27-28
• 2.4.4 參數(shù)設置28
• 2.5 本章小結28-29
• 第3章 智能人工魚理論模型及其實例29-38
• 3.1 魚類生理結構29
• 3.2 建立智能人工魚理論模型29-31
• 3.3 建立人工魚理論模型的意義31-32
• 3.4 構建智能人工魚實例模型32-34
• 3.4.1 感知模型32-33
• 3.4.2 思維模型33
• 3.4.3 行為模型33-34
• 3.5 在Unity3D中的實現(xiàn)34-37
• 3.6 本章小結37-38
• 第4章 人工魚感知模型和行為模型38-51
• 4.1 人工魚感知模型設計38-46
• 4.1.1 魚類感知能力簡介38
• 4.1.2 感知模型結構38-39
• 4.1.3 感受器設計39-41
• 4.1.4 處理器設計41-43
• 4.1.5 偽碼實現(xiàn)43-46
• 4.2 行為模型46-50
• 4.2.1 行為系統(tǒng)設計概述46-47
• 4.2.2 基本運動單位47-48
• 4.2.3 閑逛的行為48
• 4.2.4 躲避障礙的行為48-49
• 4.2.5 逃逸的行為49-50
• 4.2.6 捕食的行為50
• 4.3 本章小結50-51
• 第5章 人工魚意圖生成系統(tǒng)51-59
• 5.1 意圖生成系統(tǒng)概述51-52
• 5.2 BP網絡結構設計52-54
• 5.2.1 BP網絡輸入52
• 5.2.2 BP網絡隱藏層52
• 5.2.3 BP網絡輸出層52-53
• 5.2.4 BP網絡激勵函數(shù)和學習速率53-54
• 5.3 數(shù)據(jù)準備階段54-58
• 5.3.1 訓練階段56
• 5.3.2 工作階段56-58
• 5.4 本章小結58-59
• 第6章 基于記憶的人工魚自學習系統(tǒng)59-73
• 6.1 魚類的記憶和學習能力59
• 6.2 人工魚自學習系統(tǒng)基本模型59-63
• 6.2.1 人工魚自學習系統(tǒng)概述59-60
• 6.2.2 人工魚自學習系統(tǒng)基本模型設計60-63
• 6.3 定點喂食學習系統(tǒng)設計63-68
• 6.3.1 定點喂食學習系統(tǒng)概述63-64
• 6.3.2 定點喂食學習系統(tǒng)實現(xiàn)64-68
• 6.4 障礙物規(guī)避學習系統(tǒng)設計68-71
• 6.4.1 障礙物規(guī)避學習系統(tǒng)概述68-69
• 6.4.2 障礙物規(guī)避學習系統(tǒng)實現(xiàn)69-71
• 6.5 本章小結71-73
• 第7章 驗證實驗測試結果73-89
• 7.1 驗證實驗概述73
• 7.2 人工魚4種意識行為模擬測試73-77
• 7.2.1 行為模擬功能測試73-75
• 7.2.2 BP網絡性能測試75-77
• 7.3 定點喂食學習行為模擬77-82
• 7.3.1 定點喂食學習功能測試77-79
• 7.3.2 智能性分析驗證79-80
• 7.3.3 SOM網絡性能測試80-82
• 7.4 障礙物規(guī)避學習行為模擬82-86
• 7.4.1 障礙物規(guī)避學習行為功能測試82-84
• 7.4.2 SOM網絡性能測試84-86
• 7.5 “老魚”和“小魚”行為模擬86-87
• 7.6 尋找多個喂食點的行為模擬87
• 7.7 與其他人工魚行為模擬方法的對比87-88
• 7.8 本章小結88-89
• 第8章 總結展望89-91
• 8.1 工作總結89
• 8.2 不足和展望89-91
• 參考文獻91-93
• 攻讀碩士學位期間主要的研究成果93-94
• 致謝94

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張淑軍;陳戈;陳勇;;人工魚高級行為規(guī)劃和運動模型研究[J];系統(tǒng)仿真學報;2008年13期

2 班曉娟,劉宏偉,陳泓娟,涂序彥;“人工魚”自學習方法研究[J];計算機工程;2004年06期

3 班曉娟;曾廣平;艾冬梅;涂序彥;;人工魚的認知模型研究[J];計算機科學;2004年11期

4 張淑軍;班曉娟;陳勇;陳戈;;基于記憶的人工魚認知模型[J];計算機工程;2007年19期

5 楊國為;人工魚的“叨食物行為”和“求偶行為”的運動規(guī)律模型[J];計算機工程與應用;2005年12期

6 王小銘;鐘林海;;基于物理與生物學機理的人工魚行為模擬[J];華南師范大學學報(自然科學版);2012年01期

7 班曉娟,陳泓娟,涂序彥;具有自學習和自進化能力的人工魚模型設計[J];計算機應用研究;2003年05期

8 孟憲宇;薛燕榮;王昊;張軍;佟玉軍;;人工魚多感知系統(tǒng)融合研究[J];系統(tǒng)仿真學報;2010年02期

9 涂曉媛,陳弘娟,涂序彥;“人工魚”動畫模型設計[J];軟件世界;2000年04期

10 李晗;孟憲宇;杜鵬;王麗麗;;基于Android系統(tǒng)的人工魚感知融合模型研究[J];渤海大學學報(自然科學版);2012年02期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 孟憲宇;班曉娟;寧淑榮;涂序彥;;人工魚虛擬嗅覺系統(tǒng)的研究[A];2006年首屆ICT大會信息、知識、智能及其轉換理論第一次高峰論壇會議論文集[C];2006年

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 張淑軍;虛擬海洋環(huán)境中人工魚的認知模型和行為控制研究[D];中國海洋大學;2007年

中國碩士學位論文全文數(shù)據(jù)庫 前7條

1 尹璐;基于神經網絡的人工魚行為模擬[D];浙江大學;2016年

2 劉q，

本文編號：1062756