1、中南大学硕士学位论文基于人工情感与进化神经网络的智能控制策略研究姓名：徐雄申请学位级别：硕士专业：控制理论与控制工程指导教师：谭冠政20060301，：，（），原创性声明本人声明，所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我共同工作的同志对本研究所作的贡献均已在在论文中作了明确的说明。作者签名：槛日期：匝年竺月鲨日关于学位论文使用授权说明本人了解中南大学有关保留、使用学位论文的规定，即：学校有权保留学位论文，允许学位
2、论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，可以采用复印、缩印或其它手段保存学位论文；学校可根据国家或湖南省有关部门规定送交学位论文。嘲型年旦月等日中南大学硕士学位论文第一章绪论第一章绪论概述智能控制是一个新兴的学科领域，是控制理论发展的高级阶段。它是人工智能与自动控制理论的交叉，主要用来解决那些用传统方法难以解决的复杂系统的控制问题。具体的 说，智能控制理论的研究对象通常具备以下一些特点：（）不确定性的模型；（）高度的非线性；（）复 杂的任务要求。传统的控制理论对这一类对象的控制效果并不理想，而引入智能控制系统之后，此类系统的控制问题得到了不同程度的解决。】指出，智能控制系统应该
3、具有学习功能、适应功能和组织功能，以解决传统控制理论难以解决的复杂的控制任务。目前智能控制理论和智能控制系统的研究的数学工具介于传统控制理论的数值分析计算和人工智能理论的符号处理、谓词逻辑等两大类工具之间，又是两个方面的交叉和有机结合，比 较典型的例子如模糊集合论和人工神经网络。前者形式上利用规则进行逻辑推理，但其逻辑取值却可以在，】区间内连续变化，采用数值的方法而非符号的方法进行处理；后者通过许多简单的关系来实现复杂的函数关系，本质上非线性的动力学系统，但并不依赖于模型。决策是指选择、判断、决定等从多个候 选方案中有目的地选择一个的行为。近几个世纪以来，随着系统化的科学方法作为人类探索自然与
4、指导社会实践的重要手段的产生、发展与完善，对基于理性思维的决策方法展开了广泛的研究， 产生了丰硕的成果，并形成了以统计决策理论和系统分析等为支撑的决策分析（）这一专门学科。上个世纪计算机科学的诞生以及计算设施与方法的广泛普及，特别是伴随着年人工智能（）的兴起，越来越多的复杂计算和推理任务有赖计算机来完成。在信息处理、机器人、控制等领域中提出了智能决策（）的问题，即机器如何才能根据其面 临 的任务，自主地做出行为决策以实现其目的。专家系统（）等专用智能决策技术应运而生。人工智能和决策之间存在深刻的联系，大致可以断言，所有的智能行为都是通过决策实现的。因此，智能决策 问题是人类智能的核心问题。决策
5、问题具有固定的难解性。研究智能决策的动机，不仅在于代替人做出自动决策，更在于在一些复杂决策场景下借助智能技术完成即使人类专家也难以有效完成的决策。近年来，随着信息技术的发展普及，在智能控制、商务、金融、中南大学硕士学位论文第二章人工情感及其应用实验科学研究、信息服务等应用领域提出了一系列新的复杂智能决策问题，它们具有海量数据、包含随机因数、要求环境适应性、自 动决策、 实时决策、高可靠性等特点。这些问题，对传统智能决策技术的建模方法和求解手段提出了新的要求。智能决策技术面临前所未有的挑战和机遇。进化计算（）是一种借鉴生物进化机制求解优化类问题的新型广谱问题求解范型，在机器学（）等领域有着广泛的
6、应用。尽管已 经取得了大量的成功，但其应用潜力特别是求解复杂应用问题的潜力远未充分释放。智能决策通常通过设计满足目标要求的可计算的决策规则实现，对待解决的决策问题，如果能 够设计出普遍适用的可计算的决策规则模式，则求解决策 问题就归结为寻找决策规则参数的优化问题，因而可以用进化计算求解。最早用数学模型对人类神经系统中的神经元进行理论建模的是心理学家矛数学家【，他们于年在分析和研究了人脑神经元细胞之后用电路构成了简单的神经网络数学模型，简称为模型。随后，在模型的基础上，于年提出了感知器（）的概念。由此，人工神经网络的理论基础被奠定，各种人工神经网络模型以及基于人工神经网络的各种智能控制策略开始不
7、断出现。神经网络、模糊集理 论和以遗传算法为代表的进化算法都是仿效生物处理模式以获得智能信息处理功能的理论。其中，神 经网络着眼于脑的微观网络结构，通过大量神经元的复杂连接，采用由底到顶的方法，通过自学习、自 组织和非线性动力学所形成的并行分布方式，来处理难于语言化的模式信息。模糊集理论则着眼与可用语言和概念作为代表的脑的宏观功能，使用由顶到底的方法，按照人为引入的隶属度函数和串并行规则，逻辑地处理包含有模糊性的语言信息。而进化算法则是模拟生物的进化现象（自然淘汰、交叉、变异等），并采用自然进化机制来表现复杂现象的一种概率搜索方法，以达到快速有效地解决各种困难问题。神经网络、模糊集理论和进化算
8、法三者目标相近而方法各异。因此，将他们相互结合，必能达到取长补短的作用。近年来，在这方面已经取得不少研究成果，并形成了“计算智能”的研究领域。人工神经网络深入发展的基础上，人们发现人类的智能除了理性思维之外，还包括情感等非理性因素。世纪初，在基于心理学、生理学以及智能控制理论的基础上，人工情感的概念逐渐出现，模 拟人类情感系统以实现非理性智能成为一个崭新的研究方向。目前对人工情感的研究刚刚起步，尚无成熟的理论，但已经出现了各种层面上的研究成果【”。对情感（）的研究并不是很新的话题，早在年就开始了中南大学硕士学位论文第二章人工情感及其应用对人类认知中有关情感的研究，则从世纪年代初开始拟人（）建模
9、方面的研究【】。但早期的人工智能研究中对引入情感问题存在争论，有些学者认为情感并不是必须的或者只会干扰推理的，所以情感在传统的人工智能研究中并没有得到足够的重视。但是随着科技的不断发展，情感研究逐渐变得重要起来，这主要来自两个方面的支持：从理论角度，神经生物科学的新发现支持了情感对人的智能活动有着至关重要的影响的论断，的著名实验对此给出了比较充分的理论证据，按照的实验， 负责处理情感的神经 子系统出现问题的病人，推理和决策能力也会受到很大的影响。例如，这种病人甚至不能很好地处理和医生进行预约的计划”。的理 论在（） 领域的影响广泛而深刻。从应用角度，人们对 （或的硬件表达一机器人）拟人化的研究
10、逐渐兴起，这种研究不仅需要更好的系统体系结构支持或机器人具有更强的环境适应性，同时要求其具有个性化的与人交流的能力。基于此，近年来有关人工情感（）的研究不断受到更多学者的重视，人工情感研究的层面也逐渐丰富，并且在 应用上取得了一系列的成果。例如：将情感纳入人类精神活动的框架，将情感机制引入人工智能（）等等。人工神经网络和进化计算是现代信息科学和生命科学相互交叉渗透的研究领域，它们都来源于自然界中生物的信息处理机制，并被用于构造能够适应环境长期变化的智能信息处理系统。将神经网络和进化计算原理加以抽取和进行有机结合，对于人工生命、智能体、机器人等的消息模型的研究具有十分重要的意义。神经进化（）是融
11、合人工神经网络和进化计算的一种信息处理方法，它使用进化计算对神经网络的拓扑结构和权值同时进行学习。在神经进化中，染色体编码代表神经网络的参数（包括权值、 阈值和连接度等），依据自然选择的原理进行遗传操作和重新组合，以发现针对特定问题的一个最优网络解，即突生（）出所需要的神经网络。现有的研究实例都证明神经进化是一种成功地替代传统学习方法的新思路。用进化计算设计神经网络是一个十分活跃的研究领域。从目前的研究现状可以看出，为了设计出性能优良的，适合于具体 问题的神经网络，本文 应该综合考虑以下几个问题：如何设计出一种新颖的编码方案，使之不仅能够编码网络的结构，同时协调进化过程和实时权重的动态调整（如
12、强化学习），才有可能进一步研究学习和进化之间的关系。如何提高遗传算子对构造新型网络的适应性。由于网络编码方案的多样性，中南大学硕士学位论文第二章人工情感及其应用以及本文应用中的侧重点不一致，这就要求遗传算子及其参数值（如交叉概率、变异概率等）有良好的自适应能力。如何妥善改进适应度函数，过于单一的适应度函数无法提高网络的整体性能，因而只有从学习速度、精度、泛化能力及网络规模和复杂性等方面综合考虑才能提高其整体质量。本文涉及的进化神经网络模型充分反映了生命进化过程中先天遗传学习和后天个体学习有机结合的学习进化特征，突出多层次学习在进化过程中的作用。因此，后天神经系统的学习机制体现了个体的后天可塑性
13、，这种可塑性又反过来将个体在后天所获得行为特征通过不同的遗传方式直接或间接地反映到下一代的个体基因成分之中。这种能够高度适应未知环境变化的学习机制就是强化学习，该学习机制可以有效地改变物种的行为方式和提高个体的自适应能力。强化学习经历了从简单的强化学习算法到进化强化学习算法的发展过程。从控制问题到行为的进化和生态系统的仿真，都有强化学习的应用领域，将进化计算和强化学习结合是研究自律个体的有效方法。强化学习问题包括三个基本部分。环境：至少必须是部分可观察的，通过传感器输入、字符描述、或是情感状 态表述，行动可以是低层次的、高层次的和精神层次的。强化信号：强化学习系统通过与动态环境的交互，学习一个
14、从状态到行动的映射，系统的目标函数则是由强化信号来定义的。进化强化学习利用遗传算法的高效并行全局搜索技术，进行强化学习网络的优化。正是由于遗传算法能够并行而有效地采样多个超平面，能够搜索非线性多目标函数而不依赖于梯度信息，所以也被用于强化学习和神经控制问题【。在年提出了算法，将遗传算法用于神经网络构造器，也成功地进行了遗传强化学习（）的实验。通过和的比较，指出，需要状 态信息去学 习，只要没有出现失败信号，网络的学 习就一直在进行，学 习是连续的；而遗传强化学习并不是每一个时间步上都需要状态信息，只需要知道有限的反馈信息，以权重的竞争集合排序。一次或多次的失败之后才对行动网络进行更新，学习是不
15、连续的。和使用遗传算法训练示教网络 ，再将示教网络的输出用于行动网络的反传强化学习，也取得了良好的效果，并首次提出进化强化学习（）的概念。通过对决策系统（如神经网络）直接采用进化计算的方法。研究结果表明进化强化学习法是有效的，并能解决连续状态空间和状态信息不完全的问题，该方法强调群体自组织和自适应学习，是一个全局的强化学习过程。中南大学硕士学位论文第二章人工情感及其应用本文主要研究方向及内容本文主要从事如下的研究：基于人工情感和进化神经网络的智能控制策略研究。一方面，本文的任务 是将进化算法、人工神 经网络和人工情感引入到智能机器人的设计中。在借鉴生物系统控制的理论的基础上，本文设计了种基于人
16、工情感的控制体系结构，在此结构中包含有遗传进化、神经和人工情感控制系统，并进行了仿真实验。人工情感对控制结构的影响主要体现在机器人主体对环境及内部状态的评价从而影响机器人的行为决策，加强了机器人在复杂动态环境中的学习和自适应能力。另一方面，本 论文在了解基于遗传算法的进化模型的基础上，采用遗传算法和神经网络的手段，实现先天的遗传基因层次的学习和后天的神经系统层次的学习进化的有机结合，从而使模型对于长期和短期的环境变化有很强的自适应能力。本文将基于归一化实数编码的遗传算法应用到进化神经网络控制策略研究中，分别利用人工神经网络适应短期环境变化的学习和进化以及遗传算法适应长期环境的学习和进化的特点。
17、各章节内容安排如下：第一章首先概述了神经网络、人工情感和进化计算的研究背景以及人工情感和进化神经网络在智能控制策略领域应用的意义：然后，介绍了本文的主要内容和创新之处。第二章对人工情感进行介绍，并对人工情感的研究情况进行综述。第三章简要介绍了人工神经网络的发展历史，阐述了人工神经网络的基本理论和典型的网络模型，并对加强学习（）以及情感学习控制的一些研究也进行了探讨。第四章详细介绍了一种基于人工情感的智能控制系统设计，给出了计算机仿真实验的结果，并对结果进行了分析。第五章介绍了归一化实数编码的遗传算法，该算法是对基本遗传算法的改进，在收敛速度和全局搜索能力方面优于基本遗传算法。本章采用了一多峰值
18、多元函数典型算例进行测试，测试结果证明了该算法的优越性。第六章首先从信息论的角度探讨遗传信息处理模型。在此基础上，引出了遗传进化神经网络模型。以采用神经网络控制结构的进化机器人为研究对象，将基于归一化实数编码的遗传算法引入到采用神经网络控制结构的进化机器人中。并通过与基本遗传算法进化神经网络进行仿真对比实验，试验结果证明其有效性。第七章总结了本文的工作，给出了人工情感和进化计算应用研究展望。中南大学硕士学位论文第二章人工情感及其应用本文的主要创新之处将生命科学与计算机科学紧密结合是本文研究的主要特色。在本文的研究过程中，本文遵从人工生命的研究方法论，一方面借鉴人工情感的主要功能和调节机制，另一
19、方面从信息论的角度探讨遗传信息处理模型。在此基础上，引出了遗传监视强化学习进化神经网络模型。本文的工作是将以遗传算法为基础的进化算法、人工神经 网络和人工情感引入到智能机器人的控制结构设计中，并把这种新颖的智能控制策略运用到复杂控制对象进行研究。同时，本论文在了解基于遗传算法的进化模型的基础上，采用遗传算法和神经网络的手段，实现先天的遗传基因层次的学习和后天的神经系统层次的学习进化的有机结合，从而使模型对于长期和短期的环境变化有很强的自适应能力。本文将基于归一化实数编码的遗传算法应用到进化神经网络控制策略研究中，分别利用人工神经网络适应短期环境变化的学习和进化和遗传算法适应长期环境的学习和进化
20、的特点。本文以采用神经网络控制结构的进化机器人为研究对象，研究将基于归一化实数编码的遗传算法引入到采用神经网络控制结构的进化机器人中的智能控制策略。（）基于人工情感的智能控制系统设计本文对目前国际上对人工情感的研究进行分类，继而对各个层面上的研究成果进行综述，并给出了人工情感研究未来的发展方向的观点。在广泛了解人工情感研究的基础上，本文设计出了一种基于人工情感和遗传算法、神经网 络的智能控制系统。系 统通过情感的评估和引导的作用，在机器人主体对环境及内部状态的评价从而影响机器人的行为决策，加强了机器人在复杂动态环境中的学习和自适应能力。（）基于进化神 经网络的智能控制策略研究遗传算法操作简单、
21、全局搜索能力强。本文介 绍了归一化实数编码的遗传算法，该算法是 对基本遗传算法的改进，在收 敛速度和全局搜索能力方面优于基本遗传算法。在探索基于遗传算法的进化模型基础上，本文采用遗传算法和神经网络的手段，实现先天的遗传基因层次的学习和后天的神经系统层次的学习进化的有机结合，从而使模型对于长期和短期的环境变化有很强的自适应能力。在研究了进化神经网络的基础上，本文以采用神经网络控制结构的进化机器人为研究对象，研究将基于归一化实数编码的遗传算法引入到采用神经网络控制结构的进化机器人中的智能控制策略。并通过在实现的仿真平台上进行仿真，实现神经网络的进化控制策略。本文的创新之处主要体现在以下几个方面：）
22、本文从信息处理的角度概括了人工情感的功能特点， 为人工情感的理论研究和应用建模提供了重要的理论依据，对开拓新型智能信息处理技术及其应用中南大学硕士学位论文第二章人工情感及其应用具有重要的理论意义和应用价值：）生物体的行为受神经系统 、人工情感系 统和遗传系统的共同控制。但是人们在设计自主体的控制结构和学习算法时，通常只是借鉴了神经系统和遗传系统的控制机理，而忽略了人工情感系统对神经系统的高层调控作用。本文受生物系统控制论的启发，采用神经、 进化和人工情感系统去共同控制机器人的行为。鉴于此，本文提出并实现了一种新的机器人体系结构（），在中包含有基于遗传算法的进化神经网络和人工情感控制系统。本文借
23、鉴人工情感系统的调节机制，提出了一种新的机器人行为规划算法。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，本文做了仿真实验。仿真结果也表明机器人具有很强的学习和自适应能力。）首先本文介绍了归一化实 数编码的遗传算法， 该算法是对基本遗传算法的改进，在收敛速度和全局搜索能力方面优于基本遗传算法。本章采用了一多峰值多
24、元函数典型算例进行测试，测试结果证明了该算法的有效性。）在探索基于遗传算法的进 化模型基础上，本文采用 遗传算法和神经网络的手段，实现先天的遗传基因层次的学习和后天的神经系统层次的学习进化的有机结合，从而使模型对于长期和短期的环境变化有很强的自适应能力。在研究了进化神经网络的基础上，本文将基于归一化实数编码的遗传算法和人工神经网络方法相结合，分 别利用人工神经网络适应短期环境变化的学习和进化和遗传算法适应长期环境的学习和进化的特点。在此基础上，本文以采用神经网络控制结构的进化机器人为研究对象，研究将基于归一化实数编码的遗传算法引入到采用神经网络控制结构的进化机器人中的智能控制策略。并通过在实现
25、的仿真平台上进行仿真，实现基于归一化实数编码的遗传算法进化神经网络控制策略。小结基于人工情感和遗传算法的信息处理机制的人工智能模型及其应用研究体现了现代科学发展的多学科间的相互交叉的特点，是智能控制策略研究的重要内容。本章通过对 神经网络、人工情感和 进化计算的研究背景以及人工情感和进化神经网络在智能控制策略领域的应用及意义进行概括和总结，指出了本文的主要研究内容。中南大学硕士学位论文第二章人工情感及其应用第二章人工情感及其应用引言人工情感（）是近年来在智能控制领域中日益受到关注的一个新的研究方向。随着工业机器人技术的日趋成熟和完善，机器人开始逐步走入医疗、保健、家庭、体育（如，足球机器人比赛
26、）和服务性行业，对机器人的要求也从简单重复的机械动作提升为具有高度的智能性（）、自主性（）以及与其它智能体（人或智能机器人）交互性（）的类人机器人（）嘲，这是目前的智能控制理论所无法满足的，因此，迫切需要找 寻新的方法。所以人工情感为此提供了一种可能。人工情感是试图模拟人类的情感过程，从而获得用理性思维难以实现的智能性和自主性的一种研究方向，目前对人工情感的研究刚刚起步。本章在节介绍心理学中关于情感的研究成果，这是人工情感研究的基础；继而，、和节分别介绍了人工情感研究的几大重要研究方向：情感的识别、建模以及应用；在此基础上，在 节阐 述了人工情感的研究且的；最后，在节对人工情感的研究做了总结和
27、展望。人对环境的反应通常是以下三方面因素综合的结果，即，理性思维、本能反应、和情感响 应。目前智能控制研究主要集中在如何模拟人的理性思维过程，包括学习、推理和联想记忆：反应式响应是一种较为低级的生物反应，例如，动物的经典反射机制，在机器人的协调控制和自主式机器人的研究中已有较多尝试，但只能完成简单的任务：情感因素在很长时间内被智能控制领域忽略了。近年来，随着人工智能和智能机器人的发展，人们逐渐认识到人工情感对智能控制研究的重要性。情感过程】主要包括情绪和情感，是人对客观世界所持的态度在内心所产生的体验和伴随的心身变化，在人类的心理活动和社会实践中有着极为重要的作用。这些作用通 过情绪和情感对行
28、为的调节、 对行为效率的影响和对外界环境的适应等来实现，主要表 现在两个方面，即， 对相关事物的内部评价和在受到感观刺激后的快速反应（即情感的应激状态），而这正是理性思维所无法完成的。人工情感就是在功能上近似地实现情感过程的这两方面作用，以提高智能系统的智能性和自主性。提出，情感能提供机器人所需的自主性，并且是智能的最终来源。甚至认为，如果没有情感，机器人就不可能表现出智能行中南大学硕士学位论文第二章人工情感及其应用为。医学心理学关于情感的主要观点情感与认知情绪影响认知和认知过程。积极心境导致积极的记忆联想，消极心境导致消极认知，它可以影响人的工作（学习）记忆、推理操作和问题解决过程；认知是情
29、绪和行为反应的中介。情绪和行为不是由事件直接引起的，而是经由个体接受、评价，赋予事件以意义才产生的。否定的情 绪体 验不等于消极，有时，否定的体验可以激励人去拼搏：同样，肯定的和愉快的情绪也不都是积极的；情绪状态以交感神经系统的普遍唤醒为特征。的研究发现，当情绪的唤醒水平达到最佳水平时，操作效率最高。适当的紧张情绪有利于工作和学习，那种认为只有在身心放松的状态下才能发挥最佳工作效率的观点是不科学的。情感的性质”肯定与否定：满足人的需要起肯定的情绪，不满足则否定。如，满意一不满意：热爱一憎恨等；强与弱：在强度上存在由弱到强的等级变化，如，喜分为适意、愉快、欢乐、到大喜、狂喜。情 绪强度越大，人的
30、行为受情绪的支配的倾向也越大。增力与减力：增力的情绪能提高人的积极性和活动能力，如，愉快和热爱能驱使人去积极地行动；反之则减低。任何情绪都可能同时具有这两方面的性质，具体表 现因人和环境而异。 紧张与轻松：紧张的体验与活动对人的重要性密切相关。弗洛伊德认为， 虽然，情感在广 义上必然服从理性，但是，隐藏在理性后面的情感具有极大的力量，超过人所能想象的。即使是负面的情感，其作用也不一定完全是负面的，因其往往隐藏着某些正面的因素。情感与智能自然界的生物在与环境相互作用过程中都表现出一定的自适应和自学习能力，这种能力 为构造智能体提供了有益的参考。和提出了价值原则，即，智能体必须具有某种 评价机制以
31、判断某种行为能否为自身带来更大的价值。此原则是智能系 统能够实现无导师学习的基础之一。心理学研究已证实，情感是一种评价体系，和【】把情感理论分为五大类，即：感觉（）、生理（）、行为（）、评价（）和认知（）；而“情感是主体对所处状态的评价（）”刈则是目前对情感的评价机制研究的主要观点：【】提出的基于评价的理论（）代表了现阶段心理学对情感研究的主流。总体上，心中南大学硕士学位论文第二章人工情感及其应用理学界对“情感是对主体自身状态、环境以及主体的行为的评价”的理论已基本达成共识。心理学研究的发展也为人工情感的研究打下了基础。情感识别情感识别。是人工情感研究的重要领域，在有关人工情感的文献中占了一半
32、以上，这是因 为，只有准确地了解人的情感，机器（ 计算机或机器人）才能与人进行良好的沟通，也才能实现情感智能（）。此 领域的研究主要包括以下几方面的内容：根据语音和脸部图像来识别情感，其中： 语音信息包括 词汇的和非词汇的等【依据嘴唇、皮肤、和背景 颜色的不同并借助于嘴唇检测神经网络（）和皮肤判别神 经网络（）来 识别情感；和卅列出了包括和等在内的个所谓英语情感词汇；等【”根据音调（）、共振峰（）、节拍（）、和力度（）等非词汇信息来识别人的情感，在此基础上设计的语音对话系统根据所识别的情感对用户作出合适的回答。等口对年以前此领域的部分工作作了比较详细的回顾。根据可测量的心理学信号来识别情感等根
33、据肌电信号、血 压、皮肤的导电 性、和呼气量等信号来 识别包括无情感（）在内的八种情感，其识别的准确率达到；等口指出，人与机器人的物理接触是其沟通的有效途径，因此，可以根据接触力和力矩等信号来识别情感。根据运动信号识别情感个人机器人【利用其步态（）来表达其情感，等 则研究了根据舞蹈者跳舞的速度、加速度和身体的张开程度等来判别其情感状态；识别方法的研究等叫根据日本妇女脸部表情（）数据库，采用统计学方法建立了情感状态与脸部表情的关系模型；等【】采用隐含马尔科夫（）模型：等【】采用了线性判别分类器、丘邻近网 络、和支持向量机器分类器（）等模式识别方法；等引入柯西（）分布构造分类器。进行了与人相关和无
34、关的实验， 结果表明，采用柯西分布的效果优于高斯分布；此外，模糊逻辑和神经网络也是情感识别的有效方法，例如：可以利中南大学硕士学位论文第二章人工情感及其应用用神经网络和模糊逻辑对脸部图像和语音信息同时进行处理以识别情感表达【。情感建模人工情感的建模大致分为两类，即，传统的分析与符号（）模型和合成的自下而上的（）模型。分析与符号模型这是比较传统的建模思想，力求与心理学研究的主流保持一致，尽量将人类情感的各种特征都体现在模型中，所以往往比较复杂。等提出的模型与其它由基本情感集合构成的情感模型】不同，根据情感触发的不同条件对基本情感进行归类，并且特别提出情感是一种可以由数值（正或负）表示的反应，是主
35、体 对各种事件、目标、主体自身以及其它智能体的评价反应。基于这种观点，等懈情感抽象为种最基本的情感，并分别归类于上述评价范畴。等】基于心理学的认知评价理论提出了一种具有情感的智能体环境状态。建议。荷尔蒙控制输出图交又阵列学习模块控制行为匕模型，包含神经系统、荷尔蒙系统和基因系统等情感生成过程的深层因素。在该模型中，神经 系统控制着荷尔蒙系统，并控制着智能体的行为系统；荷尔蒙系统产生情感、情 绪和其它生理或心理状态；基因系统通过基因和遗传因素影响着另外两大系统，图所示的就是其中的基于交叉 阵列（）学习模块。删提出了包含反应和情感机（）等多种功能模 块的四层结构的计算化（）模型。这些都是从心理学的
36、角度 为情感建立的包含充分复杂性的定性和语意符号表示的模型。对这类模型作了综述。然而，认为，这些模型都是过度设计的（）也过于复杂，因而不适中南大学硕士学位论文第二章人工情感及其应用用于智能控制。合成的自下而上的模型为了能在具体的智能系统中实现人工情感，有必要降低情感模型的复杂程度，于是就出现了这种新的情感建模方法。根据具体的任务和环境，采用自下而上的分析方法，从抽象到具体，抓住影响系统性能的主要因素，设计值图情感模型出如图所示相对简单的情感模型。 该模型考 虑了感觉（）、知觉（）、情感（）、和荷尔蒙（）系统，情感表现出以下四个特征，）情感由数值 度量，即：情感可由一个正数或 负数表示；）某一种情感状态会持续一段时间，不同情感之间的突变是不允许的，尤其是两种差别很大的情感：）某种情感的产生不仅依赖 于当前的感觉，还与其近期情感状态有关；）当前的情感状态会影响甚至歪曲主
