| 【中文题名】 | 基于动力学的人工情感模型研究 |
| 【英文题名】 | The Research for an Artificial Affective Modelbased on Kinetic |
| 【学科专业】 | 模式识别与智能系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-9 |
| 【中关键词】 | 情感计算,人工心理,表情合成,情绪状态,神经状态,心境 |
| 【英关键词】 | affective computing,artificial psychology,facial expression synthesis,emotional state,neural state,mood, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 |
目前，人工智能的情感计算已经涉及到三种情感技能——感知情绪，识别情绪，表达情绪的能力。然而对情感计算的广泛关注确是直到1997年MIT实验室，Picard教授出版《情感计算》(AffectiveComputing)的专著后，一般认为，情感计算(affective computing)技术是通过各种传感器获取由人的情绪，情感所引起的表情及生理变化信号，利用“情感模型”对这些信息进行识别，模仿人的情感认知体验过程和情感表达过程，从而对环境交互提供直观的智能的反馈。
本文首先提出了一种新型人工心理的建模方法，并具体介绍该模型的工程实现方法，之后使用该模型的输出来驱动一个动态面部表情合成应用当中。该心理工程模型包含两个模型，即情绪状态模型和神经状态模型。情绪状态模型的建模思想来源于情绪是由激发产生并弹性的恢复到平静的过程，是短暂而强烈的体验，整个情绪的发生发展过程都伴随着波动。鉴于该特点引入了二阶模型来刻画情绪的波动过程，同时通过和动力学相关概念的类比，对情绪状态激励模型中相关参数进行命名和计算，再有，引用能量的观点来分析情绪的积累因素及情绪问的相互影响。而神经状态模型的引入来反映神经状态的激活程度... |
| 【论文题纲】 |
|
摘要 |
4-6 |
|
ABSTRACT |
6-9 |
|
第一章 概述 |
9-18 |
|
1.1 引言 |
9 |
|
1.2 选题依据 |
9-14 |
|
1.2.1 情感计算的发展需求 |
9-10 |
|
1.2.2 情感计算机的应用 |
10-11 |
|
1.2.3 现阶段研究成果 |
11-14 |
|
1.3 情感系统的设计准则 |
14-15 |
|
1.3.1 情感识别系统的设计准则 |
14 |
|
1.3.2 情感表达系统的设计准则 |
14-15 |
|
1.4 情感系统的构成 |
15-16 |
|
1.5 情感系统的性能评价 |
16 |
|
1.6 论文的主要内容和章节安排 |
16-18 |
|
第二章 情感状态模型的建立 |
18-32 |
|
2.1 情感认知途径的结构框架 |
18-20 |
|
2.2 情感模型的建立 |
20-32 |
|
2.2.1 情绪状态模型 |
20-24 |
|
2.2.1.1 模型建立依据 |
20 |
|
2.2.1.2 描述情绪过程的二阶激励模型 |
20-22 |
|
2.2.1.3 情绪状态单元的功能模型 |
22-24 |
|
2.2.2 神经生理模型 |
24-27 |
|
2.2.2.1 紧张度模型 |
24-26 |
|
2.2.2.2 激动度模型 |
26-27 |
|
2.2.3 神经状态和情感状态的相互作用 |
27-28 |
|
2.2.4 情绪状态模型的构造 |
28-32 |
|
第三章 模型设计及工程实现 |
32-46 |
|
3.1 类结构 |
32-41 |
|
3.2 详细类图 |
41 |
|
3.3 多线程同步竞争机制 |
41-42 |
|
3.4 时序设计 |
42-46 |
|
3.4.1 系统主线程交互图 |
42-43 |
|
3.4.2 四个情绪线程之间的交互 |
43-44 |
|
3.4.3 单个情绪状态内部及和神经状态的交互时序图 |
44-46 |
|
第四章 表情合成实验 |
46-52 |
|
4.1 概貌介绍 |
46 |
|
4.2 研究进展 |
46-52 |
|
第五章 总结与展望 |
52-53 |
|
5.1 总结 |
52 |
|
5.2 展望 |
52-53 |
|
参考文献 |
53-58 |
|
致谢 |
58-59 |
|
攻读学位期间发表的学术论文目录 |
59 |
|
| 【DOI】 | LunWen.ID:2.2008.389137 |
