基于神经网络的人工鱼行为模拟

发布时间：2017-10-19 18:44

  本文关键词：基于神经网络的人工鱼行为模拟

  更多相关文章： 人工鱼 神经网络 行为模拟

【摘要】：用计算机模拟真实动物的思考和行为是一个富有吸引和挑战的课题。本文探究了对人工鱼智能行为模拟的方法。该研究目的不是人工鱼的逼真可视化效果,而是关注对鱼类真实行为的模拟。本文创新点有两个,一是我们描述了一个对人工鱼类智能行为模拟的理论模型。该理论模型适用于一般的智能人工鱼,且具有可扩展性,可以用其模拟各种鱼类的行为。通过加入不同的神经网络,可以实现不同行为的模拟。二是本文引入SOM网络等神经网络算法,人工鱼在无监督的学习下改进自己的行为,实现人工鱼自适应和自学习能力。本文介绍了在这个理论模型基础上,我们构建的一个实际的人工鱼模型。该模型分为感知模型、思维模型和行为模型三个子模块。其中感知模型模拟的是鱼类的感觉器官。思维模型包含的是多个神经系统,每个神经系统完成其负责的任务功能。在我们的实例中,包含意图生成系统、定点喂食学习系统和障碍物规避学习系统。其中意图生成系统应用BP神经网络模型,产生每一时刻下人工鱼的意图。定点喂食学习系统应用SOM神经网络模型,经过一段时间的学习,可以对食物的位置有记忆。障碍物规避学习系统也应用SOM神经网络模型,经过一段时间训练,对可活动的区域位置有记忆。行为模型是根据思维模型的指令完成人工鱼活动的模块,这部分的实现主要由三维模型的空间变换来模拟,主要目的是为行为模拟的准确性分析呈现一个方便观察的结果。本文对智能人工鱼的实例模型做了程序实现。本课题使用Unity3D游戏引擎作为场景搭建工具。不关注人工鱼生理结构,只用三维模型来表示人工鱼。对最终人工鱼智能的呈现效果作一定分析。
【关键词】：人工鱼 神经网络 行为模拟
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP183
【目录】：

• 摘要4-5
• Abstract5-13
• 第1章 绪论13-18
• 1.1 课题背景13-14
• 1.2 相关研究14-15
• 1.2.1 人工鱼模型研究14
• 1.2.2 人工鱼生态系统研究14-15
• 1.2.3 人工神经网络的研究15
• 1.3 研究目的15-16
• 1.4 作者的工作16-17
• 1.5 文章结构17
• 1.6 本章小结17-18
• 第2章 相关研究综述18-29
• 2.1 神经网络概述18-19
• 2.1.1 神经网络学习18-19
• 2.1.2 神经网络在模式识别中的应用19
• 2.2 BP神经网络19-22
• 2.2.1 节点输出20
• 2.2.2 激励函数20-21
• 2.2.3 误差计算21
• 2.2.4 误差修正21-22
• 2.2.5 参数设置22
• 2.3 自组织竞争型网络22-25
• 2.3.1 自组织竞争型网络结构简介22-23
• 2.3.2 相似性测量23
• 2.3.3 竞争学习23-25
• 2.4 SOM神经网络25-28
• 2.4.1 SOM神经网络结构25
• 2.4.2 权值调整方法25-27
• 2.4.3 学习过程27-28
• 2.4.4 参数设置28
• 2.5 本章小结28-29
• 第3章 智能人工鱼理论模型及其实例29-38
• 3.1 鱼类生理结构29
• 3.2 建立智能人工鱼理论模型29-31
• 3.3 建立人工鱼理论模型的意义31-32
• 3.4 构建智能人工鱼实例模型32-34
• 3.4.1 感知模型32-33
• 3.4.2 思维模型33
• 3.4.3 行为模型33-34
• 3.5 在Unity3D中的实现34-37
• 3.6 本章小结37-38
• 第4章 人工鱼感知模型和行为模型38-51
• 4.1 人工鱼感知模型设计38-46
• 4.1.1 鱼类感知能力简介38
• 4.1.2 感知模型结构38-39
• 4.1.3 感受器设计39-41
• 4.1.4 处理器设计41-43
• 4.1.5 伪码实现43-46
• 4.2 行为模型46-50
• 4.2.1 行为系统设计概述46-47
• 4.2.2 基本运动单位47-48
• 4.2.3 闲逛的行为48
• 4.2.4 躲避障碍的行为48-49
• 4.2.5 逃逸的行为49-50
• 4.2.6 捕食的行为50
• 4.3 本章小结50-51
• 第5章 人工鱼意图生成系统51-59
• 5.1 意图生成系统概述51-52
• 5.2 BP网络结构设计52-54
• 5.2.1 BP网络输入52
• 5.2.2 BP网络隐藏层52
• 5.2.3 BP网络输出层52-53
• 5.2.4 BP网络激励函数和学习速率53-54
• 5.3 数据准备阶段54-58
• 5.3.1 训练阶段56
• 5.3.2 工作阶段56-58
• 5.4 本章小结58-59
• 第6章 基于记忆的人工鱼自学习系统59-73
• 6.1 鱼类的记忆和学习能力59
• 6.2 人工鱼自学习系统基本模型59-63
• 6.2.1 人工鱼自学习系统概述59-60
• 6.2.2 人工鱼自学习系统基本模型设计60-63
• 6.3 定点喂食学习系统设计63-68
• 6.3.1 定点喂食学习系统概述63-64
• 6.3.2 定点喂食学习系统实现64-68
• 6.4 障碍物规避学习系统设计68-71
• 6.4.1 障碍物规避学习系统概述68-69
• 6.4.2 障碍物规避学习系统实现69-71
• 6.5 本章小结71-73
• 第7章 验证实验测试结果73-89
• 7.1 验证实验概述73
• 7.2 人工鱼4种意识行为模拟测试73-77
• 7.2.1 行为模拟功能测试73-75
• 7.2.2 BP网络性能测试75-77
• 7.3 定点喂食学习行为模拟77-82
• 7.3.1 定点喂食学习功能测试77-79
• 7.3.2 智能性分析验证79-80
• 7.3.3 SOM网络性能测试80-82
• 7.4 障碍物规避学习行为模拟82-86
• 7.4.1 障碍物规避学习行为功能测试82-84
• 7.4.2 SOM网络性能测试84-86
• 7.5 “老鱼”和“小鱼”行为模拟86-87
• 7.6 寻找多个喂食点的行为模拟87
• 7.7 与其他人工鱼行为模拟方法的对比87-88
• 7.8 本章小结88-89
• 第8章 总结展望89-91
• 8.1 工作总结89
• 8.2 不足和展望89-91
• 参考文献91-93
• 攻读硕士学位期间主要的研究成果93-94
• 致谢94

【相似文献】

中国期刊全文数据库 前10条

1 张淑军;陈戈;陈勇;;人工鱼高级行为规划和运动模型研究[J];系统仿真学报;2008年13期

2 班晓娟,刘宏伟,陈泓娟,涂序彦;“人工鱼”自学习方法研究[J];计算机工程;2004年06期

3 班晓娟;曾广平;艾冬梅;涂序彦;;人工鱼的认知模型研究[J];计算机科学;2004年11期

4 张淑军;班晓娟;陈勇;陈戈;;基于记忆的人工鱼认知模型[J];计算机工程;2007年19期

5 杨国为;人工鱼的“叨食物行为”和“求偶行为”的运动规律模型[J];计算机工程与应用;2005年12期

6 王小铭;钟林海;;基于物理与生物学机理的人工鱼行为模拟[J];华南师范大学学报(自然科学版);2012年01期

7 班晓娟,陈泓娟,涂序彦;具有自学习和自进化能力的人工鱼模型设计[J];计算机应用研究;2003年05期

8 孟宪宇;薛燕荣;王昊;张军;佟玉军;;人工鱼多感知系统融合研究[J];系统仿真学报;2010年02期

9 涂晓媛,陈弘娟,涂序彦;“人工鱼”动画模型设计[J];软件世界;2000年04期

10 李晗;孟宪宇;杜鹏;王丽丽;;基于Android系统的人工鱼感知融合模型研究[J];渤海大学学报(自然科学版);2012年02期

中国重要会议论文全文数据库 前1条

1 孟宪宇;班晓娟;宁淑荣;涂序彦;;人工鱼虚拟嗅觉系统的研究[A];2006年首届ICT大会信息、知识、智能及其转换理论第一次高峰论坛会议论文集[C];2006年

中国博士学位论文全文数据库 前1条

1 张淑军;虚拟海洋环境中人工鱼的认知模型和行为控制研究[D];中国海洋大学;2007年

中国硕士学位论文全文数据库 前7条

1 尹璐;基于神经网络的人工鱼行为模拟[D];浙江大学;2016年

2 刘q，

本文编号：1062756