情感计算数学模型的研究初探

针对计算机如何进行情感计算,提出一种情感空间的概率模型并对其进行了计算机仿真。通过构造状态的概率转移矩阵,得到每个情感状态的概率分布,从而计算出情感的熵值。情感的熵值,表达出所构造的情感的细腻程度。通过计算机仿真,验证了情感模型是符合人类情感规律的——不确定性同时又具有统计规律。最后通过不同参数的仿真,说明此模型可以产生不同的情感活动,为情感机器人数学模型的建立与情感决策支持系统提供了一种新的方法。     

人工情感研究综述

对人工情感研究现状及其相关应用进行了较为详细的分析与综述,对研究难点及未来的发展趋势也进行了较为详细的分析。     

基于随机事件处理的情感建模研究

针对各种传感器采集到的随机数字量，进行归一化和修正，使之符合人类对外界刺激的感觉。同时利用人工心理理论建立了一个基于随机过程的情感空间，用修正过的外界刺激作为输入，产生模拟的人类情感。这种产生的模拟的情感同时也对模型参数进行修正。     

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.最后提出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要任务.     

基于心理能量思想的人工情感模型

从人工情感建模的需要出发,根据动力心理学关于心理能量的理论,提出了情感能量的概念以及基于情感能量的情感状态的数学描述方法,建立了情感状态的能量分布描述空间和情感状态的概率描述空间。在此基础上,进一步分析了情绪状态的变化过程,并提出了情绪状态自发转移过程的马尔可夫链模型以及情绪状态刺激转移过程的隐马尔可夫模型。     

浅谈人工情感

随着人工智能技术研究的逐渐深入,智能主体拟人化程度和智能程度越来越高,情感在智能主体中有何作用及如何建立人工情感的模型等一系列摆在我们面前.本文介绍了人工情感的应用、作用、模型.     

基于HMM的人工心理建模方法研究

提出一种基于HMM的人工情感模型。该模型将人类的情感过程视为两层随机过程,通过调整模型的初始参数,能够构建具有不同性格特征的心理模型;同时它作为情感引擎,能以概率的形式预测情感过程的最终结果。系统运行结果表明由该模型产生的情感反应真实、自然。     

基于人工心理理论的情感模型构建方法研究

人类的智能不仅表现为正常的理性思维和逻辑推理能力,也应表现为正常的情感能力。本文在阐述情感交互系统结构和情感特性的基础上,提出了一种基于HMM的情感模型,并采用情绪熵与情感熵的概念约束模型的初始值,从而使该模型适应不同的性格特征。     

隐马尔可夫情感模型的复合情绪生成

情感模型的建立,是产生人工情感的一种途径,也是和谐人机交互的基础.针对现有的隐马尔可夫情感模型仅能产生基本情绪的问题,提出了一种改进的模型,使其能够产生复合情绪.首先,放宽已有理论的假设条件,使得某种刺激可以引发多种基本情绪,并且2种基本情绪状态的强度可以同时增大,提高了模型的普适性;其次在引入辅助矩阵和可变阈值后,实现了情感模型的复合情绪生成.通过仿真试验,验证了该模型的有效性.     

应用于机器人的情感模型研究

引入一种新的情感建模方法--基于灰色系统理论的情感建模.首先抽象出影响机器人情感生成的各主要因素,并给出情感机器人系统的MAS结构,最后构造出情感模型并在现有的机器人平台中进行了实现.实验表明,基于GM(1, N)的情感模型能够很好地模仿人类简单情感的生成.情感机器人属于个人机器人范畴,所以情感模型的建立体现了个性化的特点.     

基于人工情绪的智能情感网络教学系统研究

针时传统智能网络教学系统在情感教学方面的缺陷，基于人工情绪技术提出了一种Web环境下的智能情感网络教学系统结构．该系统由学习情绪模型、情绪教学模型、认知教学模型和学生模型等主要模块所构成，可以获取和识别每个学生的学习表情，并能够根据不同学生的学习情绪和学习效果，实现认知和情感相互协调的个性化教学．     

基于情绪图片的PAD情感状态模型分析

针对情感计算领域的情感描述和测量问题,系统分析了情感的范畴观和维度观在情感计算领域中的意义。采用传统的心理测量方法,通过分析人们对330张图片在16个情绪维度上的评分,综合评价已有心理学研究中所涉及的众多维度,构建了2维和3维情感空间,指出了3个维度的本质、对人类情感信息的表达精度和相应的命名方法。实验结果表明,情绪范畴在3个情感空间中可以很好地分离开来,而且它们在情感空间中的分布可以非常直观地展示出各个基本情绪范畴之间的关系。这一结果证明3维情感空间可以充分地表达和量化人类情感,是情感计算研究的基础。     

基于个性和OCC的机器人情感建模研究

机器人不仅要具有简单的机械作业和逻辑推理能力，还应当具有类似人类的情感能力．本文将个性与情绪、情感、理解、表达相结合，采用OCC模型作为评价标准，建立了符合人类情感规律的、可用于情感机器人的情感模型。通过一个应用上述模型的虚拟人情感交互系统．验证了此模型可以很好的对人类的情感进行仿真．可以应用于情感机器人和人性化计算机、游戏等许多领域。     

一种基于状态空间分析法的人工情感模型

从人类情感的特征出发,分析了情感的变化规律,引入转移系数矩阵、情感强度的衰减因子以及情感的灵敏因子描述不同个体的情感特征,提出一种基于马尔可夫链和状态空间分析方法的情感模型构建方法,分析了该模型的稳定性,并使用Matlab软件对情感的自发转移和控制输入时的情感变化以及无输入时情感的变化趋势进行了仿真,仿真结果说明了模型所表示的情感过程接近于人类的情感过程。     

基于人工情感的拟人机器人控制体系结构

简要概括了当前人工情感的应用,提出一种基于人工情感的拟人机器人控制体系结构,并给出了仿真示例．基于情感的控制结构具有混合分层的特点,情感状态影响到机器人的整个信息处理过程．这种结构不仅体现了机器人的个性化,同时增强了机器人在动态环境中的学习和自适应能力．     

语音情感识别研究进展综述

对语音情感识别的研究现状和进展进行了归纳和总结,对未来语音情感识别技术发展趋势进行了展望. 从5个角度逐步展开进行归纳总结,即情感描述模型、具有代表性的情感语音库、语音情感特征提取、语音情感识别算法研究和语音情感识别技术应用,旨在尽可能全面地对语音情感识别技术进行细致的介绍与分析,为相关研究人员提供有价值的学术参考;最后,立足于研究现状的分析与把握,对当前语音情感识别领域所面临的挑战与发展趋势进行了展望.侧重于对语音情感识别研究的主流方法和前沿进展进行概括、比较和分析.     

基于有限状态机矩阵模型的人工情绪模型

根据情绪心理学理论,提出先天预置和后天习得2个层次的人工情绪模型。用有限状态机的矩阵模型实现先天原始基本情绪智能的再现,克服“事件-情绪-行为”序列对需要存储空间的缺点,提高了模型的实时性。用Lapicque神经细胞模型描述情绪状态转换的过渡过程,并给出模型仿真结果。     

一种与人工神经网络结合的人工内分泌系统模型

人体的内分泌系统具有强大的自适应、自调节能力.在人体的内分泌系统中,甲状腺激素能使人类在紧急情况下产生异常迅速的反应,从而增加人类的生存概率.本文借鉴甲状腺激素的分泌,储存和释放机制,提出一种新的与人工神经网络结合的人工内分泌模型,称为TAES(Thyroid hormone inspired Artificial Endocrine System)模型.TAES模型可以增加控制系统对动态环境的适应性.本文将TAES模型应用于机器人避障实验中.实验结果表明,该系统可以增加机器人在紧急情况下的避障能力.     

基于小波变换的表面肌电信号的情感识别

情感识别是情感计算的一个关键问题。针对表面肌电信号（EMG）的非平稳性,采用小波变换方法对表面肌电信号进行分析,提取小波系数最大值和最小值构造特征矢量输入用L-M算法改进的BP神经网络分类器进行情感状态识别。实验表明,用表面肌电信号对joy、anger、sadness、pleasure 4种情感识别效果较好。也说明用小波变换方法提取特征,用神经网络作分类器的方法用于情感识别有很大的应用前景。