检索结果-南通市图书馆

意图理解对高低自闭特质大学生注视喜欢效应的调节

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

意图理解对高低自闭特质大学生注视喜欢效应的调节

作者：夏莹莹陕西师范大学

学位级别：硕士

视线线索(Gaze Cue,即能引导个体主动跟随他人视线的线索)对我们的生活起着至关重要的作用。它不仅能引发注意定向,使个体将注意转向他人所注视的方向,又称注视线索提示效应(GCE:Gaze Cueing Effect);还能引发注视喜欢效应(Gaze Liking ... 详细信息

视线线索(Gaze Cue,即能引导个体主动跟随他人视线的线索)对我们的生活起着至关重要的作用。它不仅能引发注意定向,使个体将注意转向他人所注视的方向,又称注视线索提示效应(GCE:Gaze Cueing Effect);还能引发注视喜欢效应(Gaze Liking Effect),即人们对出现在他人眼睛看向位置的物体有更高的喜爱程度评分。在GCE效应的相关研究中,人们发现与正常人群体相比,自闭症谱系障碍(ASD:Autism Spectrum Disorder)患者的GCE效应存在异常:ASD患者能够产生反射性的注意定向,却不能像正常人一样产生社会性加工优势效应(即会优先选择注意社会性信息进行加工)和社会性背景促进效应(相较于非社会性背景,社会性背景中的视线线索诱发的GCE效应更大)。然而,尚未看到有研究考察高自闭特质群体在GCE效应上与常人的差异。另外,由于注视喜欢效应也是由对视线线索的加工所引发,但迄今也尚未看到有研究考察高自闭特质群体在注视喜欢效应上与正常人有何异同。前人研究还发现,注视喜欢效应产生的重要条件是被试需要理解视线线索确实指向了该物品,即,这一效应的发生受个体意图性归因的影响。而ASD患者常在涉及意图性推理时与常人表现有异,提示其心理理论能力可能弱于常人。故而本研究推测,由于高自闭特质个体具有与ASD患者相似的认知、行为和人格特征,他们在注视喜欢效应上也可能与低自闭特质个体不同,且这种差异可能与其意图理解能力不足有关。因而本研究采用《自闭特质量表》对170名大学生进行了测量,经G*Power先验分析计算,选出得分在前20%和后20%的大学生被试各34人作为高自闭和低自闭组(因个别人员流失,每个实验中的具体人数略有差异),通过比较他们在注视喜欢效应和GCE效应上的差异,考察自闭特质是否会影响注视喜欢效应和GCE效应。此外,由于动态和静态的视觉线索可能在意图表征高低上有差异,因而,本研究又采用静态和动态呈现线索的方式,比较了高、低自闭特质大学生在两种线索条件下注视喜欢效应和GCE效应的模式。实验1采用2(自闭特质:高自闭特质,低自闭特质)×2(注视线索有效性:有效,无效)的混合实验设计,其中,注视线索有效性为被试内变量,自闭特质为被试间变量,探究了静态视线线索情境下,高、低自闭特质大学生在GCE效应和注视喜欢效应上的差异。结果发现,两组大学生都能产生GCE效应,却都没有出现注视喜欢效应。由于静态视觉线索可能承载的意图表征较低,故实验2换用了动态视线线索,其他条件与实验1均相同,再次考察了高、低自闭特质大学生在GCE效应和注视喜欢效应上的异同。结果发现,高、低自闭特质大学生组均能产生GCE效应,但仅低自闭特质组产生了注视喜欢效应。我们推测可能是高自闭特质大学生对意图的理解能力较低,从而导致其没有产生注视喜欢效应。心理理论能力测验结果也支持了高自闭特质组的得分显著低于低自闭特质组。所以实验3进一步操纵了意图理解,采用2(自闭特质:高自闭特质,低自闭特质)×2(注视线索有效性:有效,无效)×2(意图:告知意图,不告知意图)的混合实验设计,在动态视线线索下,探究了对他人视线意图的理解是否会对两组自闭特质大学生的注视喜欢效应产生影响。结果发现,高、低自闭特质大学生在未告知眼神意图时,均产生了注视喜欢效应,在告知被试视线线索意图后,注视喜欢效应增强。之所以在未告知条件下,高自闭特质大学生也出现了注视喜欢效应,可能是由于实验材料的重复产生了熟悉性效应所导致的。尽管实验3的结果模式与实验2不完全相同,但在一定程度上支持了意图理解对注视喜欢效应的调节。综合三个实验结果及讨论,本研究得出以下结论:1.高、低自闭特质大学生在静态和动态视线线索下均能产生注视线索提示效应(GCE),支持了注视线索提示效应(GCE)的产生可能是由视线线索引发的反射性加工。2.意图可以调节注视喜欢效应,高自闭特质大学生在意图表征较高的动态视觉线索下未能出现注视喜欢效应,可能与其意图理解能力不足有关。

关键词： GCE效应注视喜欢效应意图理解自闭特质

基于深度学习与统计概率相结合的多模态意图理解算法及其应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习与统计概率相结合的多模态意图理解算法及其应用研究

作者：豆少松济南大学

学位级别：硕士

当下老龄化是全球不少国家面临的问题,并且本文通过实际调研和以往文献的研究,机器人陪护越来越被老年人认可。但由于目前机器人陪护系统交互方式单一,在老年人意图理解的识别率有待提高,令老年人在使用陪护机器人时增加了交互负担,同... 详细信息

当下老龄化是全球不少国家面临的问题,并且本文通过实际调研和以往文献的研究,机器人陪护越来越被老年人认可。但由于目前机器人陪护系统交互方式单一,在老年人意图理解的识别率有待提高,令老年人在使用陪护机器人时增加了交互负担,同时忽略了机器人交互的主动性和灵活性,难以达到人机协同的目标,影响了目标任务的完成。因此,本文为了实现服务机器人更加准确全面的理解老年用户的意图和实现低负荷的协同交互,提出并实现了面向老年用户的机器人意图理解与人机交互的原型系统,系统改进了现有的机器人陪护系统意图理解率较低和用户使用负荷过重的问题。本文将主要的研究内容和创新点总结如下:（1）本文将深度学习模型与统计概率模型相结合,提出了一种基于先验知识和场景距离的多模态意图理解模型Intention of Knowledge and Distance Model（简称KDI模型）。KDI模型的创新点在于它将用户典型的居家意图进行多模态信息建模,将可能出现在陪护场景中的物体绑定特定意图,并将其“是否存在”属性设定为模型算法中的超父属性（super-parent）,将深度学习得出的多模态识别结果进行基于知识的意图推理;同时将透视矩阵与目标检测算法结合,实现基于物体与用户距离的意图推理。（2）本文以按摩意图为例,分析在人机协同按摩过程中用户可能产生的意图,提出了一种多模态人机协同交互模型Heat Naive Bayes Model（简称HNB模型）。本模型将用户手势、体式、语音、骨骼点、表情以及压力传感器信息通过模型算法进行融合。模型的创新点在于考虑利用动态改变的信息熵来记录当前各模态识别的混乱程度,并将其与深度学习及其他模型产生的无特殊语义识别标签进行融合;并用基于证据推理的多源信息融合的方式在系统运行中实时调整系统行为。（3）完成了一个基于意图理解与人机协同的机器人陪护原型系统（简称KDI＆HNB系统）。原型系统中将意图理解模型和人机协同模型进行联合应用,提高了陪护机器人的主动性和智能型。为验证本原型系统的实用性,邀请老年用户使用KDI＆HNB系统进行意图理解与人机交互的验证,最后测试结果显示本原型系统基本满足了用户陪护需要,初步证明了基于深度学习与概率模型结合在意图理解与人机协同领域中实现助老陪护功能的有效性。

关键词：意图理解多模态融合人机协同交互助老陪护机器人智能按摩系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于意图理解的强化学习算法研究

基于意图理解的强化学习算法研究

作者：李文豪吉林大学

学位级别：硕士

随着强化学习的不断发展,强化学习的性能获得了极大的提升,并在工业生活中得到了越来越广泛的应用。强化学习的基本行为模式是智能体和环境进行持续不间断的交互,从而得到来自环境的奖励反馈信息,并利用这些交互信息数据对算法模型进行... 详细信息

随着强化学习的不断发展,强化学习的性能获得了极大的提升,并在工业生活中得到了越来越广泛的应用。强化学习的基本行为模式是智能体和环境进行持续不间断的交互,从而得到来自环境的奖励反馈信息,并利用这些交互信息数据对算法模型进行训练优化。然而,目前的强化学习中仍然存在着诸多的问题,例如强化学习算法对经验数据的利用率低的问题。在多智能体系统中,任务的训练难度会随着智能体数量的增多而越来越困难,产生奖励稀疏的问题。从智能体的经验数据中挖掘潜在的意图信息可以辅助智能体的训练。本文从意图理解的角度出发,针对强化学习中对经验数据的利用率不足的问题,提出了基于意图理解的强化学习方法。本文的主要工作如下:（1）本文提出了一个意图理解模型。该模型通过从智能体的轨迹数据进行分析,获得轨迹数据本身的表征信息,轨迹数据间的结构表征,以及智能体各个时间步之间的时序关系信息,并将这些信息融合,从而构建智能体轨迹意图信息的识别与理解。（2）提出了单智能体意图理解强化学习算法。该算法利用意图理解模型对智能体的每一个时间步的经验数据进行意图理解,然后利用意图理解信息对经验数据进行分类存储。在训练过程中根据智能体的训练情况,从不同的意图经验池中抽取不同比例的经验数据进行训练,实现算法模型的训练从泛化训练逐步过渡到特化训练。实验结果表明,该方法可以缓解强化学习中主要样本效率不足,对关键经验数据样本的利用率过低的问题。（3）提出了多智能体意图理解强化学习算法。该算法利用意图理解模型在智能体数量少、难度低的环境中进行预训练,生成多智能体系统中的意图理解模型。并将此意图理解模型作为辅助知识,应用到智能体数量更多、难度更高的环境中,从而加速多智能体算法的训练。实验结果表明,该方法可以缓解强化学习中奖励稀疏的问题,实现算法模型从简单任务到复杂任务的学习,提升模型的泛化能力。

关键词：人工智能深度强化学习多智能体系统意图理解协作与对抗

利用深度去噪自编码器深度学习的指令意图理解方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

上海交通大学学报 2016年第7期50卷 1102-1107页

作者：李瀚清房宁赵群飞夏泽洋上海市北斗导航与位置服务重点实验室上海200240 上海交通大学自动化系广东深圳518055 上海交通大学人文学院上海200240 中国科学院深圳先进技术研究院广东深圳518055

提出了一种利用深度去噪自编码器(SDAE)的自然语言指令意图理解方法.根据家庭服务机器人的使用环境和应用场景构建了一个自然语言文本指令语料库,并对语料库中各类指令进行意图标注,从而把文本指令理解问题转化为文本分类问题;在传统的... 详细信息

提出了一种利用深度去噪自编码器(SDAE)的自然语言指令意图理解方法.根据家庭服务机器人的使用环境和应用场景构建了一个自然语言文本指令语料库,并对语料库中各类指令进行意图标注,从而把文本指令理解问题转化为文本分类问题;在传统的文本向量空间模型的基础上,融合了文本指令的词性信息,定义了一种文本表示模型——词性向量空间模型;将SDAE应用于文本指令意图理解,提取指令的高阶特征;用高斯核支持向量机进行训练和预测,进而实现了自然语言指令的意图理解.在所建语料库上进行多折交叉验证,结果表明指令意图理解平均准确率达到96%以上.

关键词：意图理解向量空间模型支持向量机深度去噪自编码器

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

未来空战中的意图理解技术综述

未来空战中的意图理解技术综述

结合发言者类型和语句位置的对话语句意图理解

第十九届中国航空测控技术年会

作者：张子明荆福龙刘仲杨蕙鸣王成汗高慧之国营芜湖机械厂航空设备测控与逆向工程实验室航空工业沈阳飞机设计研究所

随着武器装备和作战体系不断朝着数字化和智能化方向发展,在未来战场环境中以协同为基础的各作战单元联合作战将成为越来越重要的作战样式。以智能感知为基础对作战各要素的意图进行快速、准确地识别、判断和理解,成为未来空战中作出正... 详细信息

随着武器装备和作战体系不断朝着数字化和智能化方向发展,在未来战场环境中以协同为基础的各作战单元联合作战将成为越来越重要的作战样式。以智能感知为基础对作战各要素的意图进行快速、准确地识别、判断和理解,成为未来空战中作出正确决策的前提。从敌方作战意图识别、人机意图理解和编队意图理解等方面概述了以深度学习为代表的相关人工智能技术实施路径的研究状况和成果,并对意图理解技术在未来空战中的应用发展提出了思路和总结。

关键词：意图理解智能感知深度学习未来空战

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

结合发言者类型和语句位置的对话语句意图理解

2021中国自动化大会——中国自动化学会60周年会庆暨...

作者：黄欣雷刚曹中华陆明名江西师范大学软件学院同济大学电子与信息工程学院

针对现有研究忽视发言者类型和语句位置等信息的不足,提出一个多任务学习框架来有效利用上述信息进行语句表征学习,让模型习得更丰富的交互式问答语言特征,提升意图标签分类性能。基于多任务学习框架,在编码层提出了CCR-multi模型。实... 详细信息

针对现有研究忽视发言者类型和语句位置等信息的不足,提出一个多任务学习框架来有效利用上述信息进行语句表征学习,让模型习得更丰富的交互式问答语言特征,提升意图标签分类性能。基于多任务学习框架,在编码层提出了CCR-multi模型。实验结果表明,多任务学习可以很好地利用辅助信息,在模型充分训练的基础上,提升意图标签分类性能。在MSDialog-Intent数据集上的验证实验表明,多任务学习模型性能超越了基线模型和特征扩展模型。

关键词：对话系统意图理解多任务学习

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于动作意图理解的人机情感化体验设计研究

设计 2024年第2期37卷 124-127页

作者：周文祥湖南涉外经济学院人文艺术学院

为有效增进人与机器人在状态理解、动作预测和相互回应过程中的情感体验。基于动作意图理解等相关理论文献研究,结合设计应用实践,探索性提出,从感知模仿层、行为控制层、体验构建层3个层次框架下,通过肢体与表情动作等信息设计来促进... 详细信息

为有效增进人与机器人在状态理解、动作预测和相互回应过程中的情感体验。基于动作意图理解等相关理论文献研究,结合设计应用实践,探索性提出,从感知模仿层、行为控制层、体验构建层3个层次框架下,通过肢体与表情动作等信息设计来促进动作意图理解,以期构建良好的人机情感互动关系。经实例应用和Psycho Py数据测试,结果显示(p理解和传情绪递;对于人机情感互动体具有指导意义。

关键词：人机情感意图理解自然人机交互体验设计情感化设计

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于情感增强的用户意图理解的文本生成研究

基于情感增强的用户意图理解的文本生成研究

作者：李沁桐山东大学

学位级别：硕士

智能文本生成是自然语言处理领域的一个重要研究方向,建立一个能够像人类一样表达高质量自然语言的文本生成系统一直是人工智能的长期目标。智能文本生成主要可以分成四类:文本到文本的生成,数据到文本的生成,意义到文本的生成以及图像... 详细信息

智能文本生成是自然语言处理领域的一个重要研究方向,建立一个能够像人类一样表达高质量自然语言的文本生成系统一直是人工智能的长期目标。智能文本生成主要可以分成四类:文本到文本的生成,数据到文本的生成,意义到文本的生成以及图像到文本的生成。文本到文本的生成研究应用面最广,也是其他研究分类的基础,因此本文专注于文本到文本生成的研究。近年来,随着深度学习技术和并行计算能力的发展,智能文本生成在自然语言处理的各种应用中发挥了重要作用,比如用于人机闲聊系统,满足用户的陪伴需求,实现更为智能的人机交互;用于文本摘要系统,通过对原文本进行压缩、提炼,最终生成简明扼要的文本描述,提高用户工作效率。文本生成技术的广泛应用前景促使着学界和业界里产生了许多前沿研究和有影响力的应用产品。端到端的深度神经网络使得抽象式文本生成成为了可能,即把用户输入文本转换为深层语义形式,以此作为媒介从头生成目标文本。相比于检索式文本生成,抽象式文本因不受领域限制越来越受到研究者们的重视。然而,目前的抽象式文本生成研究仍然面临诸多挑战。首先,理解用户的感受、情绪是文本生成系统的重要技能（即共情能力）。用户文本往往是主观的且包含很多基于情感的观点,简单的线性操作无法有效建模用户输入文本的高质量深层语义表示。其次,寻找好的深层语义形式来表示用户输入文本是生成高质量文本的前提,现有的自然语言生成技术往往基于深层语义表达直接生成文本,缺乏对其核心成分的分析和依赖性建模进一步限制了文本生成的发展。因此,本文针对智能文本生成问题提出了一个新的探索角度:基于情感增强的用户意图理解的文本生成。情感是用户意图的重要成分,它反映了用户对某个物品的态度和观点,想要构建一个人类级别的文本生成系统,培养机器的情绪感知能力是必要的。本文进一步提出了一个新的文本生成范式TET:首先执行基于情感增强的用户意图理解,然后基于情感增强的意图表示生成文本。本文将此生成范式应用至两个具有代表性的生成任务:开放域对话（生成目标是回复）和观点摘要（生成目标是观点标签序列）,分析基于情感增强的用户意图理解对文本生成的重要性。在对话场景,本文根据TET范式设计了一个基于情感增强的意图理解的对话生成系统（TET-DG）,TET-DG考虑多粒度情感信息（即粗粒度情感标签和细粒度情感单词）以捕捉用户的细微情感,通过对情感信息额外建模增强用户意图的深层向量表示。额外地,TET-DG引入用户反馈信息进一步丰富用户意图深层表示,通过生成对抗学习的后验思想加强用户意图理解和回复生成之间的依赖性建模。在观点摘要场景,本文根据TET范式设计了一个基于情感增强的意图理解的观点标签生成系统（TET-TG）。首先,TET-TG联合监督学习和非监督学习算法对每个文本进行基于情感强度的观点重要性分析,使用情感强度值权重化用户意图的深层向量表示。特别地,TET-TG引入两种对齐机制显示地从情感增强的用户意图的深层表示中学习关键信息指导目标观点标签序列的生成。在对话任务上,本文使用公开的共情对话基准数据集进行了大量定量和定性实验分析。在观点摘要任务上,由于情感增强的相关数据集匮乏,本文在中国电商平台收集了大规模数据并进行了大量实验。与现有方法相比,TET范式对于两种文本生成应用均有显著的效果提升。本文额外设计了相关的分析实验,以解释基于情感情感增强的用户意图理解的有效性及其对文本生成性能的影响。

关键词：意图理解情感分析文本生成对话回复生成观点标签生成

面向人机协作的触力觉感知人机接口与意图理解技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向人机协作的触力觉感知人机接口与意图理解技术研究

作者：郑凯文河北工业大学

学位级别：硕士

近年来,智能机器人的创新与应用逐渐受到众多科研工作者的关注。作为机器人学与人工智能领域融合的产物,机器人的智能化水平不断提升,拥有了越来越多类似人类的思维和能力。但是受外界因素影响,处理一些实际工作问题时,机器人的决策能... 详细信息

近年来,智能机器人的创新与应用逐渐受到众多科研工作者的关注。作为机器人学与人工智能领域融合的产物,机器人的智能化水平不断提升,拥有了越来越多类似人类的思维和能力。但是受外界因素影响,处理一些实际工作问题时,机器人的决策能力不足,并不能实现全自动化。作业过程中如何处理非结构化现场环境下的复杂性与不确定性仍是当今智能机器人发展的主要挑战。当前实际工作中对于灵活性与多功能性要求相对较高,在较短的时间内改变运动方案、学习新知识等能力是人类比机器人更擅长的事情,此外诸如处理不可预见的问题、手动和创造性技能等人类技能尚未实现与机器设备的融合。因此,利用人机协作的方式将操作者的思路和意图传递给机器人,提高智能化设备处理复杂任务所需的能力和熟练程度将是一种比较合适的方案。触/力觉感知获取和传递触觉和动觉具有抗干扰能力强的特点,将其应用于人机协作中感知意图是当下研究的热点。为了全面、准确地获取和分析人机交互中操作者的意图,本文首先通过分析当前人机协作现状与接触式人机协作的问题,以人人协作意图表达为机理,探索接触式人机协作交互原则与交互方式,建立人-机器人-外部环境之间的信息交互,构建触/力觉意图感知研究方案与接触式人机协作系统模型。其次,自行设计了一种阵列式柔性触觉传感器,用来检测传感器表面压力分布状态,并对所研发的传感器进行了标定试验检测其电容特性。结合3D打印技术,将其封装成一款可实时感知人手抓握状态的触觉手柄。利用此触觉手柄采集操作者抓握意图数据,探索意图理解机理。通过对人手抓握习惯分析,定义了五种抓握状态与两种抓握姿态,建立了触觉手柄与操作意图之间的映射关系。提出了一种Harris特征点定位算法,实现了抓握姿态的判断与定位,并完成了抓握状态的标准化转换。构建抓握意图初始数据集,采用基于卷积神经网络的机器学习方法,通过离线训练、在线分类的方式实现对操作者操作意图的识别与分类,识别率达到97.87%。最后,采用UR协作型机器人作为实验平台,打通了MATLAB与ROS间的接口通信问题,实现了触觉信息采集的实时性。以触觉手柄作为意图感知装置,构建意图-行为映射关系控制UR机器人运动;并利用触觉手柄结合幕墙安装建筑机器人进行板材安装实验,实验表明该触觉手柄具有良好的意图感知效果。

关键词：人机交互触觉感知意图理解抓握识别