已选(0)清除
条数/页: 排序方式: |
| 多柔性关节仿鱼推进系统优化与运动控制研究 学位论文 , 2024 作者: Lu Ben Adobe PDF(36135Kb)  |  收藏  |  浏览/下载:2/0  |  提交时间:2024/06/04 水下仿生机器人 多柔性关节 性能优化 转向运动控制 |
| 自监督机器人操作任务视觉表征学习方法研究 学位论文 , 2024 作者: 马文轩 Adobe PDF(16914Kb)  |  收藏  |  浏览/下载:5/0  |  提交时间:2024/06/04 自监督学习 机器人操作任务学习 视觉表征学习 具身视觉感知 |
| 类脑心理揣测脉冲神经网络模型研究 学位论文 , 2024 作者: zhao Zhuo ya Adobe PDF(23946Kb)  |  收藏  |  浏览/下载:1/0  |  提交时间:2024/06/04 类脑心理揣测模型 脉冲神经网络 多智能体社会交互 区分自我和他人 |
| 表示增强的深度强化学习算法研究 学位论文 , 2024 作者: 张清扬 Adobe PDF(37765Kb)  |  收藏  |  浏览/下载:8/0  |  提交时间:2024/06/04 请输入关键词深度强化学习,表示学习,分层强化学习,多智能体强化学习,大型语言模型 |
| 基于脑脉冲序列的离散时间动态系统学习控制研究 学位论文 , 2024 作者: 韩立元 Adobe PDF(32282Kb)  |  收藏  |  浏览/下载:4/0  |  提交时间:2024/06/04 离散时间动态系统 脑脉冲序列 脉冲自适应动态规划 脉冲神经网络 多尺度动力学 脑机接口 |
| A Bio-Inspired Integration Model of Basal Ganglia and Cerebellum for Motion Learning of a Musculoskeletal Robot 期刊论文 Journal of Systems Science and Complexity, 2024, 卷号: 37, 页码: 82-113 作者: Jinhan Zhang; Jiahao Chen; Shanlin Zhong; Hong Qiao Adobe PDF(1513Kb)  |  收藏  |  浏览/下载:6/0  |  提交时间:2024/06/04 |
| A memory and attention-based reinforcement learning for musculoskeletal robots with prior knowledge of muscle synergies 期刊论文 Robotic Intelligence and Automation, 2024, 卷号: 44, 期号: 2, 页码: 316-333 作者: Xiaona Wang; Jiahao Chen; Hong Qiao Adobe PDF(2591Kb)  |  收藏  |  浏览/下载:9/0  |  提交时间:2024/06/04 |
| Motion Learning for Musculoskeletal Robots Based on Cortex-Inspired Motor Primitives and Modulation 期刊论文 IEEE Transactions on Cognitive and Developmental Systems, 2024, 卷号: 16, 期号: 2, 页码: 744-756 作者: Xiaona Wang; Jiahao Chen; Wei Wu Adobe PDF(3444Kb)  |  收藏  |  浏览/下载:8/0  |  提交时间:2024/06/04 |
| Memory, attention, and muscle synergies based reinforcement and transfer learning for musculoskeletal robots under imperfect observation 期刊论文 IEEE/ASME Transactions on Mechatronics, 2024, 页码: doi:10.1109/TMECH.2024.3401045 作者: Chen JH(陈嘉浩); Wu YX(吴亚雄); Qiao H(乔红) Adobe PDF(5646Kb)  |  收藏  |  浏览/下载:4/0  |  提交时间:2024/06/04 |
| 基于内在动机的深度强化学习探索策略研究 学位论文 , 2024 作者: 陈忠鹏 Adobe PDF(5803Kb)  |  收藏  |  浏览/下载:14/0  |  提交时间:2024/06/04 深度强化学习,内在动机,探索策略,稀疏奖励 |