当前位置:首页 > 工业技术
认知相关性与智能模型构造的系统观点
认知相关性与智能模型构造的系统观点

认知相关性与智能模型构造的系统观点PDF电子书下载

工业技术

  • 电子书积分:9 积分如何计算积分?
  • 作 者:危辉著
  • 出 版 社:北京:科学出版社
  • 出版年份:2012
  • ISBN:9787030349866
  • 页数:170 页
图书介绍:传统的符号化人工智能采用的是“再现智能”的方法,设计的模型往往是对一种以某种形式表现、应用于某一局部领域的智能现象的模拟,对模型的认知意义并不刻意追求。这种指导思想对智能就事论事,缺乏对其本质的一个深刻洞察,没有将此智能现象作为人所有智能的一部分放在人的心智体系中进行全面系统地考察、放在认知发展全过程的前因后果序列中考察、放在无法回避的认知约束下进行考察。我们已经不满足淤陷其中的形式推理,而转向实现更朴素和本源的基于语义的推理。要想根本性的提高人工智能系统的性能,实现向“解释智能”的转变就必须将人工智能放在认知科学这个交叉学科的背景下进行修正,后者通过适当地使用还原和整合的策略说明高层次的智能现象如何突现。认知是包括知识获取、存储、回忆和使用的全部精神活动。如果对认知取信息加工的观点,那么认知的相关性就是认知结构在所加工信息的形态、加工流程、结构的组成、学习对结构的影响等方面的依赖关系。对这些相关性的研究对于知识获取、知识表示和知识应用的分阶段模型和联合模型的结构、以及构造过程研究具有重大意义。
《认知相关性与智能模型构造的系统观点》目录

第1章 引言:人工智能中的一些基本问题 1

1.1 人工智能受到的批评 1

1.2 人工智能中的几个基本问题 2

1.3 人工智能需要一个更广泛的背景 4

1.4 智能的心理表现与生理基础 6

1.5 本书的逻辑演进关系 7

第2章 认知相关性及其在人工智能背景下的意义 8

2.1 从形式推理到语义推理 8

2.1.1 形式推理及其困难 8

2.1.2 语义推理 12

2.2 认知相关性 13

2.2.1 模式相似性 14

2.2.2 语义相关 15

2.2.3 连贯性 16

2.2.4 继承性 17

2.2.5 协作性 18

2.3 认知相关性对人工智能的意义 19

2.3.1 系统和整体的智能观 19

2.3.2 知识的依赖性为什么重要 20

2.4 人工智能模型在认知科学背景下应满足的约束 21

2.5 本章小结 23

第3章 人工智能的关键:表示 24

3.1 从知识表示到表示:人工智能认识论上的进步 24

3.1.1 知识表示与表示是不同的 24

3.1.2 表示反映了对客观真实的认识 27

3.1.3 人工智能认识论上的进步 29

3.2 表象式直接表示 30

3.2.1 非符号化直接表示 30

3.2.2 视知觉研究 30

3.2.3 表象式直接表示 31

3.2.4 相关的问题 35

3.3 实践:基于结构学习和迭代自映射的自联想记忆模型 37

3.3.1 结构学习与权值学习不同 37

3.3.2 网络结构设计 37

3.3.3 网络结构和迭代过程的数学描述 42

3.3.4 实验结果 46

3.3.5 相关的问题 47

3.4 本章小结 48

第4章 智能模型构造的发展观 49

4.1 常识:知识获取的瓶颈 49

4.1.1 常识问题的由来 49

4.1.2 造成常识问题的原因 51

4.2 对策:智能系统构造的发展观 51

4.3 发展心理学与智能系统构造 53

4.3.1 依赖性源于发展性 53

4.3.2 发展心理学的启示 54

4.4 本章小结 56

第5章 实例:言语的计算结构研究 57

5.1 本研究与传统计算语言学的不同 57

5.2 言语的心理语言学框架 58

5.3 基于知觉加工模式的发展式分词算法 61

5.3.1 从认知心理学的角度看待自然语言理解问题 62

5.3.2 基于语言发展规律的分词模型 62

5.3.3 基于知觉加工双向过程的分词算法 63

5.3.4 实例分析 65

5.3.5 相关讨论 67

5.4 基于参照的对词结构操作语义的归纳学习 68

5.4.1 语言获得过程中的发现学习 68

5.4.2 基于参照的词结构的操作语义 69

5.4.3 操作语义的表达 70

5.4.4 基于参照的归纳发现学习算法 71

5.4.5 相关讨论 74

5.5 本章小结 75

第6章 基于连通结构与矩阵特征向量的联想记忆双层模型 77

6.1 引言 77

6.2 直接表达 78

6.3 动力学过程与连通结构 80

6.4 随机连接的双层网络结 81

6.5 单个神经元的动力学过程算法 83

6.5.1 单个神经元的动力学特征 83

6.5.2 基于矩阵特征值的单个神经元结构学习算法 85

6.6 自主的、并行分布式连通求取算法 88

6.7 实验结果 90

6.7.1 回忆与纠错实验 90

6.7.2 连通结构建立的速度与规模 91

6.7.3 学习次数与连通程度的对比 91

6.8 容量与纠错率分析 92

6.9 本章小结 94

第7章 神经系统动力学模型及动力学过程对认知操作的广泛表达意义 96

7.1 心理活动的外观与内部基础 96

7.2 基于激励均势扩散模式的网络结构组织模型 97

7.3 神经元动力学行为的数学描述 99

7.4 激励浸润与网络集群动力学过程的数学描述 102

7.5 基于结构特征的记忆编码算法 106

7.6 网络的性能分析 108

7.6.1 稳定性分析 108

7.6.2 回忆成功率分析 110

7.6.3 记忆容量分析 112

7.7 动力学过程对认知操作的广泛表达意义 112

第8章 人工智能的神经系统动力学融合表示模型研究 116

8.1 引言:不能融合的传统人工智能模型 116

8.2 基于神经系统动力学的直接表达 116

8.3 研究目标、内容与方法 118

第9章 初级皮层提供的表征基础 121

9.1 引言 121

9.1.1 研究意义 122

9.1.2 国内外研究情况综述 123

9.1.3 本章工作 124

9.2 背景知识与生理依据 125

9.2.1 早期视觉系统简介及视皮层基本结构 125

9.2.2 视网膜水平层次结构简介 126

9.2.3 外膝体基本结构 131

9.2.4 初级视皮层结构简介 132

9.2.5 早期视觉系统通路结构简介 135

9.3 计算模型设计与实现 139

9.3.1 早期视觉系统模型 139

9.3.2 视网膜、外膝体层的模拟 140

9.3.3 方位柱的模拟实现 142

9.3.4 颜色通道的模拟实现 144

9.4 实验系统设计与分析 146

9.4.1 计算模型的设计验证 146

9.4.2 过程与结果的验证 149

9.4.3 高阶功能探索实验 155

9.5 讨论 157

第10章 进一步的研究 159

10.1 基于生物视觉结构的视知觉研究 159

10.2 言语的计算结构研究 161

参考文献 163

返回顶部