認知相關性與智能模型構造的系統(tǒng)觀點

前言第1章 引言：人工智能中的一些基本問題 1.1 人工智能受到的批評 1.2 人工智能中的幾個基本問題 1.3 人工智能需要一個更廣泛的背景 1.4 智能的心理表現與生理基礎 1.5 本書的邏輯演進關系第2章 認知相關性及其在人工智能背景下的意義 2.1 從形式推理到語義推理 2.1.1 形式推理及其困難 2.1.2 語義推理 2.2 認知相關性 2.2.1 模式相似性 2.2.2 語義相關 2.2.3 連貫性 2.2.4 繼承性 2.2.5 協(xié)作性 2.3 認知相關性對人工智能的意義 2.3.1 系統(tǒng)和整體的智能觀 2.3.2 知識的依賴性為什么重要 2.4 人工智能模型在認知科學背景下應滿足的約束 2.5 本章小結第3章 人工智能的關鍵：表示 3.1 從知識表示到表示：人工智能認識論上的進步 3.1.1 知識表示與表示是不同的 3.1.2 表示反映了對客觀真實的認識 3.1.3 人工智能認識論上的進步 3.2 表象式直接表示 3.2.1 非符號化直接表示 3.2.2 視知覺研究 3.2.3 表象式直接表示 3.2.4 相關的問題 3.3 實踐：基于結構學習和迭代自映射的自聯想記憶模型 3.3.1 結構學習與權值學習不同 3.3.2 網絡結構設計 3.3.3 網絡結構和迭代過程的數學描述 3.3.4 實驗結果 3.3.5 相關的問題 3.4 本章小結第4章 智能模型構造的發(fā)展觀 4.1 常識：知識獲取的瓶頸 4.1.1 常識問題的由來 4.1.2 造成常識問題的原因 4.2 對策：智能系統(tǒng)構造的發(fā)展觀 4.3 發(fā)展心理學與智能系統(tǒng)構造 4.3.1 依賴性源于發(fā)展性 4.3.2 發(fā)展心理學的啟示 4.4 本章小結第5章 實例：言語的計算結構研究 5.1 本研究與傳統(tǒng)計算語言學的不同 5.2 言語的心理語言學框架 5.3 基于知覺加工模式的發(fā)展式分詞算法 5.3.1 從認知心理學的角度看待自然語言理解問題 5.3.2 基于語言發(fā)展規(guī)律的分詞模型 5.3.3 基于知覺加工雙向過程的分詞算法 5.3.4 實例分析 5.3.5 相關討論 5.4 基于參照的對詞結構操作語義的歸納學習 5.4.1 語言獲得過程中的發(fā)現學習 5.4.2 基于參照的詞結構的操作語義 5.4.3 操作語義的表達 5.4.4 基于參照的歸納發(fā)現學習算法 5.4.5 相關討論 5.5 本章小結第6章 基于連通結構與矩陣特征向量的聯想記憶雙層模型 6.1 引言 6.2 直接表達 6.3 動力學過程與連通結構 6.4 隨機連接的雙層網絡結 6.5 單個神經元的動力學過程算法 6.5.1 單個神經元的動力學特征 6.5.2 基于矩陣特征值的單個神經元結構學習算法 6.6 自主的、并行分布式連通求取算法 6.7 實驗結果 6.7.1 回憶與糾錯實驗 6.7.2 連通結構建立的速度與規(guī)模 6.7.3 學習次數與連通程度的對比 6.8 容量與糾錯率分析 6.9 本章小結第7章 神經系統(tǒng)動力學模型及動力學過程對認知操作的廣泛表達意義 7.1 心理活動的外觀與內部基礎 7.2 基于激勵均勢擴散模式的網絡結構組織模型 7.3 神經元動力學行為的數學描述 7.4 激勵浸潤與網絡集群動力學過程的數學描述 7.5 基于結構特征的記憶編碼算法 7.6 網絡的性能分析 7.6.1 穩(wěn)定性分析 7.6.2 回憶成功率分析 7.6.3 記憶容量分析 7.7 動力學過程對認知操作的廣泛表達意義第8章 人工智能的神經系統(tǒng)動力學融合表示模型研究 8.1 引言：不能融合的傳統(tǒng)人工智能模型 8.2 基于神經系統(tǒng)動力學的直接表達 8.3 研究目標、內容與方法第9章 初級皮層提供的表征基礎 9.1 引言 9.1.1 研究意義 9.1.2 國內外研究情況綜述 9.1.3 本章工作 9.2 背景知識與生理依據 9.2.1 早期視覺系統(tǒng)簡介及視皮層基本結構 9.2.2 視網膜水平層次結構簡介 9.2.3 外膝體基本結構 9.2.4 初級視皮層結構簡介 9.2.5 早期視覺系統(tǒng)通路結構簡介 9.3 計算模型設計與實現 9.3.1 早期視覺系統(tǒng)模型 9.3.2 視網膜、外膝體層的模擬 9.3.3 方位柱的模擬實現 9.3.4 顏色通道的模擬實現 9.4 實驗系統(tǒng)設計與分析 9.4.1 計算模型的設計驗證 9.4.2 過程與結果的驗證 9.4.3 高階功能探索實驗 9.5 討論第10章 進一步的研究 10.1 基于生物視覺結構的視知覺研究 10.2 言語的計算結構研究參考文獻