認(rèn)知相關(guān)性與智能模型構(gòu)造的系統(tǒng)觀(guān)點(diǎn)

前言第1章 引言：人工智能中的一些基本問(wèn)題 1.1 人工智能受到的批評(píng) 1.2 人工智能中的幾個(gè)基本問(wèn)題 1.3 人工智能需要一個(gè)更廣泛的背景 1.4 智能的心理表現(xiàn)與生理基礎(chǔ) 1.5 本書(shū)的邏輯演進(jìn)關(guān)系第2章 認(rèn)知相關(guān)性及其在人工智能背景下的意義 2.1 從形式推理到語(yǔ)義推理 2.1.1 形式推理及其困難 2.1.2 語(yǔ)義推理 2.2 認(rèn)知相關(guān)性 2.2.1 模式相似性 2.2.2 語(yǔ)義相關(guān) 2.2.3 連貫性 2.2.4 繼承性 2.2.5 協(xié)作性 2.3 認(rèn)知相關(guān)性對(duì)人工智能的意義 2.3.1 系統(tǒng)和整體的智能觀(guān) 2.3.2 知識(shí)的依賴(lài)性為什么重要 2.4 人工智能模型在認(rèn)知科學(xué)背景下應(yīng)滿(mǎn)足的約束 2.5 本章小結(jié)第3章 人工智能的關(guān)鍵：表示 3.1 從知識(shí)表示到表示：人工智能認(rèn)識(shí)論上的進(jìn)步 3.1.1 知識(shí)表示與表示是不同的 3.1.2 表示反映了對(duì)客觀(guān)真實(shí)的認(rèn)識(shí) 3.1.3 人工智能認(rèn)識(shí)論上的進(jìn)步 3.2 表象式直接表示 3.2.1 非符號(hào)化直接表示 3.2.2 視知覺(jué)研究 3.2.3 表象式直接表示 3.2.4 相關(guān)的問(wèn)題 3.3 實(shí)踐：基于結(jié)構(gòu)學(xué)習(xí)和迭代自映射的自聯(lián)想記憶模型 3.3.1 結(jié)構(gòu)學(xué)習(xí)與權(quán)值學(xué)習(xí)不同 3.3.2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì) 3.3.3 網(wǎng)絡(luò)結(jié)構(gòu)和迭代過(guò)程的數(shù)學(xué)描述 3.3.4 實(shí)驗(yàn)結(jié)果 3.3.5 相關(guān)的問(wèn)題 3.4 本章小結(jié)第4章 智能模型構(gòu)造的發(fā)展觀(guān) 4.1 常識(shí)：知識(shí)獲取的瓶頸 4.1.1 常識(shí)問(wèn)題的由來(lái) 4.1.2 造成常識(shí)問(wèn)題的原因 4.2 對(duì)策：智能系統(tǒng)構(gòu)造的發(fā)展觀(guān) 4.3 發(fā)展心理學(xué)與智能系統(tǒng)構(gòu)造 4.3.1 依賴(lài)性源于發(fā)展性 4.3.2 發(fā)展心理學(xué)的啟示 4.4 本章小結(jié)第5章 實(shí)例：言語(yǔ)的計(jì)算結(jié)構(gòu)研究 5.1 本研究與傳統(tǒng)計(jì)算語(yǔ)言學(xué)的不同 5.2 言語(yǔ)的心理語(yǔ)言學(xué)框架 5.3 基于知覺(jué)加工模式的發(fā)展式分詞算法 5.3.1 從認(rèn)知心理學(xué)的角度看待自然語(yǔ)言理解問(wèn)題 5.3.2 基于語(yǔ)言發(fā)展規(guī)律的分詞模型 5.3.3 基于知覺(jué)加工雙向過(guò)程的分詞算法 5.3.4 實(shí)例分析 5.3.5 相關(guān)討論 5.4 基于參照的對(duì)詞結(jié)構(gòu)操作語(yǔ)義的歸納學(xué)習(xí) 5.4.1 語(yǔ)言獲得過(guò)程中的發(fā)現(xiàn)學(xué)習(xí) 5.4.2 基于參照的詞結(jié)構(gòu)的操作語(yǔ)義 5.4.3 操作語(yǔ)義的表達(dá) 5.4.4 基于參照的歸納發(fā)現(xiàn)學(xué)習(xí)算法 5.4.5 相關(guān)討論 5.5 本章小結(jié)第6章 基于連通結(jié)構(gòu)與矩陣特征向量的聯(lián)想記憶雙層模型 6.1 引言 6.2 直接表達(dá) 6.3 動(dòng)力學(xué)過(guò)程與連通結(jié)構(gòu) 6.4 隨機(jī)連接的雙層網(wǎng)絡(luò)結(jié) 6.5 單個(gè)神經(jīng)元的動(dòng)力學(xué)過(guò)程算法 6.5.1 單個(gè)神經(jīng)元的動(dòng)力學(xué)特征 6.5.2 基于矩陣特征值的單個(gè)神經(jīng)元結(jié)構(gòu)學(xué)習(xí)算法 6.6 自主的、并行分布式連通求取算法 6.7 實(shí)驗(yàn)結(jié)果 6.7.1 回憶與糾錯(cuò)實(shí)驗(yàn) 6.7.2 連通結(jié)構(gòu)建立的速度與規(guī)模 6.7.3 學(xué)習(xí)次數(shù)與連通程度的對(duì)比 6.8 容量與糾錯(cuò)率分析 6.9 本章小結(jié)第7章 神經(jīng)系統(tǒng)動(dòng)力學(xué)模型及動(dòng)力學(xué)過(guò)程對(duì)認(rèn)知操作的廣泛表達(dá)意義 7.1 心理活動(dòng)的外觀(guān)與內(nèi)部基礎(chǔ) 7.2 基于激勵(lì)均勢(shì)擴(kuò)散模式的網(wǎng)絡(luò)結(jié)構(gòu)組織模型 7.3 神經(jīng)元?jiǎng)恿W(xué)行為的數(shù)學(xué)描述 7.4 激勵(lì)浸潤(rùn)與網(wǎng)絡(luò)集群動(dòng)力學(xué)過(guò)程的數(shù)學(xué)描述 7.5 基于結(jié)構(gòu)特征的記憶編碼算法 7.6 網(wǎng)絡(luò)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(dòng)力學(xué)過(guò)程對(duì)認(rèn)知操作的廣泛表達(dá)意義第8章 人工智能的神經(jīng)系統(tǒng)動(dòng)力學(xué)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(jīng)系統(tǒng)動(dòng)力學(xué)的直接表達(dá) 8.3 研究目標(biāo)、內(nèi)容與方法第9章 初級(jí)皮層提供的表征基礎(chǔ) 9.1 引言 9.1.1 研究意義 9.1.2 國(guó)內(nèi)外研究情況綜述 9.1.3 本章工作 9.2 背景知識(shí)與生理依據(jù) 9.2.1 早期視覺(jué)系統(tǒng)簡(jiǎn)介及視皮層基本結(jié)構(gòu) 9.2.2 視網(wǎng)膜水平層次結(jié)構(gòu)簡(jiǎn)介 9.2.3 外膝體基本結(jié)構(gòu) 9.2.4 初級(jí)視皮層結(jié)構(gòu)簡(jiǎn)介 9.2.5 早期視覺(jué)系統(tǒng)通路結(jié)構(gòu)簡(jiǎn)介 9.3 計(jì)算模型設(shè)計(jì)與實(shí)現(xiàn) 9.3.1 早期視覺(jué)系統(tǒng)模型 9.3.2 視網(wǎng)膜、外膝體層的模擬 9.3.3 方位柱的模擬實(shí)現(xiàn) 9.3.4 顏色通道的模擬實(shí)現(xiàn) 9.4 實(shí)驗(yàn)系統(tǒng)設(shè)計(jì)與分析 9.4.1 計(jì)算模型的設(shè)計(jì)驗(yàn)證 9.4.2 過(guò)程與結(jié)果的驗(yàn)證 9.4.3 高階功能探索實(shí)驗(yàn) 9.5 討論第10章 進(jìn)一步的研究 10.1 基于生物視覺(jué)結(jié)構(gòu)的視知覺(jué)研究 10.2 言語(yǔ)的計(jì)算結(jié)構(gòu)研究參考文獻(xiàn)