走進漢語課堂

內(nèi)容概要

人或者高級哺乳動物的智能呈現(xiàn)為一個整體，各種認知行為或認知技能是相互協(xié)同的。由于對生物智能系統(tǒng)的認知尚不全面和技術手段的限制，人工智能研究處于一種較為割裂的狀態(tài)，也就是在設計人工智能系統(tǒng)時對認知原型的相關性和系統(tǒng)性考慮不足，以滿足單項目標為目的?！蹲哌M漢語課堂：國際漢語教師手冊》從認知系統(tǒng)的整體性出發(fā)，探討了從認知信息加工角度人工智能研究應該注意的相關性、系統(tǒng)性和發(fā)展性問題。我們認為統(tǒng)一的認知結構應該是實現(xiàn)系統(tǒng)性人工智能建模的關鍵，其中表示問題是聯(lián)系發(fā)展問題和智能應用問題的之處。神經(jīng)科學對神經(jīng)信息編碼、皮層信息加工等機制的研究為人工智能的表示問題打開了深入的大門，我們在此基礎上探討了構建言語計算模型、認知加工動力學過程、視皮層對概念語義的支撐等問題。
《走進漢語課堂：國際漢語教師手冊》適合從事計算機科學、人工智能與認知科學的研究人員閱讀。

作者簡介

無

書籍目錄

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(xiàn)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(lián)想記憶模型3.3.1 結構學習與權值學習不同3.3.2 網(wǎng)絡結構設計3.3.3 網(wǎng)絡結構和迭代過程的數(shù)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(xiàn)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(xiàn)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(lián)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(wǎng)絡結6.5 單個神經(jīng)元的動力學過程算法6.5.1 單個神經(jīng)元的動力學特征6.5.2 基于矩陣特征值的單個神經(jīng)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(shù)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(jīng)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(nèi)部基礎7.2 基于激勵均勢擴散模式的網(wǎng)絡結構組織模型7.3 神經(jīng)元動力學行為的數(shù)學描述7.4 激勵浸潤與網(wǎng)絡集群動力學過程的數(shù)學描述7.5 基于結構特征的記憶編碼算法7.6 網(wǎng)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(jīng)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(jīng)系統(tǒng)動力學的直接表達8.3 研究目標、內(nèi)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(nèi)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(jù)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(wǎng)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(xiàn)9.3.1 早期視覺系統(tǒng)模型9.3.2 視網(wǎng)膜、外膝體層的模擬9.3.3 方位柱的模擬實現(xiàn)9.3.4 顏色通道的模擬實現(xiàn)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

圖書封面

評論、評分、閱讀與下載

---

    走進漢語課堂 PDF格式下載

---