【正文】 了解到運(yùn)行方式后，設(shè)計(jì)出符合特定的認(rèn)知人工神經(jīng)網(wǎng)絡(luò)。 (14)Radial Basis Functions（ RBF，徑向基函數(shù)網(wǎng)絡(luò)） Broomhead Lowe 在 1988年提出，應(yīng)用于非線性函數(shù)逼近，時(shí)間序列分析，模式識(shí)別、信息處理、圖像處理、系統(tǒng)建模。 (11)Boltzman machine（波爾茲曼機(jī)）和 Cauchy machine（柯西機(jī)） （多倫多大學(xué)）和 （霍布金斯大學(xué)）在 1985 到 1986 年提出的，應(yīng)用于桂林理工大學(xué)本科畢業(yè)設(shè)計(jì) (7)Brain State in a Box（盒中腦 BSB 網(wǎng)絡(luò)） James Anderson（布朗大學(xué)）在1977 年提出，應(yīng)用于解釋概念形式，分類和知識(shí)處理。 (3)Avakabche（雪崩網(wǎng)）： 在 1967 年提出，應(yīng)用于連續(xù)語(yǔ)音識(shí)別、機(jī)器人手臂運(yùn)動(dòng)、數(shù)字教學(xué)指令。根據(jù)聯(lián)結(jié)主義思想，設(shè)計(jì)出的神經(jīng)網(wǎng)絡(luò)模型具有高度的生物性，可以近似模擬出生物，特別是人類在處理信息時(shí)的能力，這是有助于很多現(xiàn)實(shí)問(wèn)題的解決的。 行為主義，原理為控制論及感知 — 動(dòng)作型控制系統(tǒng)，認(rèn)為智能不需要知識(shí)、不需要表示、不需要推理，人工智能可以像人類智能一樣逐步進(jìn)化，智能行為知識(shí)在現(xiàn)實(shí)世界中與周圍環(huán)境交互作用而表現(xiàn)出來(lái)的。它主要是模 擬簡(jiǎn)單單元網(wǎng)絡(luò)間連接產(chǎn)生過(guò)程中的精神和生物現(xiàn)象。 1989 年 Stephen Grossberg、 Teuvo kohonen 和 Shunichi Amari 主持創(chuàng)辦了世界第一份神經(jīng)網(wǎng)絡(luò)雜志《 Neural Network》。 1987 年美國(guó)電話與電報(bào)公司貝爾實(shí)驗(yàn)室利用 Hopfield 網(wǎng)絡(luò)，仿真出耳蝸與視網(wǎng)膜等硬件網(wǎng)絡(luò)。 1969 年 和 提出了自適應(yīng)共振理論模型。 1949 年心理學(xué)家 Donald olding Hebb 出版了名為《 anization of Behavior》的書(shū)，提出了 Hebb 算法的連結(jié)權(quán)值訓(xùn)練算法和聯(lián)結(jié)主義。 1973 年， Christopher LonguetHiggins 在他的文獻(xiàn)Lighthill report 中提到了認(rèn)知科學(xué)的術(shù)語(yǔ)。 1930 年代到 1940 年代（自動(dòng)控制化時(shí)期）， Warren Mcculloch 和 Walter Pitts 尋求解釋：思維的組織原則，第一次提出了人工神經(jīng)網(wǎng)絡(luò)。其研究主要是在人類的智力和行為上，特別是人類的神經(jīng)系統(tǒng)。神經(jīng)網(wǎng)絡(luò)由人工神經(jīng)元組成，神經(jīng)元間相互連接構(gòu)成了神經(jīng)網(wǎng)絡(luò)系統(tǒng)。論文 23 [12] 李翔 . 從復(fù)雜到有序 神經(jīng)網(wǎng)絡(luò)智能控制理論新進(jìn)展 [M]. 上海交通大 學(xué)出版社 . . [13] 姚錫凡，李雯 . 人工智能技術(shù)及應(yīng)用 [M]. 北京：中國(guó)電力出版社 . 2021. [14] 羅四維 . 大規(guī)模人工神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ) [M]. 北京：清華大學(xué)出版社；北京交通大學(xué)出版社 . . 桂林理工大學(xué)本科畢業(yè)設(shè)計(jì)論文 21 致謝 感謝徐箭雨 老師對(duì)本次畢業(yè)設(shè)計(jì)的支持 ,感 謝所有在畢業(yè)設(shè)計(jì)期間幫助我的同學(xué)。雖然他們只是模擬認(rèn)知 中的某一部分（如模擬學(xué)習(xí)），但是這些模型使 我們對(duì)認(rèn)知有了更深入的了解。 桂林理工大學(xué)本科畢業(yè)設(shè)計(jì) 從部分認(rèn)知運(yùn)行機(jī)制的研究到認(rèn)知能力綜合性研究 [1214]。論文 19 6 未來(lái) 對(duì)于神經(jīng)網(wǎng)絡(luò)研究，未來(lái)主要有三個(gè)研究方向： 多學(xué)科綜合。 國(guó)際人工智能聯(lián)合會(huì)議 國(guó)際人工智能聯(lián)合會(huì)議（ international joint conference on artificial intelligence，簡(jiǎn) 稱 IJCAI），在單數(shù)年召開(kāi)。 神經(jīng)信息處理系統(tǒng)年會(huì) 神經(jīng)信息處理系統(tǒng)（ neural information processing system，簡(jiǎn)稱 NIPS），每一年舉行一次，地點(diǎn)固定在加拿大溫哥華，會(huì)議后第二年出版論文集，討論方向?yàn)樯窠?jīng)科學(xué)和機(jī)器學(xué)習(xí)。在投稿要求中，會(huì)議討論主題是篩選投稿文章的重要因素，只有符合會(huì)議的投稿主題才有可能得到會(huì)議的采納。 全世界關(guān)于人工智能研究的著名會(huì)議有幾十個(gè)，其中涉及人工神經(jīng)網(wǎng)絡(luò)或認(rèn)知科學(xué)的有 10 個(gè)左右。論文 17 5 人工智能中關(guān)于人工神經(jīng)網(wǎng)絡(luò)和認(rèn)知科學(xué)的國(guó)際會(huì)議 對(duì)于人工神經(jīng)網(wǎng)絡(luò)模擬認(rèn)知科學(xué)，乃至對(duì)人工智能研究而言，國(guó)際會(huì)議已經(jīng)成為研究者交流研究成果的舞臺(tái)。這類研究只能部分分析認(rèn)知現(xiàn)象的形成機(jī)制，卻缺乏在整體上對(duì)認(rèn)知過(guò)程的把握。但是這類模型的好處時(shí)，特別適合實(shí)際應(yīng)用領(lǐng)域。 嚴(yán)格按照生物認(rèn)知現(xiàn)象設(shè)計(jì)模型的理論， 在 本文論述模型中 ， Rs 模型和 計(jì)算機(jī)認(rèn)知科學(xué) 模型是依照這種理論設(shè)計(jì)的。論文 16 4 人工神經(jīng)網(wǎng)絡(luò)模擬認(rèn)知現(xiàn)象現(xiàn)狀 近些年來(lái)，利用人工神經(jīng)網(wǎng)絡(luò)模擬認(rèn)知科學(xué)中的現(xiàn)象是神經(jīng)網(wǎng)絡(luò)研究的一個(gè)重要分支。 CF 由 40 個(gè)代碼組成， CS 由 11 個(gè)代碼組成， 模型的 a（ t）、 b（ t） ?? 是在時(shí)間 t 的信號(hào)神經(jīng)元的激勵(lì)值， 句子信號(hào)表示為連續(xù)的輸入輸出神經(jīng)元激勵(lì) 。近來(lái)發(fā)現(xiàn)這個(gè)模型能幫助我們克服語(yǔ)言整合的問(wèn)題： 當(dāng) 使用一個(gè)無(wú)注釋句子（每個(gè) 句 子 表示為一個(gè)字符順序）訓(xùn)練模型時(shí)，模型 的 自組織 作用會(huì) 反射 并分層語(yǔ)言作文 。模型還可以修正在句子中的一些置換錯(cuò)誤， 通過(guò)每訓(xùn)練一次就迭代一個(gè)確定的可能 方式，可以增加 模型 錯(cuò) 桂林理工大學(xué)本科畢業(yè)設(shè)計(jì)模型中，決定層和響應(yīng)層會(huì)同時(shí)處理為數(shù)字命名的任務(wù)。最下面兩個(gè)單元是輸入層，這兩個(gè)單元映射到表示層中，表示為空間（ hLIP）和數(shù)字（地點(diǎn)代碼）。對(duì)于數(shù)字表示和空間表示間 相互作用的本質(zhì)現(xiàn)在還很難完全弄懂，但是我們已經(jīng)知道了空間形 桂林理工大學(xué)本科畢業(yè)設(shè)計(jì) 圖 語(yǔ)法理解模型結(jié)構(gòu) 語(yǔ)法理解模型在現(xiàn)實(shí)中，主要應(yīng)用于句子創(chuàng)造和修正。 模型結(jié)構(gòu)見(jiàn)圖 ， 標(biāo)記的每一個(gè)部件對(duì)應(yīng)于一個(gè) 5*5 的漏 積分神經(jīng)元，閉環(huán)和開(kāi)環(huán)分類字的雙加工流分別對(duì)應(yīng) STG 和 MTG。 通過(guò)收集這些數(shù)據(jù)，能學(xué)習(xí)與人相同的語(yǔ)言，并能完成 人工語(yǔ)法任務(wù)。 DUONN 模型現(xiàn)在可以應(yīng)用在面部識(shí)別方面，由于模型對(duì)整體信號(hào)和局部信號(hào)是 分行處理，使得在面部識(shí)別中，對(duì)整體面部信息和局部面部特征處理中，能同步進(jìn)行，這提高了面部識(shí)別的準(zhǔn)確性和效率。 圖 DUONN 模型結(jié)構(gòu) 流入 DUONN 的輸入信號(hào)是唯一的，這是模擬大腦視覺(jué)皮質(zhì)中數(shù)據(jù)從一個(gè)共同源流動(dòng)的結(jié)果。 DUONN 由三層組成：一 個(gè)輸入層，一個(gè)包含有 DUO 神經(jīng)元的隱含層（假如需要可以增加更多隱含層），一個(gè)輸出層。 桂林理工大學(xué)本科畢業(yè)設(shè)計(jì) 6，監(jiān)視器 ，可 以通過(guò)計(jì)算目標(biāo)信號(hào)和預(yù)測(cè)信號(hào)的值產(chǎn)生一個(gè)錯(cuò)誤信號(hào)。 2，注意力控制信號(hào)產(chǎn)生器（ IMC），在工程控制方法中表達(dá)為反向模型控 制器。 模擬注意力 注意運(yùn)動(dòng)推導(dǎo) 模型 [7] 注意力瞬脫是一種指示注意力的暫態(tài)現(xiàn)象，注意力瞬脫即當(dāng)注意力集中在第一個(gè)目標(biāo)，并出現(xiàn)第二個(gè)目標(biāo)時(shí)，注意力在注意第二目標(biāo)過(guò)程中發(fā)生的瞬間注意力脫離現(xiàn) 桂林理工大學(xué)本科畢業(yè)設(shè)計(jì)增加神經(jīng)行為的數(shù)量能減少候選分類模式的數(shù)量，而且能減少分類的不均勻。訓(xùn)練進(jìn)行一段時(shí)間后， TAN 由刺激停止，他釋放了 MSN。從圖中可知，模型 由早期訓(xùn)練和晚期訓(xùn)練激活，在 TAN學(xué)習(xí)前和其學(xué)習(xí)后的時(shí)期中，環(huán)境參數(shù)是得到獎(jiǎng)勵(lì)的。 計(jì)算機(jī)認(rèn)知神經(jīng)學(xué) 模型 [6] 計(jì)算認(rèn)知神經(jīng)學(xué)模型，簡(jiǎn)稱作 CCN 模型。 無(wú)導(dǎo)師學(xué)習(xí)的聯(lián)結(jié)主義神經(jīng)網(wǎng)絡(luò)被用于計(jì)算機(jī)科學(xué)中的機(jī)器學(xué)習(xí)和心理學(xué)中的模擬人類認(rèn)知，但是并不清楚他們對(duì)先前不平等是否敏感。在學(xué)習(xí)算法下 ,小數(shù)量的虛假狀態(tài)能顯著改善了網(wǎng)絡(luò)的性能。 圖 （ b） 自適應(yīng)響應(yīng)理論 模型結(jié)構(gòu) 周期聯(lián)想 憶模型，簡(jiǎn)稱 RAM，其結(jié)構(gòu)見(jiàn)圖 （ c） ， W 是強(qiáng)度矩陣，表示一個(gè)簡(jiǎn)單的線性網(wǎng)絡(luò)， x[t]是網(wǎng)絡(luò)在時(shí)間 t 時(shí)的 狀態(tài)，灰色正方形式是一個(gè)延遲單元。 圖 （ a） 競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu) 桂林理工大學(xué)本科畢業(yè)設(shè)計(jì)結(jié)合生物記憶機(jī)制和 NDA 原理的 NDANN 模型可以避免這一缺陷，由于他可以模擬混沌的時(shí)間空間行為，因此他也成為一個(gè)幫助彌合生物記憶和基于行為模擬 的 存儲(chǔ)模型間差距的有效工具 。模型兩層的大小是不同的，強(qiáng)度矩陣不需要作轉(zhuǎn)換陣操作。 NDS 理論可以應(yīng)用在很多領(lǐng)域中，包括神經(jīng)科學(xué)，感知心理學(xué)和認(rèn)知科學(xué)和社會(huì)心理學(xué)，近來(lái) NDS 理論已經(jīng)成為了探測(cè)和理解認(rèn)知現(xiàn)象的必要工具。 非線性動(dòng)態(tài)人工神經(jīng)網(wǎng)絡(luò) 模型 [4] 非線性動(dòng)態(tài)人工神經(jīng)網(wǎng)絡(luò) ，簡(jiǎn)稱為 NDANN 模型 ，他是以非線性動(dòng)態(tài)系統(tǒng)（ NDS）理論為基礎(chǔ)的人工神經(jīng)網(wǎng)絡(luò)。雖然模型的生物特征可能會(huì)限制其求解更低水平的問(wèn)題的能力，但是這些特征在非現(xiàn)實(shí)突觸模擬中是有用的。 圖 Rs 模型結(jié)構(gòu) 桂林理工大學(xué)本科畢業(yè)設(shè)計(jì)而對(duì)于訓(xùn)練集而言，訓(xùn)練集尺寸與網(wǎng)絡(luò)尺寸要相適應(yīng)，否則會(huì)出現(xiàn)許多錯(cuò)誤偏差。Rs 神經(jīng)網(wǎng)絡(luò)的存儲(chǔ)能力由隨機(jī)選擇興奮神經(jīng)元和訓(xùn)練突觸估算出來(lái)。生物大腦的信息 存儲(chǔ)容量和效率是現(xiàn)代電子計(jì)算機(jī)的許多倍，如果能模擬出大腦記憶的機(jī)制，將會(huì)給計(jì)算機(jī)存儲(chǔ)帶來(lái)深遠(yuǎn)的影響。第六 部分對(duì)人工智能特別是人工神經(jīng)網(wǎng)絡(luò)模擬認(rèn)知的發(fā)展趨勢(shì)進(jìn)行了預(yù)測(cè)。 桂林理工大學(xué)本科畢業(yè)設(shè)計(jì)同年 和 提出學(xué)習(xí)過(guò)程使用模擬退火技術(shù)的 Blotzmann 機(jī)（波爾茲曼機(jī)）。同年， 也提出了一個(gè)相似的“交換存儲(chǔ)器”。 1960 年電機(jī)工程師 Bernard Widrow 和 Marcian Hoff 發(fā)表了文章《 Adaptive Switching Circuits》實(shí)現(xiàn)了人工神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)仿真和硬件電路的設(shè)計(jì)。 1958 年計(jì)算機(jī)學(xué)家 Frank Rosenblatt 發(fā)表文章提出了三層網(wǎng)絡(luò)特性的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，稱為“感知機(jī)”。 啟蒙期： 1880年美國(guó)心理學(xué)家 William James 出版了第一部詳細(xì)論述人腦結(jié)構(gòu)及功能的專著《 principles of psychology》，對(duì)與學(xué)習(xí)、聯(lián)想記憶相關(guān)的基本原理做了開(kāi)創(chuàng)性研究。聯(lián)結(jié)主義的原理是神經(jīng)網(wǎng)絡(luò)及神經(jīng)網(wǎng)絡(luò)間連接機(jī)制與學(xué)習(xí)算法，理論認(rèn)為人的思維基元是神經(jīng)元，而不是符號(hào)處理過(guò)程。認(rèn)知科學(xué)涉及心理學(xué)、人工智能、哲學(xué)、神經(jīng)科學(xué)、語(yǔ)言學(xué)、社會(huì)學(xué)、教育學(xué)、人類學(xué)，其分析層次既有低水平學(xué)習(xí)和機(jī)械式?jīng)Q定又有高水平邏輯和計(jì)劃，不僅關(guān)注神經(jīng)元的連接而且關(guān)注大腦分子組織?，F(xiàn)代神經(jīng)網(wǎng)絡(luò)是非線性統(tǒng)計(jì)數(shù)據(jù)模型工具，他們通常是在輸入和輸出關(guān)系復(fù)雜的模式或查詢數(shù)據(jù)中得到應(yīng)用。 其中認(rèn)知的研究，是本文討論的重點(diǎn) [1]。樹(shù)突與其他神經(jīng)元軸突末梢相聯(lián)系，構(gòu)成突觸。論文 IV 致謝 .......................................................................................................................................... 21 參考文獻(xiàn) .................................................................................................................................. 22 附錄 1 ....................................................................................................................................... 24 桂林理工大學(xué)本科畢業(yè)設(shè)計(jì)最后，對(duì)人工神經(jīng)網(wǎng)絡(luò)模擬認(rèn)知的發(fā)展趨勢(shì)做預(yù)測(cè) ， 多學(xué)科綜合和 復(fù)雜性 成為未來(lái)神經(jīng)網(wǎng)絡(luò)研究的方向 。接著 總結(jié)了典型的人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) ，共有十五組經(jīng)典神經(jīng)網(wǎng)絡(luò)模型。 利用 對(duì)人類認(rèn)知現(xiàn)象的了解來(lái)設(shè)計(jì)的人工神經(jīng)網(wǎng)絡(luò)具有很好的處理信息的能力，這對(duì)現(xiàn)實(shí)應(yīng)用很有幫助。學(xué) 號(hào)： 3080419285 題目類型： 論文 (設(shè)計(jì)、論文、報(bào)告 ) 桂林理工大學(xué) GUILIN UNIVERSITY OF TECHNOLOGY 本科畢業(yè)設(shè)計(jì) (論文 ) 題目： 人工神經(jīng)網(wǎng)絡(luò)在認(rèn)知科學(xué)的研究 中 的應(yīng)用狀況的報(bào)告 學(xué) 院： 機(jī)械與控制工程學(xué)院 專業(yè) (方向 )： 自動(dòng) 化 （控制） 班 級(jí)： 學(xué) 生： 指導(dǎo)教師 ： 2021 年 6 月 1 日桂林理工大學(xué)本科畢業(yè)設(shè)計(jì)現(xiàn)在，人工神經(jīng)網(wǎng)絡(luò)模擬認(rèn)知科學(xué) 已經(jīng)成為了人工智能的重要分支。然后 重點(diǎn)論述了十個(gè)近年來(lái)關(guān)于人工神經(jīng)