【正文】 空間的相互作用過(guò)程，并在解釋健康人和病人的數(shù)據(jù)上十分有效。 多時(shí)間周期神經(jīng)網(wǎng)絡(luò) 模型 [11] 多時(shí)間周期神經(jīng)網(wǎng)絡(luò)，簡(jiǎn)稱 MTRNN，他能通 過(guò)自我組織作用來(lái)反射句子結(jié)構(gòu)和字的特征 ， 并最終 識(shí)別、產(chǎn)生和確認(rèn)句子。模型能 依靠 最初狀態(tài)（產(chǎn)生階段）來(lái)控制句子產(chǎn)生，其中的初始狀態(tài)能從目標(biāo)句子（識(shí)別階段）計(jì)算出來(lái)。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)論文 15 誤信息，以此 可以 達(dá)到訓(xùn)練改進(jìn)句子執(zhí)行過(guò)程 的目的 。 在 MTRNN 模型中，神經(jīng)元最快速變化的是“符號(hào)”，變化較慢的是“字”，變化最慢的是“句子”。 MTRNN 模型是 Yamashita 和 Tani 提出的，他們最初將其使用在機(jī)器人的發(fā)動(dòng)機(jī)傳感器流動(dòng)學(xué)習(xí)任務(wù)上。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 。因此，哪怕沒(méi)有任何先前關(guān)于詞典和語(yǔ)法的知識(shí)，我們模型也可以識(shí)別、產(chǎn)生和修正句子 ，故 模型能作為順序產(chǎn)生器和識(shí)別器。 模型結(jié)構(gòu)見(jiàn)圖 ， 語(yǔ)言學(xué)習(xí)模型有三個(gè)神經(jīng)元組，分別為輸入和輸出組 (IO)、快速上下文組 (CF)、慢速上下文組組成 (CS)。 IO 有 30個(gè)代碼，其中的 26 個(gè)代碼分別對(duì)應(yīng) 26個(gè)字母符號(hào)，四個(gè)其他符號(hào)則分別對(duì)應(yīng)空格、時(shí)間、逗號(hào)、問(wèn)號(hào)。 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) 。 圖 多時(shí)間周期神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu) 模型用于收集、整理和改錯(cuò)句子，句子的符號(hào)、詞語(yǔ)和語(yǔ)法都可以進(jìn)行修改整理。與之前的語(yǔ)法理解模型的區(qū)別在于，語(yǔ)法理解模型在修改句子語(yǔ)法錯(cuò)誤上更突出，而MTRNN 的功能更全面。 桂林理工大學(xué)本科畢業(yè)設(shè)計(jì)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。利用人工神經(jīng)網(wǎng)絡(luò)模擬認(rèn)知現(xiàn)象，主 要從記憶、學(xué)習(xí)、語(yǔ)言、注意力和情緒等幾個(gè)方面進(jìn)行模擬。在模擬認(rèn)知現(xiàn)象時(shí)，對(duì)神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)中在理論上有兩種趨勢(shì)，一種是嚴(yán)格按照生物認(rèn)知現(xiàn)象的作用方式來(lái)設(shè)計(jì)模型結(jié)構(gòu)，另一種是在生物認(rèn)知現(xiàn)象作用方式的基礎(chǔ)上，再加上實(shí)際 非認(rèn)知理論 來(lái)設(shè)計(jì)模型結(jié)構(gòu)。兩種理論都符合聯(lián)結(jié)主義的理論思想，只是前一種是完全符合生物性，后一種是部分符合生物性部分符合實(shí)際性。 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。模型完全符合生物性，能使模型處理認(rèn)知信息時(shí)最大限度的模擬生 物認(rèn)知加工過(guò)程，這對(duì)理解認(rèn)知現(xiàn)象很有好處。 文章中 絕大多數(shù)模型是同時(shí)按照生物認(rèn)知現(xiàn)象和實(shí)際非認(rèn)知理論聯(lián)合設(shè)計(jì)模型的，如語(yǔ)法理解模型、數(shù)字空間模型等。這些模型部分符合生物性，只能部分模擬認(rèn)知現(xiàn)象的加工過(guò)程，所以對(duì)認(rèn)知現(xiàn)象的理解也只是部分。但是這類模型的好處時(shí)，特別適合實(shí)際應(yīng)用領(lǐng)域。由于借鑒了非生物的經(jīng)典理論，其 實(shí)際 應(yīng)用更可靠。 其實(shí)之所以會(huì)出現(xiàn)這兩種不同的設(shè)計(jì)理論，主要是因?yàn)楝F(xiàn)代認(rèn)知科學(xué)對(duì)生物認(rèn)知機(jī)制，特別是人類認(rèn)知機(jī)制了解得不完全。科學(xué)家們對(duì)認(rèn)知機(jī)制的研究基本上還是停留在觀察特定認(rèn)知現(xiàn)象出現(xiàn)后，腦部部分區(qū)域 的活躍情況上。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。而在應(yīng)用中的，特別是模擬認(rèn)知的人工神經(jīng)網(wǎng)絡(luò)模型中，只有部分機(jī)制的研究是不足以設(shè)計(jì)出好的模型結(jié)構(gòu)的，故許多模型只能在采用已知認(rèn)知機(jī)制的基礎(chǔ)上，借鑒實(shí)際應(yīng)用中的非認(rèn)知理論思想的方法。 未來(lái)一段時(shí)間內(nèi)，認(rèn)知機(jī)制和非認(rèn)知理論聯(lián)合設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)模型的方法還會(huì)繼續(xù)采用，但是隨著科學(xué)界對(duì)認(rèn)知現(xiàn)象的理解不斷深入，人工神經(jīng)網(wǎng)絡(luò)模型將更多的會(huì)從生物性角度設(shè)計(jì)模型，并最終完全模擬出人類大腦對(duì)認(rèn)知現(xiàn)象處理的全過(guò)程，雖然這還有很長(zhǎng)的一段路要走。 桂林理工大學(xué)本科畢業(yè)設(shè)計(jì)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)。在國(guó)際會(huì)議上，研究者們可以展示最新的研究成果、發(fā)表新的論文、與國(guó)際同行們就同一議題進(jìn)行探討。然而，由于會(huì)議的開(kāi)會(huì)時(shí)間和會(huì)議招待經(jīng)費(fèi)有限，并不是所有的研究者參加會(huì)議，也不是所有參加會(huì)議的研究者都能發(fā)表所有的研究成果。對(duì)于會(huì)議論文的選題、會(huì)議演講的要求，不同主題的會(huì)議是有不同的要求，這就要求我們?cè)趨⒓訒?huì)議和在向會(huì)議投稿前必須了解會(huì)議投稿和會(huì)議演講的要求。 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。會(huì)議通常是一年一次，也有部分是兩年一次。關(guān)于會(huì)議投稿，會(huì)議組織者都要求投稿者必須投遞電子檔 PDF 格式的稿件， 其頁(yè)數(shù)和格式也有這嚴(yán)格的限制，這些投稿要求可以在會(huì)議的組織網(wǎng)站上查出。 正如前文說(shuō)言，要想向會(huì)議投稿，必須先了解會(huì)議的投稿要求。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。下面列舉了五個(gè)人工智能領(lǐng)域中涉及人工神經(jīng)網(wǎng)絡(luò)或認(rèn)知科學(xué)的著名會(huì)議，并附帶各個(gè)會(huì)議的投稿主 題。 國(guó)際人工智能協(xié)會(huì)年會(huì) 國(guó)際人工智能協(xié)會(huì)年會(huì)，其前身為美國(guó)人工智能協(xié)會(huì)年會(huì)（ the Association for the advancement of Artificial intelligence ，簡(jiǎn)稱 AAAI），每一年或兩年舉行一次，國(guó)際人工智能協(xié)會(huì)致力于推動(dòng)針對(duì)智能行為本質(zhì)的科學(xué)研究。 AAAI 主題：代理系統(tǒng)和多代理系統(tǒng)，認(rèn)知建模和人機(jī)互動(dòng)，常識(shí)推理，計(jì)算機(jī)視覺(jué)，滿足約束，搜索和優(yōu)化，進(jìn)化計(jì)算，游戲和互動(dòng)娛樂(lè)，信息搜索，集成和提取，知識(shí)表示和推理，機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘，模型系統(tǒng)，跨學(xué)科 AI，自然語(yǔ)言處理，計(jì)劃與調(diào)度，概率推理，機(jī)器人，網(wǎng)站和信息系統(tǒng) 。 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)。 NIPS 主題：算法與結(jié)構(gòu) (包括神經(jīng)網(wǎng)絡(luò)），應(yīng)用（包括文本 /網(wǎng)絡(luò)分析），腦功能成像（包括認(rèn)知神經(jīng)學(xué)），認(rèn)知科學(xué)和人工智能（包括學(xué)習(xí)，記憶，推理，解決問(wèn)題，桂林理工大學(xué)本科畢業(yè)設(shè)計(jì)論文 18 自然語(yǔ)言處理和神經(jīng)心理學(xué)），控制和強(qiáng)化學(xué)習(xí)（包括決定和控 制，探索，規(guī)劃），硬件技術(shù)，學(xué)習(xí)理論，神經(jīng)科學(xué)（包括研究處理和信息傳輸?shù)睦碚摵蛯?shí)驗(yàn)，生物神經(jīng)元網(wǎng)絡(luò)），語(yǔ)言與信號(hào)處理（包括聽(tīng)覺(jué)感知，語(yǔ)言模型），視覺(jué)處理（ 生物和機(jī)器視覺(jué)，目標(biāo)探測(cè)和識(shí)別，視覺(jué)心理物理，視覺(jué)場(chǎng)景分析和解釋） 國(guó)際神經(jīng)網(wǎng)絡(luò)年會(huì) 國(guó)際神經(jīng)網(wǎng)絡(luò)年會(huì)（ international joint conference on neural work，簡(jiǎn)稱 IJCNN），是由國(guó)際神經(jīng)網(wǎng)絡(luò)協(xié)會(huì)（ international neural work society)和 IEEE計(jì)算機(jī)智能協(xié)會(huì)（ IEEE putational intelligence society)主辦的。 IJCNN 主題：神經(jīng)網(wǎng)絡(luò)理論或模型，模式識(shí)別，計(jì)算機(jī)神經(jīng)科學(xué)，認(rèn)知模型，機(jī)器視覺(jué)，認(rèn)知模型，進(jìn)化神經(jīng)系統(tǒng)，集成智能，腦部機(jī)器接口，數(shù)據(jù)挖掘，神經(jīng)力學(xué)，感知網(wǎng)絡(luò)，神經(jīng)信息學(xué)，組織系統(tǒng)，神經(jīng)工程學(xué)，神經(jīng)硬件，神經(jīng)網(wǎng)絡(luò)應(yīng)用，計(jì)算機(jī)生物學(xué)，傳感器網(wǎng)絡(luò)，人工生活。 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)。 IJCAI 主題：代理系統(tǒng)和多代理系統(tǒng)，機(jī)器學(xué)習(xí)（包括系統(tǒng)學(xué)習(xí)，案例推理，數(shù)據(jù)挖掘，進(jìn)化計(jì)算，神經(jīng)網(wǎng)絡(luò)，學(xué)習(xí)理論），跨學(xué)科主題和應(yīng)用（包括 AI和自然科學(xué)，認(rèn)知建模，人機(jī)互動(dòng)）計(jì)劃與調(diào)度（包括實(shí)時(shí)規(guī)劃），機(jī)器人和視覺(jué)（包括行為和控制，認(rèn)知機(jī)器人，感知和知覺(jué)），不確定人工智能，網(wǎng)絡(luò)和知識(shí)為基礎(chǔ)的信息系統(tǒng)（包括信息提取，集成和檢索，知識(shí)獲取，語(yǔ)義網(wǎng)絡(luò)） 國(guó)際人工智能工具會(huì)議 國(guó)際人工智能工具會(huì)議（ international conference on tools with artificial intelligence，簡(jiǎn)稱 ICTAI），由 IEEE 主辦，一年舉辦一次。 ICTAI 主題： AI 算法，人工智能研究領(lǐng)域：生物信息學(xué)，電子商務(wù) AI，游戲 AI，信息保證 AI，物流 AI，醫(yī)學(xué) AI，多媒體系統(tǒng) AI，機(jī)器人 AI，軟件工程 AI，案例推理，認(rèn)知造型，約束規(guī)劃，協(xié)同軟件代理，模糊或不確定下的推理，進(jìn)化計(jì)算，混合智能控制系統(tǒng)，信息檢索，智能教學(xué)培訓(xùn)系統(tǒng)，智能網(wǎng)絡(luò)代理，知識(shí)系統(tǒng)，知識(shí)提取，知識(shí)管理與共享，知識(shí)表示和推理，機(jī)器學(xué)習(xí)，自然語(yǔ)言處理，神經(jīng)網(wǎng)絡(luò)，計(jì)劃與調(diào)度，視覺(jué) /圖像處理，語(yǔ)言處理 。 桂林理工大學(xué)本科畢業(yè)設(shè)計(jì)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。 神經(jīng)網(wǎng)絡(luò)硬件實(shí)驗(yàn)。 從人工神經(jīng)網(wǎng)絡(luò)到人工神經(jīng)系統(tǒng) [2]。 對(duì)于認(rèn)知科學(xué)研究，未來(lái)的主要發(fā)展方向是： 從對(duì)大腦部分區(qū)域功能研究到大腦整體功能的研究。 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]。 在研究認(rèn)知科學(xué)中，人工神經(jīng)網(wǎng)絡(luò)模型必將扮演更大的角色。通過(guò)對(duì)認(rèn)知科學(xué)的了解，改進(jìn)人工神經(jīng)網(wǎng)絡(luò)模型和其理論，又通過(guò)人工神經(jīng)網(wǎng)絡(luò)模型增進(jìn)對(duì)認(rèn)知的研究。未來(lái)，認(rèn)知科學(xué)和人工神經(jīng)網(wǎng)絡(luò)必將相互促進(jìn)著前進(jìn)。 桂林理工大學(xué)本科畢業(yè)設(shè)計(jì)論文 20 7 結(jié)論 用人工神經(jīng)網(wǎng)絡(luò)模擬認(rèn)知行為在近年逐漸發(fā)展成趨勢(shì)，隨著對(duì)人類認(rèn)知行為的本質(zhì)研究的不斷深入，人工神經(jīng)網(wǎng)絡(luò)模型也更趨于生物性，透過(guò)模型也能更多發(fā)現(xiàn)認(rèn)知規(guī)律。在人工 神經(jīng)網(wǎng)絡(luò)發(fā)展史上， Perceptron（感知機(jī)）、 Adaptive Resonance Theory（自適應(yīng)共振理論 ART）、 SelfOrganizing feature map（自組織特征映射網(wǎng)絡(luò)）、Hopfield 網(wǎng)絡(luò)、 Boltzman machine（波爾茲曼機(jī)）、 Bidirectional Associative Memory（ BAM，雙向聯(lián)想記憶網(wǎng)）等模型對(duì)人工神經(jīng)網(wǎng)絡(luò)有著指導(dǎo)性的作用。 我們闡述了 Rs、 DUONN、 CODAM、 MTRNN、語(yǔ)法理解模型、數(shù)字空間模型、 CNN、競(jìng)爭(zhēng)網(wǎng)絡(luò)、周 期聯(lián)想記憶模型、 NDANN 這十個(gè)模型，這些模型是近年來(lái)模擬認(rèn)知現(xiàn)象新成果。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。 作者還總結(jié)了現(xiàn)代人工神經(jīng)網(wǎng)絡(luò)生物性和非生物性的研究關(guān)系。文章后對(duì) 五個(gè)著 名的國(guó)際會(huì)議的會(huì)議主題作出了 介紹， 這 也表明了現(xiàn)代人工神經(jīng)網(wǎng)絡(luò)模擬認(rèn)知的發(fā)展方向。 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)。 桂林理工大學(xué)本科畢業(yè)設(shè)計(jì)論文 22 參考文獻(xiàn) [1] 楊行峻，鄭君里 . 人工神經(jīng)網(wǎng)絡(luò)與盲信號(hào)處理 [M]. 北京：清華大學(xué)出版社 . . [2] 韓力群 . 人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計(jì)及應(yīng)用 [M]. 北京：化學(xué)工業(yè)出版社出版社 . . [3] Vogel, .. A neural work model of memory and higher cognitive functions[J]. International Journal of Psychophysiology, 2021. 55(1): p. 321. [4] Chartier, S., P. Renaud, and M. Boukadoum. A nonlinear dynamic artificial neural work model of memory[J]. New Ideas in Psychology, 2021. 26(2): p. 252277. [5] H233。lie, S., S. Chartier, and R. Proulx. Are unsupervised neural works ignorant? Sizing the effect of environmental distributions on unsupervised learning[J]. Cognitive Systems Research, 2021. 7(4): p. 357371. [6] Gregory Ashb