人工智能形式概念系統(tǒng)

前言
第1章 概念系統(tǒng)的重要性
    1.1 概念系統(tǒng)是認知的核心
        1.1.1 對認知的定義
        1.1.2 高級智能活動
        1.1.3概念系統(tǒng)處于認知技能整合的中心位置
    1.2 人工智能中概念系統(tǒng)作用的體現(xiàn)
        1.2.1概念系統(tǒng)在場景理解中的作用
        1.2.2概念系統(tǒng)在言語推理中的作用
        1.2.3概念系統(tǒng)在智能分系統(tǒng)融合中的作用
    1.3 概念系統(tǒng)的特征
    1.4 對概念系統(tǒng)結(jié)構(gòu)的猜測
        1.4.1 人工智能受到的批評
        1.4.2 人工智能中的幾個基本問題
第2章 形式概念系統(tǒng)建構(gòu)方法的發(fā)展
    2.1 知識表示方法的研究
    2.2 概念結(jié)構(gòu)表示研究
        2.2.1以前的經(jīng)典知識表示方法對概念結(jié)構(gòu)關(guān)注不足
        2.2.2 概念圖知識表示及其應(yīng)用
        2.2.3 概念格
        2.2.4 本體
    2.3 心理學(xué)對此問題的研究
    2.4 心理學(xué)對長時記憶的研究
        2.4.1 層次網(wǎng)絡(luò)模型
        2.4.2 激活擴散模型
        2.4.3 HAM模型和ACT模型
    2.5 常識庫的研究
第3章 形式概念系統(tǒng)浸潤式問題求解
    3.1 廣泛意義上的問題求解
        3.1.1 動態(tài)語義網(wǎng)(dynamicsemantic network, DSN)的基本構(gòu)成
        3.1.2 基于DSN的推理機制
        3.1.3 基于DSN的問題求解過程
    3.2 動態(tài)語義網(wǎng)絡(luò)的形式化實現(xiàn)
        3.2.1 DSN表征規(guī)范
        3.2.2 DSN形成規(guī)范
        3.2.3 DSN浸潤推理規(guī)范
    3.3 動態(tài)語義網(wǎng)絡(luò)激勵傳播算法實現(xiàn)
        3.3.1 基于DSN激勵傳播算法
        3.3.2基于DSN浸潤推理的計算機實現(xiàn)
    3.4 浸潤式問題求解方式的展望
        3.4.1 小結(jié)
        3.4.2 進一步的發(fā)展
第4章 表征重述
    4.1 發(fā)展心理學(xué)中關(guān)于表征重述的研究
    4.2 表征重述的啟示
        4.2.1從人工智能角度對表征重述觀點的深度發(fā)掘
        4.2.2表征重述應(yīng)用于知識系統(tǒng)的不足之處
第5章 使用對象建模工具的形式化方法
    5.1 面向?qū)ο笫菍κ澜绲目坍?br />        5.1.1 面向?qū)ο蟮男问秸Z義特征
        5.1.2為什么選擇面向?qū)ο蠹夹g(shù)作為形式化表征的手段
    5.2 面向?qū)ο髮Ρ碚髦厥龅膶崿F(xiàn)
        5.2.1以“計數(shù)”概念習(xí)得過程為例
        5.2.2用表征重述對“計數(shù)”過程的再解釋和基于面向?qū)ο笠?guī)范定義的表征
        5.2.3概念表征的形式進化導(dǎo)致問題求解能力的進化
        5.2.4 長遠的考慮
    5.3 使用標準建模語言UML的表征重述實現(xiàn)
        5.3.1 UML對表征重述的描述
        5.3.2用UML實現(xiàn)的計數(shù)行為變化表征
        5.3.3用UML實現(xiàn)表征重述的優(yōu)點與不足
    5.4 生成算法
        5.4.1 形式化表征生成算法
        5.4.2 概念掌握水平的變化
第6章 形式概念系統(tǒng)上的推理
    6.1 基于擴展框架系統(tǒng)的表示
        6.1.1 擴展的框架知識表示方法
        6.1.2 框架定義的獲得與規(guī)范
        6.1.3 擴展的框架表示實例
    6.2 擴展的框架系統(tǒng)的推理實現(xiàn)
        6.2.1 框架復(fù)合思想
        6.2.2 ?架復(fù)合實例分析
    6.3 框架復(fù)合算法
第7章 總結(jié)
    7.1 發(fā)展心理學(xué)與智能系統(tǒng)構(gòu)造
        7.1.1 知識與認知過程不可分割
        7.1.2 發(fā)展心理學(xué)的啟示
        7.1.3 智能系統(tǒng)構(gòu)造的發(fā)展觀
    7.2 從知識表示到表示
        7.2.1 知識表示與表示是不同的
        7.2.2表示反映了對客觀真實的認識
        7.2.3 AI認識論上的進步
        7.2.4一個關(guān)于心理語言學(xué)的表示實例
    7.3 不識廬山真面目, 只緣身在此山中
        7.3.1 人工智能的新問題
        7.3.2 人工智能研究的難點
    7.4 人工智能與其他學(xué)科的關(guān)系
參考文獻