人工智能形式概念系统
出版时间：2011年版
内容简介
　　人具有一个在内容和结构上都非常完备的概念系统，而且其自学习、自适应、自高新的能力也非常强，这一概念系统是人认知能力强大的根本保证。对人工智能而言，无论是经典的问题求解、推理、决策与规划、语言理解与生成、场景理解问题，还是新出现的Web信息过滤、视频检索、基于Web的搜索、监控等现实应用都需要一个基本可用的语义系统作为支撑，因为这些应用越来越体现出“muddy-task”的特性，需要一个比较宽泛的先验知识基础。这个语义系统就是人的概念系统的形式化表征。《人工智能形式概念系统》以人概念系统的习得、表征、进化、使用过程的算法化为研究目标，在对已有的概念系统形式化工具进行总结的基础上，提出了基于发展心理学观点的概念系统形式化表征方法，以期建立一个既能反映人的概念系统在构建过程、联想推理、普适性上的认知规律，又能满足计算机编程需求的形式概念系统。这一研究是一项人工智能的基础性工作，既体现了计算机科学对认知心理学、认知语言学等其它学科的借鉴，又在算法的物化智能过程中给这些学科提出了需要澄清的新问题。
目录
前言
第1章 概念系统的重要性
1.1 概念系统是认知的核心
1.1.1 对认知的定义
1.1.2 高级智能活动
1.1.3概念系统处于认知技能整合的中心位置
1.2 人工智能中概念系统作用的体现
1.2.1概念系统在场景理解中的作用
1.2.2概念系统在言语推理中的作用
1.2.3概念系统在智能分系统融合中的作用
1.3 概念系统的特征
1.4 对概念系统结构的猜测
1.4.1 人工智能受到的批评
1.4.2 人工智能中的几个基本问题
第2章 形式概念系统建构方法的发展
2.1 知识表示方法的研究
2.2 概念结构表示研究
2.2.1以前的经典知识表示方法对概念结构关注不足
2.2.2 概念图知识表示及其应用
2.2.3 概念格
2.2.4 本体
2.3 心理学对此问题的研究
2.4 心理学对长时记忆的研究
2.4.1 层次网络模型
2.4.2 激活扩散模型
2.4.3 HAM模型和ACT模型
2.5 常识库的研究
第3章 形式概念系统浸润式问题求解
3.1 广泛意义上的问题求解
3.1.1 动态语义网(dynamicsemantic network, DSN)的基本构成
3.1.2 基于DSN的推理机制
3.1.3 基于DSN的问题求解过程
3.2 动态语义网络的形式化实现
3.2.1 DSN表征规范
3.2.2 DSN形成规范
3.2.3 DSN浸润推理规范
3.3 动态语义网络激励传播算法实现
3.3.1 基于DSN激励传播算法
3.3.2基于DSN浸润推理的计算机实现
3.4 浸润式问题求解方式的展望
3.4.1 小结
3.4.2 进一步的发展
第4章 表征重述
4.1 发展心理学中关于表征重述的研究
4.2 表征重述的启示
4.2.1从人工智能角度对表征重述观点的深度发掘
4.2.2表征重述应用于知识系统的不足之处
第5章 使用对象建模工具的形式化方法
5.1 面向对象是对世界的刻画
5.1.1 面向对象的形式语义特征
5.1.2为什么选择面向对象技术作为形式化表征的手段
5.2 面向对象对表征重述的实现
5.2.1以“计数”概念习得过程为例
5.2.2用表征重述对“计数”过程的再解释和基于面向对象规范定义的表征
5.2.3概念表征的形式进化导致问题求解能力的进化
5.2.4 长远的考虑
5.3 使用标准建模语言UML的表征重述实现
5.3.1 UML对表征重述的描述
5.3.2用UML实现的计数行为变化表征
5.3.3用UML实现表征重述的优点与不足
5.4 生成算法
5.4.1 形式化表征生成算法
5.4.2 概念掌握水平的变化
第6章 形式概念系统上的推理
6.1 基于扩展框架系统的表示
6.1.1 扩展的框架知识表示方法
6.1.2 框架定义的获得与规范
6.1.3 扩展的框架表示实例
6.2 扩展的框架系统的推理实现
6.2.1 框架复合思想
6.2.2 ?架复合实例分析
6.3 框架复合算法
第7章 总结
7.1 发展心理学与智能系统构造
7.1.1 知识与认知过程不可分割
7.1.2 发展心理学的启示
7.1.3 智能系统构造的发展观
7.2 从知识表示到表示
7.2.1 知识表示与表示是不同的
7.2.2表示反映了对客观真实的认识
7.2.3 AI认识论上的进步
7.2.4一个关于心理语言学的表示实例
7.3 不识庐山真面目, 只缘身在此山中
7.3.1 人工智能的新问题
7.3.2 人工智能研究的难点
7.4 人工智能与其他学科的关系
参考文献




上一篇: 人工智能原理及应用 2011年版
下一篇: 人工智能：智能系统指南（英文版·第3版）