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(rèn)知的核心
        1.1.1 對(duì)認(rèn)知的定義
        1.1.2 高級(jí)智能活動(dòng)
        1.1.3概念系統(tǒng)處于認(rèn)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(chǎng)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(duì)概念系統(tǒng)結(jié)構(gòu)的猜測(cè)
        1.4.1 人工智能受到的批評(píng)
        1.4.2 人工智能中的幾個(gè)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(shí)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(shí)表示方法對(duì)概念結(jié)構(gòu)關(guān)注不足
        2.2.2 概念圖知識(shí)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(duì)此問題的研究
    2.4 心理學(xué)對(duì)長(zhǎng)時(shí)記憶的研究
        2.4.1 層次網(wǎng)絡(luò)模型
        2.4.2 激活擴(kuò)散模型
        2.4.3 HAM模型和ACT模型
    2.5 常識(shí)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(dòng)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(jī)制
        3.1.3 基于DSN的問題求解過程
    3.2 動(dòng)態(tài)語義網(wǎng)絡(luò)的形式化實(shí)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(dòng)態(tài)語義網(wǎng)絡(luò)激勵(lì)傳播算法實(shí)現(xiàn)
        3.3.1 基于DSN激勵(lì)傳播算法
        3.3.2基于DSN浸潤推理的計(jì)算機(jī)實(shí)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(jìn)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(duì)表征重述觀點(diǎn)的深度發(fā)掘
        4.2.2表征重述應(yīng)用于知識(shí)系統(tǒng)的不足之處
第5章 使用對(duì)象建模工具的形式化方法
    5.1 面向?qū)ο笫菍?duì)世界的刻畫
        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?duì)表征重述的實(shí)現(xiàn)
        5.2.1以“計(jì)數(shù)”概念習(xí)得過程為例
        5.2.2用表征重述對(duì)“計(jì)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(jìn)化導(dǎo)致問題求解能力的進(jìn)化
        5.2.4 長(zhǎng)遠(yuǎn)的考慮
    5.3 使用標(biāo)準(zhǔn)建模語言UML的表征重述實(shí)現(xiàn)
        5.3.1 UML對(duì)表征重述的描述
        5.3.2用UML實(shí)現(xiàn)的計(jì)數(shù)行為變化表征
        5.3.3用UML實(shí)現(xiàn)表征重述的優(yōu)點(diǎn)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(kuò)展框架系統(tǒng)的表示
        6.1.1 擴(kuò)展的框架知識(shí)表示方法
        6.1.2 框架定義的獲得與規(guī)范
        6.1.3 擴(kuò)展的框架表示實(shí)例
    6.2 擴(kuò)展的框架系統(tǒng)的推理實(shí)現(xiàn)
        6.2.1 框架復(fù)合思想
        6.2.2 ?架復(fù)合實(shí)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(shí)與認(rèn)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(shí)表示到表示
        7.2.1 知識(shí)表示與表示是不同的
        7.2.2表示反映了對(duì)客觀真實(shí)的認(rèn)識(shí)
        7.2.3 AI認(rèn)識(shí)論上的進(jìn)步
        7.2.4一個(gè)關(guān)于心理語言學(xué)的表示實(shí)例
    7.3 不識(shí)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(diǎn)
    7.4 人工智能與其他學(xué)科的關(guān)系
參考文獻(xiàn)