1、问题的提出
今天在整理 大纲视图、概观总表以及连接二者的 标示图解时,涉及到和 神经系统有关的一组技术名词,它们是:BP网络、CMAC和CSTR。
有关它们的名词解释,可以很简单地通过各种渠道获得。但我这里要说的是:
- 它们三者之间的关系以及它们是否构成了一个整体。
- 它们和我正在整理的 大纲视图、概观总表和 标示图解 有什么关系,及其如果能大致对应上,并且前者如果刚好构成一个整体,那么,
- 两个三元组共同表示了一个怎样的存在。
2、BP网络、CMAC 和 CSTR
简单了解这三个专业技术名词以后,简单地做了一个解释和对应:
- BP 多层前馈神经网络- 人工智能Artificial intelligence【前端API】:with 修正changing初始权值的BP网络的BP网络应用程序,可用于CSTR故障诊断。
- CSTR 中枢神经系统- 智能增强intelligence enhancemen【中间ANL】:实现 运动控制(过程优化控制仿真), 用于过程 故障诊断的CSTR仿真。
- CMAC小脑神经元网络- 假设检验h ypothesis testing【后端SPI】: 单元的权值调节,一种 *控制器模型。
大脑(前脑)、小脑(后脑)和中脑(中枢神经)三个分区, 整体构成一个神经系统。三个块分别可以用来填充一个操作系统的容器container,类加载器classLoader和虚机vm,同时也对应了aaas大纲视图中A横向划分的特征分析、结构分析和基于规则的系统的三个不同AI能力层次。
这三种方法的主要区别在于目标:模拟simulation ,增强enhancement 或理解人类认知(understanding of human cognition)。为其中任何一种设计的计算方法通常都可以适用于其他方法。
对应于aaas元语言中AI的三个 行为模式( speech act): 模拟( 图书馆 ),仿真(实验室 )和文本理解 (工作室 ) 。
模拟simulation是指”选取一个物理的或抽象的系统的某些行为特征,用另一系统来表示他们的过程”;
仿真:emulation是指”用另一数据处理系统,主要是硬件,来全部或部分模拟某一数据处理系统,以至于模仿的系统能像被模仿系统一样接受同样的数据,执行同样的程序,获取同样的结果”。
3、智能的一个脑力原型
- 前脑- BP形式神经网络 [ 输入层-高度-表面模型的层数,地面以上]: 思维能力和判断力(上下方向上 对立分布-张量)- -前馈feedback
- 后脑- CMAC模式神经元计算网络[输出层-宽度-结构映射的维度,地面]: 记忆力和语言表达能力(左右方向上 互补分布-矢量 )-回调callback
- 中脑- CSTR制式神经中枢网络[隐藏层-深度-意义表征的阶数,地面以下] : 反应能力感知力 运动能力( 前后中位置分布-标量)-直调invok
以上仅列出,具体介绍后面单独说明。
S-R的三种实现:
- 固件方法-神经网络- 行为主义Behaviorist者将将刺激反应机制(S-R机制)视为一个黑匣子。操作数条件 _operant conditioning_的 行为主义方法建议神经网络方法进行反向传播学习。每当网络对给定的刺激产生不正确的响应时,实际上是通过调整链路上的权重(从响应层开始并将调整向后传播到刺激层)”惩罚”。多年来,对于组合输入以确定输出的功能,反向传播方法,使用和更改权重的算法,节点和隐藏层的数量以及从响应层到较早的刺激层的可能反馈,已经提出了许多变体。所有这些变化都是对较旧理论基础的增量修改。
- 硬件方法- 联结主义 Connectionism :奖励加强了SR的联系,而惩罚则削弱了SR的联系。设计一种神经网络的理论模型,该模型 能够学习和计算其输入的任何布尔函数。名为感知器的机器实现了该模型。
- 软件方法: 后来的版本将连接主义与神经网络相结合,后者是在数字计算机上模拟的,而不是直接在硬件中实现的。它模拟了神经网络的节点和链接。将每个神经元视为一个简单的开关,很容易模拟。
证据表明,神经元更像是一台具有自己的本地内存并能够接收,转换和传输复杂信号的芯片计算机。
[—–未完待续——–]
Original: https://blog.csdn.net/ChuanfangChen/article/details/122819333
Author: 一水鉴天
Title: 软件智能:aaas系统的AI众生-一个脑力原型
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/557344/
转载文章受原作者版权保护。转载请注明原作者出处!