-.z.人工智能與認知過程摘要：人工智能是研究、設計和應用智能機器或智能系統，來模擬人類智能活動的能力、以延伸人類智能的科學。而認知過程是指人們認識活動的過程，即個體對感覺信號接收、檢測、轉換、簡約、合成、編碼、儲存、提取、重建、概念形成、判斷和問題解決的信息加工處理過程。為了能夠更好地實現人工智能，首先要對兩者之間建立一定的聯系。關鍵詞人工智能；認知過程；神經網絡前言人工智能是當前科學技術開展中的一門前沿學科，是在計算機科學、控制論、信息論、神經心理學、哲學、語言學等多種學科研究的根底上開展起來的，是一門綜合性很強的邊緣學科。總的來說，人工智能是一門研究如何構造智能機器或智能系統，使它能模擬、延伸擴展人類智能的學科。想要很好地實現人工智能，必須要對人腦工作方式進展充分的了解，因此，對認知過程需要有充分的認識。人的認知過程是一個非常復雜的過程，指人認識客觀事物的過程，即是對信息進展加工處理的過程，是人由表及里，由現象到本質地反映客觀事物特征與內在聯系的心理活動。它由人的感覺、知覺、記憶、思維和想象等認知要素組成。一、人工智能1.人工智能：用人工的方法在機器〔計算機〕上實現的智能；或者說是人們使機器具有類似于人的智能。歷史開展史：①孕育〔1956年之前〕；②形成〔1956年－1969年〕[1969年第一屆國際人工智能聯合會議，1979年成立美國人工智能聯合會]；③開展〔1970年至今〕2.人工智能研究的根本內容：①知識表示——人工智能的永恒主題：將人類知識形式化或者模型化。知識表示方法：符號表示法、連接機制表示法；②機器感知：使機器〔計算機〕具有類似于人的感知能力。以機器視覺(machinevision)與機器聽覺為主。③機器思維：對通過感知得來的外部信息及機器內部的各種工作信息進展有目的的處理。④機器學習：研究如何使計算機具有類似于人的學習能力，使它能通過學習自動地獲取知識。⑤機器行為：計算機的表達能力，即"說〞、"寫〞、"畫〞等能力。二、人工智能模擬認知過程所涉及的相關知識1、知識表示及推理知識表示是指把知識客體中的知識因子與知識關聯起來，便于人們識別和理解知識。①產生式的根本形式一般形式：PQ

或IFPTHENQ語義：如果前提P被滿足，可推出結論Q或執行Q所規定的操作。P是前提,Q是結論或動作,前提和結論可以是由邏輯運算符AND、OR、NOT組成的表達式。例IF上課認真聽講AND下課及時復習

THEN將會取得好成績

②常見的知識表示方法：產生式系統，框架構造，語義網絡，過程性知示，面向對象知識表示，基于本體的知識表示法，產生式的根本形式③產生式系統的根本構造規則庫：描述領域知識的產生式規則集綜合數據庫：記錄求解〔或推理〕過程中各種信息的數據構造推理機：負責匹配到得出結論的整個問題求解過程.④產生式表示法的優點和缺點優點：a.自然性知識表示形式自然，便于推理。b.模塊性便于進展模塊化處理，利于規則庫的擴展和管理。c.有效性可以表示不確定性知識和確定性知識。d.直觀性前提和結論局部非常直觀，便于對規則進展設計。缺點：a.效率不高；b.不能表達構造性知識。⑤框架的一般形式：框架名〔frame)：<名稱>槽名1：側面名1：值1,…,值p1側面名2：值1,…,值p2……側面名m1：值1,…,值pm1槽名2：側面名1：值1,…,值q1側面名2：值1,…,值q2……側面名m2：值1,…,值qm2…….槽名n：側面名1：值1,…,值r1側面名2：值1,…,值r2……側面名mn：值1,…,值rmn約束：約束條件=6\*GB3⑥語義網絡的構造語義網絡是知識的一種圖解表示，由節點和弧線組成。=7\*GB3⑦語義根本關系：a.ISA,AKO和Part-of型關系常有的類屬關系：Is-a(是一個)、Apart-of〔是一局部〕、A-kind-of〔是一種〕。b.屬性關系(Have,is,Can)c.其他關系：時間關系；位置關系；相近關系=8\*GB3⑧如何用語義網絡表達知識語義網絡是一種采用網絡形式表示知識的方法。用一個有向圖表示概念和概念之間的關系，其中節點代表概念，節點之間的連接弧代表概念之間的語義聯系。=9\*GB3⑨其他表示方法：劇本知識表示法本體知識表示法；一階謂詞邏輯表示法；過程性知識表示法；直接知識表示法2、根本推理方法①推理的概念：推理是指從的事實出發，通過運用已掌握的知識，找出其中蘊含的事實，或歸納出新的事實，這一過程就稱為推理。②方式和分類：a.按推理機制劃分：演繹推理；歸納推理；缺省推理。b.按所用知識確實定性劃分；確定性推理；不準確推理。c.按推理過程劃分為：單調推理;非單調推理。d.按啟發性知識劃分為:啟發式推理,非啟發性推理。e.按方法論劃分:基于知識的推理,統計推理,直覺推理。f.按推理正反向分為：正向推理：以事實作為出發點的推理；逆向推理：以*個假設目標作為出發點的推理。③如何用三段論進展推理任何一個三段論都包含著三個不同的詞項：大項、小項和中項。任何一個三段論都包含著三個不同的判斷，即大前提、小前提和結論。三段論的規則規則1：在一個三段論中,僅能有三個不同的項,否則會犯"四項錯誤〞。規則2：中項在前提中至少要周延一次,否則,會犯"中項不周〞之誤。規則3：前提中不周延的項,在結論中也不得周延,否則,會犯"大項擴大〞或"小項擴大〞之誤。④自然演繹推理的特點a.表達定理證明過程自然，容易理解。b.擁有豐富的推理規則，推理過程靈活。c.便于在推理規則中嵌入領域啟發性知識。3、不確定性推理①產生原因：事物發生的隨機性，人類知識的不完全、不可靠、不準確和不一致，自然語言中存在的模糊性和歧義性②不確定性推理的方法：確定因子法〔可信度方法〕，主觀Bayes方法。4、問題求解策略:①八數碼：路徑耗散函數，目標測試，后繼函數，初始狀態②圖搜索策略：圖搜索策略可以看成是一種在圖中尋找路徑的方法。③盲目搜索。a.寬度優先、b.深度優先。深度相等的節點可以任意排列。三、人工智能與認知過程比擬在人工智能里，為了研究兩者的異同，因而專門對人工神經網絡進展了相關研究。人工神經網絡是近十幾年來開展極為迅速的一門學科。它理論分析的多樣性、對眾多學科的包容性，在智能控制、信號處理等領域成功的應用，使得它在許多領域廣泛地推廣開來。人工神經網絡是一個由許多簡單的并行工作的處理單元組成的系統，其功能取決于網絡的構造、聯結強度及各單元的處理方式。由于這種系統是以人工模擬人腦神經系統的方法建立的，因此與人腦神經系統有許多相似之處。并且人工神經網絡具有自學功能，能從所獲取的數據中自動建立數學模型，無需預先給定公式，即能從所獲得的數據中經過分析訓練而建立一個反映其內在規律的模型。訓練后的人工神經網絡能直接進展推理，它在處理規律不明顯、組分變量多的問題具有獨特的優越性。它通過非線性的映射關系，對試樣進展仿真模擬，然后根據實際采樣情況進展驗證，一直到得出滿意的結果。工程上用的人工神經網絡建模一般由輸入層、隱層、輸出層構成，其中輸入層與輸出層只有一層，而隱層則是根據實際情況決定是一層或多層。這其中，輸入層從系統承受和輸入信息，隱層則對輸入的信息進展學習和處理。隱層節點通過網絡權系數聯接輸入、輸出層。輸出層再對網絡權系數進展調整使之能針對輸入層并把信息傳輸給外界。輸入層隱層隱層輸出層輸入層隱層隱層輸出層……感受器傳入神經纖維神經中樞傳出神經纖維效應器四、小結根據認知過程而產生的人工神經把計算機智能化推進一大步。現在流行的思維對未來智能化計算機設想是馮氏計算機作為主機，人工神經網絡作為智能外圍機。但是目前還不能做出理想的智能化計算機。我們對未來智能化計算機的設想是以馮諾依曼