人工神经网络在认知科学的研究中的应用状况优秀毕业论文读书笔记.docVIP

本科毕业设计(论文) 读书报告（读书笔记） 学 院： 机械与控制工程学院 课题名称：人工神经网络在认知科学 研究中的应用状况的报告 专业(方向)： 自动化（控制） 班 级： 学 生： 指导教师： 日 期： 读《人工神经网络与盲信号处理》 本书非别介绍了三种主要的人工神经网络的特征、模糊神经网络和遗传算法在人工神经网络中应用。 人类大脑中有1000亿个神经元组成，大脑内约有1000000亿个连接，人的智能是高度复杂的。人工智能分为12大类：感知和认知、记忆、学习与知识、语言行动和动作、优化、预测、计划判断和决定、自适应性和鲁棒性、博弈和对策、创新和发明、深层智能。神经网络主要典型模型有：多层前向神经网络、递归神经网络、自组织神经网络、Hopfield神经网络、模糊神经网络FNN、脉冲耦合神经网络、波尔兹曼机等。人工神经网络在现实的应用：模式识别、非线性动力系统辨识、建模和控制、预测和预报、数据采掘DM、优化问题、信号处理和检测、生物学和医学。 读《人工智能技术及应用》 本书介绍了包括人工神经网络、进化学习在内的人工智能知识，并介绍部分人工智能应用实例。 在人工智能研究领域中有三个不同的学派，分别为符号主义、联结主义、行为主义。符号主义：其原理主要为物理符号系统假设和有限合理性理论，认为人的认知基础是符号，且认知过程为符号操作过程。联结主义：其原理主要为神经网络及神经网络间连接机制和学习算法，认为人的思维基元是神经元。行为主义：其原理为控制论及感知——行动型控制系统，认为智能不需要知识、不需要表示、不需要推理；人工智能可以像人类智能一样逐步进化，智能行为智能在现实世界中与周期环境交互作用而变现出来。这三种主义的基本出发点分别是功能模拟——人类思维逻辑的形式化；结构模拟——生物神经系统的结构和性能；行为模拟——行为和反应的积累。 读IJCNN会议投稿须知 IJCNN会议是由国际神经网络协会（international neural network society）和IEEE计算机智能协会（IEEE computational intelligence society）主办的。IJCNN的投稿主题有：（1）神经网络理论或模型（2）类型识别（3）计算机神经科学（4）机器视觉（5）认知模型（6）集成智能（7）脑部机器界面（8）离散系统（9）机器人（10）自我意识系统（11）进化神经系统（12）数据挖掘（13）神经力学（14）感知网络（15）神经信息学（16）组织系统（17）神经工程学（18）神经硬件（19）神经网络应用（20）计算机生物学（21）人工生活。 IJCNN投稿要求：文章要求使用电子档投递，使用PDF格式，具体格式使用IJCNN格式。获得通过的文章，除正文外，作者还应提交500字左右的摘要，摘要仅限于评论，摘要主题与“神经科学和神经认知”相关。 读《a neural network model of memory and higher cognition functions》 本文介绍一种名为R-nets的神经网络模型，R-nets网络模型相对于传统网络模型而言的优势在于信息的处理能力更强，且更符合生物学上神经系统的运行方式。网络中的学习和回忆算法不需要设定临界值，也不需要对其突触强度进行分级，他们是独立于网络结构的。R-nets模型中，excitatory神经元的作用非常突出，其相对间的连接能使得这一区域能控制信息的记忆，并能模拟许多的心理现象，包括记忆的再加工、对未来事件的预测等。R-nets中的excitatory间的连接是被忽略的，他随机映射到一个相对小数量的抑制神经元。 c-nets网络中有多个R-nets，每个R-nets由4000个excitatory神经元组成，每20个神经元都映射到一个抑制神经元上，由800个抑制神经元；每100个抑制神经元都映射到一个抑制神经元身上。之所以将c-nets设计成这样，是根据生物神经网络原理决定的。在生物中，特别是在人类神经网络中，细胞有原则细胞，而且数量极其庞大，这些细胞中就存在着抑制神经元，抑制神经元又存在excitatory神经元。 读《a link between neuroscience and informatics : Large-scale modeling of memory process》。 本文主要介绍两种研究人类认知过程，特别是研究记忆过程的两种