物体熟悉性对幼儿归纳推理的影响

研究集中探讨了幼儿归纳推理是基于类别知识还是基于知觉相似性这一理论争议。研究假设物体熟悉性影响幼儿归纳推理的依据,同时也影响物体名称对归纳推理产生的影响。研究通过两个实验证明了这些假设。实验1中4、5岁幼儿根据熟悉物体名称和物体间知觉相似性归纳推理物体的属性。实验2中4、5岁幼儿根据不熟悉物体名称和物体间的知觉相似性归纳推理不熟悉物体的属性。结果显示对熟悉物体属性的归纳推理是以幼儿头脑中的类别知识为依据的,而对不熟悉物体属性的归纳推理则是以物体间知觉相似性为依据的。     

类别归纳推理中包含谬误效应:典型性还是相似性的影响简

通过比较归纳推理中具体结论和一般结论推理的论断力度,探讨了具体结论类别的典型性以及前提类别与结论类别之间的相似性对包含谬误效应的影响.结果显示:无论具体结论类别为典型类别成员还是不典型类别成员,在低相似条件下会出现包含谬误效应,在高相似条件下不会出现包含谬误效应,表明类别归纳推理的包含谬误效应并非源于类别的不典型性,而是受到了相似性因素的影响.     

类别归纳推理中包含谬误效应:典型性还是相似性的影响

通过比较归纳推理中具体结论和一般结论推理的论断力度,探讨了具体结论类别的典型性以及前提类别与结论类别之间的相似性对包含谬误效应的影响.结果显示:无论具体结论类别为典型类别成员还是不典型类别成员,在低相似条件下会出现包含谬误效应,在高相似条件下不会出现包含谬误效应,表明类别归纳推理的包含谬误效应并非源于类别的不典型性,而是受到了相似性因素的影响.     

一种新的知识表示模型及其规则推导

目前指挥决策支持系统中的知识系统大多只能表示清晰信息,当给定对象、属性及属性值,便能完全肯定对象是否具有这个属性(值)。但实际情况并不是这样,对象和属性(值)关系常常是不确定的。本文提出FPS模型解决这种不确定性,并在此基础上,为概念归纳推理定义了模糊粗糙集,为对象的排序定义了相似性测度、距离测度和熵测度,用模糊集方法定义了概念的上下近似集,并得出了决策规则。     

复杂系统基于混合知识模型的智能故障诊断技术

系统阐述了复杂系统故障诊断知识的概念、类别和相互关系,研究发展了定性和定量、浅层和深层、模糊和动态等多种诊断知识的获取方式和集成组织模型,建立了因果、结构和模型等不同层次和类别诊断知识的面向对象表示方法,提出了综合多层次和多类别诊断知识的智能故障诊断理论和策略.该策略能有效提高故障诊断的准确性以及诊断推理的效率.     

现代归纳推理在侦查实践中的应用

现代归纳推理引入概率概念,通过整理、概括经验事实,运用概率论的定量分析、公理化和形式化方法使归纳推理精确化,从量上刻画归纳推理的或然性,将归纳逻辑从定性研究转变为定量研究,将主观因素与客观因素相结合,显示合理性、形式化和定量化,突出可能性测度和合理性测度,探索有限的经验事实对一定范围内的普遍原理的证据指出度,其认知策略有助于人类从经验的重复中建立某种稳定性和规律性。现代归纳推理是一种促成理论进化的推理,涉及知识增殖、评价空间拓展,是一种不断积累经验、修正错误的过程,由此可以不断地接近真实,以获得对案件真相的准确认识。     

论“逻辑规约度”

熊学亮先生提出,在if条件句中,"形式逻辑仅与逻辑规约度为1的推理发生关系",而在"语用推理"中,逻辑规约度则小于1。逻辑规约度似乎是判断形式逻辑推理和语用推理的某种准则。分析该概念发现:当其等于1时,该概念是一个非常狭义的逻辑概念,并未涵盖形式逻辑的所有推理;当其小于1时,相关推理既可以是逻辑推理,又可以是语用推理。这只不过是从不同角度看待同一现象的问题。     

基于事件推理的零件几何知识量与成本估算

根据成组技术中关于机加工零件相似性的统计结果和零件的表达模型,定义了零件的相似性,提出了一种综合的快速CASE检索算法.该方法根据零件的宏观特征,利用检索法检索出CASE库中与零件宏观特征相匹配的类型,再根据零件的几何造型、属性和材料相似性迅速检索出与设计零件最相似的零件.此外,还对零件的匹配算法和推理规则进行了研究,根据零件的相似性因子的大小,计算了零件的知识量和估计成本,给出了运用基于零件相似性的事件推理方法进行零件几何知识量的计算和成本估计方法.     

归纳、演绎之我见——从功的定义谈起

归纳推理与演绎推理是逻辑推理的二种主要形式,在教学中正确运用它,则能抓住主要内容,突出重点,使学生掌握知识内容、思维方法和提高推理能力。功是一个很重要的概念。与功有关的功能原理更是力学体系中举足轻重的内容。从理论力学的动能定理,结构位移计算的虚功原理,直到弹性理论中的最小位能原理,功的概念及计算无所不用,无所不在。     

一种基于Choquet积分的不精确推理方法

模糊规则是模糊推理中的重要工具之一,它表示了模糊知识的因果关系.在一个模糊规则集中,当模糊命题间存在交互作用时,将参数权重用模糊测度取代,得到了一种基于模糊规则矩阵变换和Choquet模糊积分的模糊推理方法.该方法主要应用在不完全归纳推理中.     

全粒度聚类算法

聚类分析是数据挖掘与知识发现领域的一个重要研究方向.多数聚类算法中相似性是其核心概念之一,对象之间的相似性会被直接或者间接的计算出来.传统的相似性度量方法多是基于单一的粒度去观察两个被测对象.在人类认知过程中,通常采用多粒度来更合理有效地进行问题求解.本文借鉴人类的这种多粒度认知机理,提出一种新的相似性学习方法,称作全粒度相似性度量方法,基于此发展了一种全粒度聚类算法.而全粒度相似性度量从各个角度观察被测对象,进而会得到两个对象间更加真实的相似度.从UCI数据集中选取5组数据进行实验,最后通过与两种传统的聚类方法比较验证了全粒度聚类算法的合理性与有效性.     

基于工程对象的专家系统开发技术

提出了工程对象的概念,结合计算机辅助工艺设计系统的应用开发,论述了面向工程对象的智能型专家系统的知识表示及其分析、运算和推理过程,介绍了实际设计系统时要解决的关键技术问题.将工程对象中的子对象分类管理,降低了专家系统开发的难度.以热处理CAPP专家为例,描述了系统中使用的主要工程对象,并给出了该系统设计的一个工艺卡.     

左腹侧枕颞区在颜色特征的直接和间接提取中的功能分离

以往的研究提示,物体特性的储存/提取与知觉这些特性的脑区有关.有的研究发现知识的储存和提取恰恰激活了知觉区,而另一些研究则表明,知识的储存区并不是知觉区本身,而是位于知觉区的附近,比如前部.而知觉区或其前部与对刺激不同特性的提取是否有关,尚未有针对性的研究.文中采用功能磁共振成像技术,探讨了在颜色知觉和颜色提取过程中,腹侧枕颞区的激活特点.实验采用静止的灰度图像做控制条件,首先对被试进行颜色知觉的功能定位,然后用6 d时间在扫描机器外训练被试记住颜色和运动、颜色和字母之间的联系,最后进行颜色信息的直接和间接提取的功能磁共振扫描.结果发现,颜色知觉任务激活了双侧腹侧枕颞区后部,当以运动为线索,直接提取相对应的颜色信息时,这一区域也被激活;而当呈现运动和字母两种线索,要求被试(通过间接提取颜色)判断二者是否互相匹配时,除枕颞区后部外,其左侧前部也出现激活.结果为颜色信息的提取中,左侧枕颞区后部和前部在不同提取任务中的功能分离提供了证据:与颜色相关的信息储存在腹侧枕颞区两个前后相近的部位,其中后部和颜色的知觉特性相关,而前部可能和颜色相关的各种知识联系相关.     

基于模糊描述逻辑的CBR的事例相似性

针对用于基于事例推理(CBR)的描述逻辑不能表示和推理模糊语义知识的局限问题,将模糊描述逻辑F-SHIQ(D)引入CBR中,定义F-SHIQ(D)范式,据此表示包含模糊语义知识的CBR事例,提出同时考虑事例描述概念和隶属度相似性的事例相似性方法,并与现有基于描述逻辑的CBR进行对比。结果表明,在包含模糊语义信息的领域,基于F-SHIQ(D)的CBR能提升事例表示和事例相似性度量的准确性,有助于提高事例检索效率。     

数学概念教学小议

数学概念是抽象化的空间形式和数量关系,是反映数学对象本质属性的思维形式,脱离了数学概念,便无法进行数学思维,也无法构成数学思想和数学方法.数学中的每一个判断,每一种推理都是在数学概念的基础上进行的.因此,从数学概念的引入、理解、记忆和巩固四个方面探讨关于数学概念的教学方法.     

事物属性结构与感知记忆集的同态对应

在相关文献的基础上，提出了事物属性结构与其记忆模式间两个对应关系：（１）事物属性元间基于整合的结构关系在感觉记忆集中得到保持，当且仅当，感觉映射是事物属性集与记忆集间的同态映射（２）事物诸属性元间由整合诱导的推理关系在其记忆模式中得到保持，当且仅当，知觉映射是事物属性推理范畴与记忆推理范畴间的函子。     

融合多特征信息的模式识别方法

研究在有不确定知识的情况下,融合多种类特征信息的模式识别方法.首先用模糊逻辑表示关于对象的具有不确定性的经验知识,通过模糊推理可由特征得到关于对象的用基本概率分配函数表示的具有不确定性的模式分类信息.然后利用D-S证据推理的方法最大程度地消除其不确定性,得到对象的最终分类结果.仿真结果证明,该方法对处理具有多种类特征且带有不确定性知识的一类模式识别问题是有效的.通过将模糊推理方法与证据理论的结合能有效利用多种特征的不确定知识对目标进行分类.     

“零”表达思维

思维是人脑以感觉、知觉为基础，利用概念对现实对象的一般特征和本质特征进行判断推理的间接、概括的反映活动。思维也是人类精神认识客观世界和解决其中间题的积极心理过程。在这一过程中，事物通过自身在人心中的符号表现而受到分析，综合或更新组合，这种过程也可以叫做“思想行为”。     

采用定性坐标的位置表达及主方向关系推理

针对现有的位置关系表达模型均面向点对象,提出了定性直角坐标的概念,基于此概念提出了一种平面区域对象位置关系表达模型,该模型通过记录主对象与参考对象的定性位置区域的交集是否为空,由此构造位置矩阵来表达区域对象间的位置关系,从而较好地反映了对象的形状及对象间的空间布局,可有效地表达区域对象间的位置关系,并通过定性坐标将方向和距离关系有机地结合在一起形成统一的表达和推理模型.为了提高主方向关系推理的精度,基于该模型又提出了一个主方向关系推理算法,并对其正确性进行了验证.理论分析和实例验证的结果表明,该算法降低了推理的不确定性,提高了推理的精度.     

基于分形理论的一种新的机器学习方法:分形学习

首先提出了一种新的机器学习方法,即分形学习,该方法旨在更好地从高维、海量数据中获取知识.分形论的研究对象为自相似系统,分形学习就是利用系统的自相似性来作为推理和学习的基本依据,其中分形维是定量描述系统自相似性的参数,也是应用于分形学习的重要参数;然后给出了分形学习的定义,阐述了其中的基本理论和学习过程中的关键技术;最后将该方法应用于案例库约简等方面的研究,取得了较好的效果.