一种基于稀疏指数联想记忆神经网络的图像识别方法

区别于一般的图像识别方法,指数联想记忆模型(EAM)是一种对数据分布无任何要求的非线性技术,具有指数级的存储容量和良好的容噪性能.随着实际的需求和被处理问题规模的扩大,EAM所采用的全互连结构将导致布线工艺上的困难而难以克服,限制了模型的VLSI(超大规模集成电路)硬件实现.通过在EAM中引入社会领域中广泛存在的"六度分离"现象,借鉴Watts和Strogatz提出的"小世界网络"理论对EAM进行了稀疏化改造.改造后的稀疏指数联想记忆模型(SEAM)不仅结构相对简单、易于硬件实现,而且仿真结果表明在灰度图像加噪和部分缺失的情况下,SEAM识别性能和全互连的EAM相当,表现出了较强的鲁棒性.     

人工智能如何“说人话”?——对于自然语言处理研究的哲学反思

目前的自然语言处理技术的发展,依然面临如下问题:(1)不同的自然语言处理机制之间缺乏融合;(2)自然语言处理技术与人工智能研究的其他技术缺乏彼此融合;(3)基于大数据的自然语言处理技术的运作必须以“剥削”人类的智能为前提;(4)基于大数据的自然语言处理技术缺乏灵活处理隐喻、反讽、双关等修辞现象的能力。这些问题所涉及的主要哲学问题有:(1)语言是外部世界的表征,还是言说者内部世界的表征?(2)语言中的规则,究竟是先验的,还是经验的?(3)语言表征与言说者的心理活动之间的关系为何?(4)与语言表征有关的认知构架,在多大程度上需要被“具身化”?     

人工种子的若干理论问题与应用研究

人工种子又称合成种子或体细胞种子,Murashige1977年首先提出高速度、大规模生产繁殖体的设想,并于1978年提出人工种子的概念;1981年 Lawrence 等研究了芹菜和莴苣体细胞包襄的液胶包埋带技术以后,便有越来越多的人工种子方面的报道。自1987年桑树腋芽包裹的人工种子获得成功以来,以微器官为繁殖体的人工种子研究日益增多。人工种子是八十年代起始的一项新兴技术,它可以作为实现农、林、园艺作物良种化的一项革新技术,在农业生产上发挥重要作用。     

用人工神经网络预测单桩竖向极限承载力

提出了单桩竖向极限承载力预测的人工神经网络法。针对不同类型的单桩，结合工程实例，详细介绍了方法的建模。预测结果与实测值较为吻合，表明在桩基工程中利用这一方法进行单桩竖向极限承载力预测是有效的。