人工神经网络概念篇1
摘要：概念是人类意识、思维、语言、智慧等其他高级认知过程的基础，是认知系统的核心成分。我们旨在基于多年对语言概念的研究经验，结合概念认知研究的前沿理念和现代脑网络特性的最新分析方法，系统建构人类概念认知的脑网络系统，拟解决以下3个关键问题：（1）正常人类概念加工的脑网络机制；（2）概念脑网络的习得机制；（3）概念脑网络的损伤机制。针对以上关键科学问题，结合心理学、计算神经科学、神经疾病学等角度，采用认知行为测查、脑影像技术、脑损伤病灶解剖学定位等实验技术，系统检验健康成人正常概念加工和概念学习、先天经验缺失（盲人与聋人）群体、概念障碍病人的脑网络数据与多个成分和类别概念加工认知能力对应关系。通过3个人群的相互验证和提示，最终揭示人类概念认知脑网络基础的多方面动态特点。目前，已经完成概念认知能力评估方案和脑影像数据采集参数的确定；完成90例健康被试、15例先天视觉经验剥夺群体及其对照组、112例脑损伤患者的概念认知数据和脑影像数据；初步获得健康人功能脑影像数据中与概念加工能力密切相关的相关网络指标，并对概念的运动知识、颜色知识等的神经机制加以了探讨；研究了视觉经验对不同范畴和不同成分概念表征的神经机制的影响；基于脑损伤病人数据，构建了概念障碍对应的主要白质连接，初步研究了概念的脑白质结构网络。
关键词：概念概念认知脑网络感知觉经验
abstract：Conceptsarethebasicelementsofhumanthought，subservingawiderangeofcognitivefunctions，suchaslanguage，objectrecognitionanduse，andisattheheartofcognitiveneuroscienceresearch.onthebasisofpastexperiencewithlanguage，concepts，andbrainnetworkanalyses，weaimedatconstructingthebrainnetworkbasisofhumanconceptualsystem，specificallytargettingthreeissues：（1）thebrainnetworksofconceptualprocessinginhealthyindividuals；（2）theacquisitionmechanismsofconcepts；（3）thebreakdownsofconceptualsystemduetobraindamage.weteamedupcognitive，computationalneuroscience，andclinicalneurologyexperts，combiningneuropsychological，neuroimaging，andlesiontechniques，systematicallystudiedthesethreeissueswithhealthyindividuals，populationswithsensorydeprivations（congenticallyblindanddeaf）andpatientswithbraindamage.thebehavioralprofilesonvariousmodalitiesandcategoriesofconceptualknowledgeandthevariousmodalsofcorrespondingbrainnetworkpatterns（structural，diffusion，andfunctionalimaging）willbemapped.Currentlywehavecompletedthebehaivoralandimagingdatacollectionon90healthyindividuals，15congenitallyblindindividualsandcorrespondingcontrols，112patientswithbraindamage.onthebasisofthesedata，wehaveobtainedpriliminaryresultsabouttheintrinsicfunctionalneuroimagingnetworksthatcloselyrelatedwithhealthyconceptualprocessing，specificallyexaminedthebrainregionsassociatedwithshape，motionandcolorknowledgeofcocnepts，anddiscoveredthemajorwhitemattertractscrucialforconceptualprocessing.
Keywords：Concepts；Conceptualprocessing；Brainnetworks；Sensoryexperience
阅读全文链接（需实名注册）：http：///xiangxiBG.aspx？id=51038&flag=1
人工神经网络概念篇2
关键词：图像分类；深度信念网络；特征提取
中图分类号：tp311文献标识码：a文章编号：1009-3044（2017）07-0173-02
随着社会的不断进步，图像已经成为重要的信息来源。而图像分类是图像处理中的一项重要工作，尤其对海量图像进行分类并提高其准确度，是当前图像处理领域中要解决的关键问题之一，包括张旭、付仲良x、mariuszmyllarczuk等在内的许多研究者在图像处理方面做了大量研究。深度信念网络是一种典型的深度学习算法，目前，已有很多研究者将深度信念网络应用于图像分类中，可以用于多特征融合及深度信念网络进行了植物叶片识别、深度信念网络识别了手写数字、深度神经网络在小图像分类中的应用等。
传统的岩石图像分类是人工提取特征的，具有一定的主观性并且效率低下，而深度信念网络能自动提取图像的特征，克服了人工提取的不足，为图像分类奠定坚实的基础，可用于大量图像的分类并具有较高的准确度。
1受限玻尔兹曼机（RBm）
1.1受限玻尔兹曼机简介
受限玻尔兹曼机可看作一个两层的神经网络，遵循神经网络的一般特性。相比于传统玻尔兹曼，RBm的特点是层间神经元全连接，而层内神经元无连接。它的结构如图1；
如图1所示，RBm结构由可见层v和隐含层h构成，并且是对称结构。在一个RBm中，给定可见层，隐含层可以服从任意分布；相反地，给定隐含层，可见层也可服从任意分布。
1.2训练受限玻尔兹曼机
1.2.1神经元之间的独立性
在RBm中，只有层间的对称连接，故，若给定所有可视层节点的值，则每一个隐藏层节点的取值是互不相关的，即，反之亦然，即。
1.2.2RBm的使用
正向传递过程：
假设已经训练好一个可使用的RBm，权重矩阵为w。正向传递是在已知可见层节点值的条件下求隐含层节点开启的概率。同普通神经网络一样，首先计算出每个隐含层节点的激励值。如图2所示，以含有4个可见层节点、3个隐含层节点的RBm为例。每个可见层节点值x与其对应的权重相乘，之后将这四个值（共四个输入）相加后再与偏置6相加，以此作为该隐藏层节点的输入，最后在该隐藏层节点上通过激励函数的作用得到其输出a。
然后，标准化每个隐层节点的激励值。具体操作是用式1所示的sigmoid函数作用于该激励值，将之转化为0到1之间的数，并用该值表示隐层节点开启的概率。
（1）
最后，抽取[层节点。将计算出来的隐层节点开启概率与设定的u值进行比较，最终决定隐元开启或关闭，如式2，其中u值是从0，1分布中随机抽取的。
（2）
反向传递过程：
RBm最显著的性质就是无监督地重构数据，即在可见层与隐藏层之间进行多次正向传递和反向传递，而不加大网络深度。反向传递是对前一次正、反向传递后可见层结果的重构过程。
如图3所示，反向传递过程是在已知隐含层的条件下求可视层，将正向传递之后隐层节点的结果作为输入，如正向传递过程一样，这些输入值又与同样的权重相乘之后再相加，然后再与可见层的偏置相加，所得结果即为重构值。
在RBm中，正向传递是通过初始值预测隐藏节点的值；反向传递则是通过隐藏节点的值重构可视层节点值。通过重构值与真实数据的对比为标准调节权重，使重构值尽可能接近真实值，以此来提取原始数据的特征。
1.2.3对比散度算法训练RRm
对于RBm来说，其训练过程便是求得合适的层间权重。具体操作是通过多次正向传递和反向传递过程，得出可见层与隐藏层之间的联合概率，将之作为连接权重。
目前常用的RBm训练方法是G-hinton提出的对比散度（CD）算法，其训练过程如下：
对于训练集中的一个样本，将之输入到可见层口（0），使用式（1）计算每个隐层单元开启的概率，并用上文方法从中抽取出样本h（0）。
使用h（0）重构出可视层并抽取出样本v（1）。
再使用计算出隐层单元的开启概率。并按式3更新权重；
（3）
重复上述步骤直到训练完所有样本。
2深度信念网络（DBn）
2.1深度信念网络简介
深度信念网络是由G_hinton在2006年提出的一种深度学习算法，它能较为快速、准确地提取样本的本质特征，可用于数据的分类与识别，克服了传统方法中人工提取特征的盲目性以提高精度。其结构可看作是若干个RBm的叠加，以三层DBn（两个RBm叠加而成）结构为例，其中RBm1的隐藏层可看作是RBm2的可视层。每个RBm的训练方法同普通RBm一样。
2.2DBn的训练
DBn中前一层的输出作为后一层的输入。其训练过程是采取贪心算法的思想分层进行的，即从输入层开始，先训练好一个删，将其权重固定，将第一个RBm的输出作为第二个RBm的输入训练好第二个RBm固定权重后，将之叠加在第一个RBm之上，依次类推，直到网络最后一层。如此训练之后，使用wake-sleep算法对整个DBn进行进一步调优。
在图像分类中，是将DBn最后一层的输出连接到普通分类器中实现的。可对其进行如下调优：在训练完所有RBm之后，对整个网络使用梯度下降法调整权重，此时，网络就看作是一个普通神经网络。
3DBn的应用
使用DBn进行图像分类一般包括图像预处理、DBn建模、使用训练集数据训练DBn模型、最后使用测试集进行测试几个步骤。建模及训练方法上文已详细介绍，下面主要介绍数据集预处理过程。
数据集预处理首先是通过降采样等方法将图像大小调整至适合网络训练的规格。假设图像为大小为28*28，那么网络输入层就需要28*28个节点。其次是采用数据归一化和白化等操作对图像进行去燥和去冗余操作。最后将数据集分为训练集和测试集两部分。
数据集预处理之后，使用训练集数据进行网络的训练。首先是DBn的分层训练，然后是将分类器连接到DBn上通过梯度下降法进一步调整网络，直到满足要求。网络训练好后便可通过DBn自动提取特征，再将此特征输入到普通分类器中对测试集数据进行分类。
目前DBn已成功应用于图像识别领域，如林妙真将其应用于人脸超分辨图像识别，并分别在不同的表情、分辨率及不同姿态下都取得了较好的识别率，通过实验均取得了较好的结果，证明了DBn在图像分类中的可靠性。
人工神经网络概念篇3
关键词：女性消费者；自我概念；网络营销
中图分类号：F49文献标识码：adoi：10.19311/ki.1672-3198.2016.11.028
1引言
CnniC数据显示，2015年中国女性网购群体规模达18100万，是2010年7303万的近2.5倍；同时，女性移动网购群体规模在2015年也突破15223万。女性网购、团购比例分别达62.7%和29.1%，均显著高于全国平均水平的60.0%和26.2%。一方面，是女性自身的行为特点加速推动网购市场的发展：女性网购群体不仅上网时长达4.17小时，远高于网民整体的3.74小时，而且她们的互联网应用更加活跃、种类更加丰富，具体表现在她们对各类互联网应用的使用率更高；另一方面，女性作为部分家庭的网购决策者（统计局调查显示，北京市家庭网购决策者中超过2/3是女性），更加突显了这一群体的消费能力。抢夺女性市场是电商企业未来的重点战略之一。
中国女性消费者的自我概念是影响消费性为的心理因素。美国著名的消费行为学家Hawkins指出，消费者不会选择那些背离自我概念的产品，只会选择那些与自我概念一致或者强化的产品。女性消费者的产品或品牌态度与女性消费者的自我概念之间存在着正强化关系。掌握中国女性消费者的自我概念结构及其变化规律，预测其消费态度，对电商企业来说十分必要。
2理论概述
2.1自我概念定义
哈佛大学心理学家James于1890在其出版的名著《心理学原理》（theprinciplesofpsychology）中首次提出了自我概念（self-concept）。他认为，自我概念就是由物质自我、社会自我和精神自我构成的自我意识。这一界定表明了自我概念的实质是自我意识。这一概念提出后广受关注，学界开始了深入的研究。
2.2女性自我概念的5F模型
国内学者杨晓燕在前人自我概念理论研究的基础上，对我国女性消费群体进行调查研究，构建了中国女性消费者自我概念系统结构的5F模型，该模型包括情感自我（Feeling-self）、家庭自我（Family-self）、心灵自我（Freedom-sdf）、表现自我（Fashion-self）和发展自我（Fervor-self）。中国女性消费者自我概念系统结构有五种成分，它们分别代表女性在家庭、审美、事业和社会交往中的自我形象。女性自我概念的五种成分既是决定女性消费态度的心理因素，也是女性消费生活方式的结果，它们彼此之间相互制约，也相互促进。
家庭自我较突出的女性特别关注整个家庭的生活质量，家人的生活优于自己的个人生活，是典型的贤妻良母式女性；这类女性消费者的家庭自我在整个自我概念系统中通常比较突出。
表现自我较突出的女性喜欢表现自己，向他人展示自己的个性，消费中喜欢“我行我素”，喜欢通过外表、形象和语言等方面吸引他人的关注。对服装、化妆品等消费类别和产品较偏好，喜欢追逐时尚。
发展自我较突出的女性积极向上，渴望成功和成就。发展自我较突出的女性一般会积极参与取得一定社会地位和职业成就的消费活动，如通过教育和学习提升其知识、能力和修养，从而提高自身的竞争力，以取得事业的成功。
情感自我较突出的女性易感情用事，常以自己的主观感受来应对客观世界，青睐有情调的消费生活方式，对产品和品牌的情感意义比较注重。
心灵自我较强的女性一般较关注内心世界，对外在世界不太关心，消费欲望较低；选购产品和品牌时比较冷静、客观和果断。在她们的自我概念系统中，各种成分相对和谐。
3基于女性消费者自我概念的网络营销策略分析
本文根据杨晓燕教授的女性自我概念5F模型进行市场细分，把女性网络消费
者分为5大类，分别是家庭自我型市场、表现自我型市场、发展自我型市场、情感自我型市场、心灵自我型市场。不同自我概念结构的女性，其网络购物动机的诱因不同。电商应当根据女性自我概念的不同，实施针对性的策略。
3.1家庭自我型市场的网络营销策略
家庭自我突出的女性，比较在乎家人的生活，对自己私人用品要求不高，所以对个性因素一般也不考虑。另外，家庭自我突出的女性，不喜欢浪费，购物大多数时候比较理性。对于家庭自我突出的女性消费者，电商的营销活动强调商品的经济性和实用性，并能提供有利于她们家庭生活的服务。
苏宁红孩儿客户互动中心为家庭自我突出的年轻母亲提供专业服务。苏宁红孩儿培训内部员工成为育儿专家。育儿专家能够为年轻的母亲提供育婴知识、营养知识，等等。育儿专家在为顾客咨询的过程中，为顾客推荐合适的商品。家庭自我突出的女性讲究实惠，关注家庭成员的生活质量。如果她们能够在科学的指导下购物，她们的满意程度会得到提升。
3.2表现自我型市场的网络营销策略
表现自我突出的女性，她们个性张扬，喜欢表现自己。她们会因为个性因素而产生对时尚的追求。电商如果以这类女性消费者为目标群体，要在产品设计和宣传时，强调产品的时尚和个性。快时尚的电商主要是以表现自我型的女性为目标市场，例如乐蜂网、蘑菇街、美丽说，等等，都是表现自我型女性关注的网站。
乐蜂网自有品牌采用达人经济模式，为用户提供“美容时尚达人”，打造专属女性的时尚解决方案。乐蜂网的时尚达人分为三类：明星达人、专家达人、草根达人。目前，乐蜂网以明星达人和专家达人为主。2016年启动“孵蛋计划”，将投资数亿元打造草根达人品牌，这项计划不仅包括美妆产业，还涉及服装时尚产业。所谓的达人，其实是意见领袖，她们代表了表现自我型女性的形象，她们的意见能够引导女性顾客的购买行为。乐蜂网的达人们拥有众多粉丝，潜在着巨大的经济效益。
乐蜂网能够获得表现自我女性的青睐，重要的原因在于网站是表现自我型女性穿衣打扮的意见领袖。多数女性不够自信，希望得到其他人的建议；因此，企业不仅为表现自我的女性提供表现个性的时尚产品，更重要的是善于利用意见领袖制造时尚潮流，传播时尚信息，让这类女性顾客相信企业的服务就是专业。
3.3发展自我型市场的网络营销策略
发展自我突出的女性，她们追求社会地位和事业的成功，她们对自我的要求很高，对象征个人身份的私人物品要求也很高。具有成熟购买力的发展自我突出女性，青睐高品质的商品和高质量的服务。这一论断在走秀网身上得到验证。
走秀网的顾客主要是女性。走秀网的前身是一家成立于2008年的老牌奢侈品电商，后逐渐转型为中产阶级提供海外商品和生活方式，专门挖掘那些时尚、特别、高品质又难以买到的东西。改变定位之后，2015年，走秀网的用户数迅速破1000万，移动端消费占比达到80%。更重要的是，客单价从原先的500-800元涨至1600元。2016年1月18日，其Ceo纪文泓透露，即便是首次下单用户，平均客单价也在1200元以上。
走秀网的经营经验表明：能够抢夺发展自我女性市场的电商未来一定属于那种能真正提供优良价值和高服务品质的公司。
3.4情感自我型市场的网络营销策略
女性因为左脑发达的缘故，情感大都比较丰富；尤其是情感自我突出型的女性，更加注重情感需求。情感自我突出的女性消费者在选购产品和服务时比较注重自己的主观感受，偏好能抒发或表达内心感受和体验的产品和品牌。这类女性消费者特别关注产品和品牌的内涵或象征意义；同时，她们对价格敏感，追求实惠。
1号店是网上超市，专门提出了名为“她经济”的销售指数，包括美容护理、保健、家居、办公用品、生鲜、母婴等六大品类。美容护理产品是1号店发展最迅猛的品类，而都市丽人人群是1号店最主要的消费人群。美护用品最怕的就是买到假货。通过“品牌直通车”战略，1号店和宝洁、联合利华、欧莱雅等品牌商实现了从全球、亚太区再到中国区的多层级对接，确保了美容护理产品是正品。
1号店除了在物美价廉方面做得很出色，其在满足女性顾客的情感需求方面也值得同行借鉴。从大嘴“姚晨”正式复出，拍摄1号店的品牌tVC广告开始，1号店掀起了一波主要面向女性群体的主题营销活动。如同广告代言人姚晨，除了多彩的演艺生涯之外，卸下明星光环的她，在生活中，也是个孝顺的女儿，成为人妻，当了妈妈，工作上和老公相互支持，婚后继续着精彩，这就像现代女性在职场和生活中也不断的切换于不同的角色，一边是爱美的独立白领丽人，一边是妥帖照顾家人衣食起居的女神。依靠一次次的专场促销活动，1号店很好的把这一诉求链接起来，最终形成了一个完整的品牌体验。姚晨作为1号店的广告代言人，传达了女性家庭角色、审美角色及情感角色，引起女性的共鸣，尤其能满足情感自我型女性表达情感的需求。这在1号店的营销中，无论是微博主题活动还是微信的传播，都贯穿其中，形成有效的持续的美丽声势。
针对情感自我型女性顾客，电商所推出的产品不仅要物美价廉，同时还要满足其情感需求。
3.5心灵自我型市场的网络营销策略
心灵自我突出的女性，她们不喜欢彰显个性，喜欢追求内心的平和，对物质消费需求低，比较理性。为了追求内心的平静与安详，心灵自我女性特别喜欢文化历史和宗教书籍，对有意义的培训班感兴趣。所以对心灵自我突出的女性，电商对产品的设计不要夸张，也不要异类。营销的传播也要符合心灵自我突出女性的心理，要有内涵。例如，如是曼陀罗工作坊，就是以心灵自我的女性为主要的目标顾客。
如是曼陀罗工作坊，又名慈光中心，是提供心灵辅导类课程的培训机构。慈光中心2006年于香港成立。慈光中心的主持人游继彪、黄素恩夫妇，致力于举办各类与家庭、婚姻、亲子有关的工作坊。如是曼陀罗工作坊通过相关课程为学员提供心理辅导。如是曼陀罗工作坊的微信营销很成功，众多学员都关注其微信公众号，学员通过公众号及时了解最新的培训信息。如是曼陀罗工作坊每周固定的时间，在微信群上为顾客提供有意义的讲座，并在微信上与学员互动。如是曼陀罗工作坊的收费较贵，主要面向中产阶级的心灵自我型女性消费者；但是，如是曼陀罗的学员忠诚度很高。
如是曼陀罗工作坊的微信网络营销策略的成功，说明心灵自我突出的女性虽然物质消费欲望低，但是精神消费欲望强烈，有巨大的市场潜力。同时，如是曼陀罗工作坊微信网络营销策略的成功，也说明心灵自我突出的女性顾客也需要聚集在一起交流。营销者为心灵自我突出的女性消费者创造互动交流平台，增进她们在精神层面的交流，会提高消费者的忠诚度，从而带来更好的市场效益。
4结论
电商企业只有把握女性消费者自我概念的结构特征，才能制定相应的市场营销略。根据女性自我概念的结构特征，将女性消费者进行市场细分，选择目标市场，在目标市场尚未满足的需求上进行定位，设计相应的产品和品牌，在此基础上制定针对性的营销组合策略。
参考文献
[1]杨晓燕.中国女性消费行为理论解密[m].北京：中国对外经济贸易出版社，2003.
[2]傅春林.中国女性消费者自我概念与消费产品和品牌态度之间关系研究[J]，商业经济，2010，（11）：63-65.
[3]黄玮.自我概念结构与女性旅游消费行为的实证研究[J].数理统计与管理，2008，（5）：391v397.
人工神经网络概念篇4
关键词教育形态网络教育非线性教育
中图分类号：G523文献标识码：a
nonlinearResearchofnetworkeducationmodality
GaoRongguo
（instituteofmodernmedia，JiangsuSecondnormalUniversity，nanjing，Jiangsu210013）
abstractnonlinearscienceisthebasicmethodformodernscientificresearch.Somenonlinearphenomenonexistsinlearning；meanwhile，educationneedsnonlineardesign.networkeducationmodalityisanonlinearenvironmentforlearning，itcanbuildupnonlineareducationmodality：nonlinearcourse，nonlinearteachingtextbooks，nonlinearlessons，nonlinearlearning，nonlinearevaluation，toovercometheweaknessthatthetraditionaleducationdonotadaptthesocietydevelopment，revealthemodernglamourofnetworkeducationmodality.
Keywordseducationmodality；networkeducation；nonlineareducation
非线性科学是近代科学研究基本方法，学习存在着诸多非线性现象。今天，网络教育形态就是一个非线性的教育环境，改变我们传统的学习方式。在教育与教学中，大量使用计算机化的教学形式和教育应用，给我们带来了知识学习的非线性化。研究计算机教学过程和学习过程的这种非线性问题，可以使我们发现新的学习现象，引入新的学习概念。在网络教育形态下实现现代教育思想的新空间。
1学习的非线性现象
线性与非线性现象可以表现为数学概念：函数的一次与多次、直线与曲线、一维和多维空间等；也可表现为物理学概念：叠加性、渐近线、浑沌性等。非线性现象表现为从规则运动向不规则运动的转化和跃变，非线性系统中参量的极微小变化，系统自身存在自组织机制，它能够使系统由无序转变并维持一种有序的结构。①描述复杂事物变化规律的方程都是非线性的，所以有的科学家把复杂现象叫做非线性现象，把研究复杂现象的科学叫做复杂性科学或非线性科学。②
人类的学习也存在着许多非线性现象。在研究人以及人的学习过程中，我们发现关于人的大脑、学习与认识、学习过程和教育培养等多方面都存在着非线性现象。这些现象具备非线性现象的基本特征：相干性、非加和性、多重选择性。
1.1人脑结构的非线性现象
人脑是自然界中最复杂的系统之一，是以神经元为节点的神经网络，是一个非常典型的非线性结构。在这个系统中，多个神经元、神经元集群或者多个脑区相互连接成庞杂的结构网络，并通过相互作用完成脑的各种功能。③神经细胞是构成神经系统结构的基本单位。还有许多神经元纤维。细胞突起是由细胞体延伸出来的细长部分，又可分为树突和轴突。每个神经元可以有一或多个树突，可以接受刺激并将兴奋传入细胞体。研究发现，神经元在学习期间，树突会生成大规模的变化，这突显出树突对于学习和记忆过程的重要性。人脑学习的过程就是各神经元之间建立联结的过程。
1.2知识结构的非线性现象
知识是“经过人的思维整理过的信息、数据、形象、意象、价值标准以及社会的其它符号产物，不仅包括科学技术知识——知识中最重要的部分，还包括人文社会科学的知识、商业活动、日常生活和工作中的经验和知识，人们获取、运用和创造知识的知识，以及面临问题做出判断和提出解决方法的知识。”④知识的多样性和复杂性组成了今天我们称之为知识空间的概念，以非线性的特征表述它的结构，是我们在面向计算机化的学习方式的一种优质有效的表述。知识空间这种表述包括社会的和每个人的结构。
1.3学习过程的非线性现象
知识的学习是通过大脑的记忆现象存在于人脑之中，我们建立了学习过程与人脑神经细胞的某种联系。对教学设计的要素出发，研究以人为本的教育模式的非线性教学设计。“线性的教学过程中会需要非线性的教学策略，而非线性的教学过程也会出现线性的教学策略。”⑤应用复杂科学的原理和方法，在教育研究中确立非线性的、混沌的、突现的、非还原性的思维，建立适应社会经济发展的相对稳定和有序的结构。
1.4心理学的非线性现象
心理学存在着线性范式与非线性范式研究。线性范式是一种简明的因果关系，但人的心理是复杂与开放系统，非线性范式研究是一种接近本质的方式。因此非线性范式的心理学研究已经受到了广泛应用。
1.5知识进化的非线性现象
知识体系是开放的和非预期性的，知识的进化是频繁的交叉融合，并呈现非线性的特点。人在学习知识的过程中，各种知识元在每个人的大脑中形成的组合是不同的，即人们常说的认识不同。知识在人脑中存储的概念呈现自组的非线性化。
2非线性现象的计算机描述
今天教育与学习存在着非线性现象，需要一种非线性现象的表述方式。我们从计算机技术的发展来研究非线性思维，计算机就是一个线性思维与非线性思维的统一体。网络教育形态可以应用计算机技术来表述现代教育的非线性现象的诸多要求。人脑的学习、学习的心理、学习的过程、知识的结构、评价的标准等都可以以计算机方式进行表述和运行，从而形成网络教育形态的本质特征，成为教育的特有的方式。
2.1超文本（Hypertext）描述
计算机技术意义上的超文本是一种非线形的信息组织方式，，它是由节点和链构成的一个网状结构图。⑥超文本是按照人脑的联想思维方式，运用网状结构非线性设计，组织管理信息的一种计算机文本技术。
2.2数据结构的非线性描述
数据结构分成线性结构和非线性结构，集合、线性结构、树形结构、图状结构是数据结构的四种基本结构。其中非线性结构有树形结构和图形结构。计算机科学中体现了非线性思维设计的还有数据元素与存储结构，数据元素的顺序映象和非顺序映象，以及存储结构的顺序存储结构和链式存储结构。
2.3数据库存储的非线性表述
数据库技术是计算机系统的基础与核心，包括网状数据库、层次数据库、关系数据库、面向对象数据库。⑦数据库运用非线性原理设计，如以记录类型为结点的网状数据模型原理；以记录类型为结点的有序树或森林结构的数据模型原理；以二维表的形式进行存储原理；由类构成的层次结构的原理等，都是信息资源的非线性的组织与表述。
3非线性教育形态
知识空间是一个复杂的空间，教育是传承和创造知识的领域。传统的教育形态是以线性的方式划分学科与知识，编写课程与教材，设计教学与课堂。缺少知识的相关性、课程的联系性和教学的多元性。
图1线性教育设计
教育需要非线性设计，网络教育形态具有非线性特征，可以实现非线性化的教育方式。采用计算机的描述方式，表述教育的非线性现象，实现教育的非线性功效。它包含着丰富的现代教育理念与内涵，其作用和意义值得我们进行深入的探询和研究。在网络教育形态下没有传统教育的“课”的概念，同时“课程”与“教材”的概念将受到冲击。⑧这将展示给我们一个全新的教育形态—非线性教育。非线性教育的设计应该从知识—课程—教材—教学（课）—学习—评价等教育形态元素开始。其与传统教育形态的线性教育设计（图1）相比，非线性教育设计可用图2表示。
图2非线性教育设计
3.1课程的非线性
复合人才的培养代表着现代教育的追求。新型专业的划分趋向于知识的融合和复合。以现代课程论引导下的专业人才培养方式，已经走向多元化的趋势。在人才培养需求的知识空间分割下，课程研究的内涵已进入非线性化的实质。课程的从属性、相干性、多重性是知识结构建立的重要因素。知识学习的顺序、知识学习的相互作用、知识学习的多项选择都是非线性课程结构的体现，直接影响到人才培养的目标。课程的非线性化不等同于目前的传统课程网络化，而是一种知识的全新组织要求，包括专业、知识、社会、个人等诸多因素。
3.2教材的非线性
书籍是线性设计思想的典型代表，传统的教育形态在书本的思维下体现着线性的框架。给书本编上页码这是必要的工作。知识就在我们编好页码的图书下进行了上千年的传承。没有页码的书，教育将会怎样？在这一前提下，计算机将知识组合成适合每一个人和每一种职业的知识结构，非线性教材可以实现这一设想。教材的非线性是课程非线性的表述与实现。只有实现教材的非线性化，非线性课程思想才能发挥应有的功效。
3.3课的非线性
网络教育课的概念是什么？按学习的内容分隔，还是按学习时间分隔，需要另有定义。非线性学习的课是网络教育形态的基本属性。学习者根据自己特点，选择学习内容、进度、深度和顺序。在网络教学中，传统意义的课的概念不复存在。要设计网络学习的学习课，即学习单元。网络引导下的非线性课的环境将建立网络教育形态的教学基础。计算机是网络学习的最好的管理者，非线性课就是学习选择性、学习的关联性和学习的非加合性。
3.4学习的非线性
长期以来课堂教学是一种线性学习设计，教师无法给出每一个学生的学习路径。传统的学习理论也是以一种线性的表述来研究学习方式的。现代的学习理论开创了建构主义的学习观，强调学习是一种多元影响意义学习现象。在网络学习中，浏览是一种基本的学习方式，是在学习主体自主支配下的学习，造就了人脑思维的非线性与知识呈现非线性的结合。因而，网络学习引导及计算机学习分析智能起到至关重要的作用。因此，建立一种建构主义学习意义的非线性网络学习分析与引导是网络教育形态特征创造的基本点，也是其意义实现的基本支撑点。
3.5评价的非线性
现代学习理论主张研究性学习，评价的多重性、模糊性与智能型是一个发展方向。智能答案、模糊评价是现代学习测量的趋势，传统教育呈现的主观答案和客观答案的评价方式将更加合理。在现代教育的理念下，知识学习要求的是更为复杂的评价状态，借助于数学模型建立主观定性变换为客观定量的教育评价。非线性化模型就是一种追求多元的、模糊的、相关的评价设计，用计算机非线性表述技术达到智能评价的教育功效。
4结束语
非线性原理是构建网络教育形态的体系的精髓，能够实现现代教育理论与思想，能充分表现现代教育中非线性教育现象。今天我们的网络所展示的教育，从课程、教材到课时、教法都是传统意义上的概念，还基本上是一种将传统的教育形态搬移到网络上的一种工具与整合层面的应用。同时应当看到今天我们已经进入到一个网络教育平台应用于发展的时代。moodle、Blackboard（毕博）、天空教室等网络教学平台将展示一种新的教学与学习思维结构。网络的教育应用要发展到教育形态层面，就应该应用非线性原理与技术将教育与教学的基本元素——课程、课时、教材、教学和评价等进行彻底的变换，在网络空间的平台上，展示网络教育形态的现代魅力。
注释
①李小平.非线性科学及其在心理学中的应用[J].南京师大学报（社会科学版），2005（3）：84-88.
②张翀.超文本下的知识进化[J].东华大学学报（社会科学版），2004（12）.
③梁夏，王金辉，贺永.人脑连接组研究：脑结构网络和脑功能网络[J].科学通报，2010（16）：1565-1583.
④黎加厚.知识管理对网络时代电化教育的启迪（下）[J].电化教育研究，2001（9）：23-26.
⑤朱云东，钟玉琢.混沌基本理论与教学设计发展的新方向[J].电化教育研究，1999（5）：13-18.
⑥陈品德，李克东.计算机辅助学习（CaL）系统综述[J].电化教育研究，2003（9）：52-61.
人工神经网络概念篇5
[关键词]网络第四媒体/媒介网络媒体第二媒介时代“作为虚拟世界的网络”
abstract：internethasahistoryofelevenyearssinceitisservedforthecommonpeopleinChina.weshouldstudytheconceptionsdescribingthe“internet”inahistoricview,discoverthecharacteristicsofdifferentphrasesreflectedbythoseconceptions,andeventuallyfindthenatureofinternet,andtheinternet’sculturalandsocialmeaningtowardthehumanbeing.thenwecandevelopanewframeworkwhichissuitableforunderstandingtherelationbetweentheinternetandcommunicationorthetraditionalmedia,andthegrowthofitself.myopinionisthatnetworkisactuallythevirtualworld,notthecommunicativemedia.
Keyword：network；thefourthmedia；networkmedia；thesecondmediaera；networkasavirtualworld
网络是什么?十多年中有过许多回答。今天重提这个问题好像有些幼稚，但是事实并非已经清晰。首先声明，我不是从工程技术的角度来探讨网络的本质，而是追问网络的文化社会意义所在。似乎可以说，本文探索的是网络对于“人”或“人类社会”来说是什么。网络无疑已经对当今社会产生了深刻的重要的影响，它向前延伸的每个新进展，都使网络在远离起点的时候越来越需要人们反思它的社会本质。
一、网络概念的变迁和网络发展以及与此对应的人们认识的丰富和深化
网络的概念表述，大致按时间的顺序，出现了后面的概念。有的说网络是“第五媒体”，是排在包括杂志在内的传统媒体之后的。有的说网络是“第四媒体”，是排在不包括杂志在内、在新闻传播意义上的传统媒体之后的。有的说网络，只提“网络媒体”，而回避了“网络作为一个整体是什么”的问题。还有的说，网络实际上是“信息平台、虚拟空间和商业平台”。有的说网络开辟了“第二媒介时代”、“第二世界”。而今，更多的人干脆不追问“网络是什么”，而只是用经验和直觉来从传统的框架来观察网络新媒体，如博客、维客、流媒体、网络电视等等。
这些概念的变迁真实地表现了我国学者、研究者和业界对网络认识的轨迹。从泛泛地谈网络是什么到具体地谈论网络的形态——“网络媒体”、“新媒介”；从既成的大众传播媒体的框架“内部”来理解网络到从更大框架——与传统社会、传统媒介时代对立的大视角——来理解网络；从具体的媒介形态的递进和演化上升到能够意识到媒介代际的更迭；从试图研究网络的本质到暂时放弃本质等待网络自身发展成熟后解答。这个轨迹明显地体现出人们对网络研究的深入，也从侧面折射着网络自身的成长。
二、网络的本质在争议和反复中渐渐显露
如今网络已走过童年期，童年期的网络远未成形，甚至看不出轮廓，人们只能根据有限的、暂时的现象近于臆测网络的本质。今天的网络展现出成熟期的某些特征，表现为：网络发展从早期的直线上升到现在的平稳上升，无论是网络用户，还是网络的技术的原创推出，都展现了同样的趋势。网络用户告别了此前的疯狂的增长，而原创性的技术也放缓了研发的脚步了。“三个月一年”的“互联网年”节奏[1]和“光纤定律”[2]已经成为一个沉入历史的辉煌记忆。这些现象都证明这个网络的本质已经渐渐浮出水面。我们知道每个新事物的发展都有一个成熟期，也就是形态和属性基本“定型”的时期，甚至是“类型化”的时期。这就是我们追问网络本质的根据，这是一个网络相对定型可以理解的时期。
不懂得历史，我们永远不知道自己是谁。同样，不知道网络在历史上出现的概念和理解，我们也无法直接推断网络的本质，从源流开始梳理，我们不仅可以更清晰地把握本质，而且能够更准确地把握不同时期的网络研究，懂得它的价值和意义，明了它的缺点和局限。下面对历史的角度对网络的概念进行梳理：
（一）把网络看成是“媒体形态的一种”的阶段
“网络是什么”的问题最早是用“网络与媒体的关系”的方式提出来的。这是因为媒体尤其是大众传播媒体关系到人类“最重要的精神交往”。人们最渴望理解的是，网络对于当今时代“最重要的精神交往”——大众媒体有何种影响的问题。研究者首先把网络看成是媒体形态的一种，把网络看成是传统社会中大众传播系统中的一个媒介形态。这种理解很显然无法容纳网络中表现出来的如此之多的异质的、非大众传媒的特点和属性。把不同的东西混淆到一起，显然是牵强而缺乏说服力的。这个思路无法真正解决网络的定位问题，更无法达到对网络本质的思考。
作为“媒体形态的一种”，先后出现了“第五媒体”、“第四媒体”或“第四媒介”的概念。具体考察，从时间序列上说，网络不是“第五媒体”，更不是“第四媒体”或“第四媒介”，这点已有公认；从承载内容的性质和符号载体上说，网络也不是“第五媒体”、“第四媒体”或“第四媒介”。理解后一点有些复杂，我想从“媒介的特质”和“传播的意义”两个角度来说明。
首先从“媒介的特质”的角度考察。我们知道，信息的载体是符号，符号传播是媒介的形式的本质。新闻意义上的大众媒体，包括报纸、广播、电视三大媒体。他们的最大特质是各自拥有独特的符号系统。报纸主要靠文字；广播主要靠音响；电视靠以影像、声响为主，文字为辅。独特的符号系统，是识别三大传统媒体的基本依据。而网络的符号仍然是文字、声音和影像，只是综合利用，并没有创造出新的传播符号。
然后，从“传播的意义”的角度做考察。传播的内容是新闻、神话传说还是历史知识也是媒体定位的标志。“三大媒体”都是在“新闻的意义”上谈的。所谓在新闻的意义上，是指他们都以新闻为本位，为重要任务。而网络显然是信息的集散地，它包含了不同的形态组成，如“网络媒体”、电子公告、实时聊天、电子邮件等等。他们各自具有不同的特点和旨趣，从总体上网络传播是“大杂烩”，并没有形成对新闻的重点强调。
以上分析看出，把网络从“媒体”或“媒介”的角度，进行传统或习惯意义上的排名归队，无论是“第五媒体”、“第四媒体”或“第四媒介”，都是不妥当的。
（二）把网络的讨论分解到“网络具体形态——网络媒体”的讨论的阶段
网络与媒体关系探讨的突破，就是把“网络媒体”的概念从宏观抽象的网络的大概念中抽取出来，而从网络的一个形态组成来考察，单兵直入的讨论获得了成果。
“网络媒体”的提法，就是在这个认识背景下升温的。2000年后代替“第四媒体”的概念，“网络媒体”成为人们讨论网络时的主要探讨对象。[3]“网络媒体”的界定有很多困难。其中最重要的代表就是在网络传统新闻网站媒体和商业网站媒体，我们可以明显地感觉到，他们具有某些大众传播媒体特征，具有“准大众传播媒体”的特性，因为庞大的网民规模支持着网页的浏览率。当然“按照传播学的定义，一种媒介使用人数达到全国人口的1/5，即可被称之为大众媒介”。[4]所以即使目前的有着庞大的受众群，也不能断言它已经成为大众传媒；但是根据互连网的发展趋势，我们可以肯定“网络媒体”成为大众传媒是未来的必然。这个阶段的探讨进入了网络的具体形态组成，讨论因为具体化而更为集中，对象的特性也更为清晰，“网络媒体”概念的出现表明人们对网络的认识开始深化。
“网络媒体”的概念回答了上面的疑问：网络作为整体不是媒体，但网络的组成部分“网络媒体”是媒体；我们可以暂时搁置是“第几媒体”的争论，至少从“网络媒体”概念中，我们长期感觉到的网络具有的“大众传播”的性质终于落到了实处，而不必忍受这样的困惑：一方面强烈感觉网络的大众传播媒体的属性和特点，一方面却清楚地察觉到网络与传统大众传播媒体的巨大差异。这两个感觉形成了一个在传统认识框架里解决不了的悖论。“网络媒体”概念破解了这个难题。
“网络媒体”回应了此前我们关于网络是“第几媒体”，是不是媒体的讨论；同时网络与“网络媒体”的不同，也暗示和提醒了研究“网络是什么”的复杂和困难。
（三）“网络媒体”不过是传统媒体在网络空间的“延伸”
进一步的追问是，“‘网络媒体’究竟是什么样的媒体”？具体化这个追问，我们需要搞清楚“网络媒体”有哪些特点和意义。它与传统媒体有怎样的不同？是本质意义上的不同还是表面的差异？前面搁置的问题再次提出，它与传统的三大媒体是什么关系？网络媒体是一个突然侵入的不速之客，还是一个和睦友好的邻居？是一个熟悉的同类还是一个陌生的异类？
从媒介符号来说，传统媒体各有自己独特的符号语言系统；而网络媒体没有。“网络媒体”的新闻载体仍然是传统媒体的符号语言系统，包括文字、声音和影像。从这个意义上说，“网络媒体”似乎并不是一个完全陌生的异类，而是一个似曾相识的邻居。“网络媒体”并不具有本质意义的特殊性，更多地是传统媒体在网络空间的“模仿”和重新组合。
从内容上说，无论是网络传统新闻媒体网站，还是商业网站的新闻传播，都是传统媒体的新闻传播的“延伸”。新闻网站从内容到形式，极大程度地依赖着传统媒体的资源。商业网站在主要意义上也只是传统媒体新闻的重新组合，而非本质意义上的颠覆或反叛。
所以，把“网络媒体”理解为传统媒体在网络空间的“发展延伸”，是一种合理的逻辑。网络媒体是延伸，而不是创新；是熟悉的再造，而不是陌生的闯入；是文明的变迁，而不是文明的断裂或者重生。
[page_break]
（四）把网络看成是“信息平台、商业平台和虚拟空间”的阶段
这个阶段，人们看到了网络的不同功能取向和复杂的性质。正像“网络媒体”概念的提出一样，“信息平台、商业平台和虚拟空间”这个表述同样表达了人们分门别类研究的努力。既然整体的认识很难达到，我们不如分别表述这个复杂的对象。“网络媒体”概念是对网络组成形态的个别研究，而“信息平台、商业平台和虚拟空间”的提法则是对网络功能的总体上的分类研究，前者是微观的，后者是宏观的。这些认识终于深化和丰富了人们对网络的理解。而不是简单地、机械地为网络做一个定义。
同时，“信息平台、商业平台和虚拟空间”这个表述的意义还在于，超越了“媒体”的说法。这个提法能够从更宏观的层面认识网络的社会本质，为未来更准确地理解网络提供了一个台阶。但是，我们不能停留在一个分类的视角，如果网络什么都是，那么也什么都不是。我们仍然需要一个更本质的概括。
（五）网络就是虚拟世界
具体的、分类的角度看问题解决了许多基础性的问题，那么我们来从宏观的角度考虑问题。网络媒体和传统媒体相互映照，那么“网络媒体”的母体网络呢？网络的对照物是什么呢？找到网络的对照物和联系，我们似乎也就可以找到“网络是什么”的答案。这个思路接近马克思探究“人是什么”或“人的本质是什么”的思路，马克思如此定义：“人的本质……是一切社会关系的总和”，“人的本质是人的真正的社会联系”。[5]
经由关系、联系来解释本质，是一个合理的路径。由此知道，“网络是什么”，当然也可以从网络与对照物和网络的全部联系中，认识网络的位置、特点和作用，那么“网络是什么”的问题也就得到一条清晰的出路。
“网络是什么”的长期争论展现了研究对象自身的复杂性和多变性。其复杂表现为网络上形态众多，作用和影响各异；其多变性表现为网络上原创技术出现周期很短，网络组成部分新成员不断增加，新功能不断开发，原有的形态也随之发生了变化。
以前的研究思路就在这里出现了问题：我们长期从“网络和媒体”的角度来试图认识网络的本质。结果证明不成功。我们在探讨“网络是不是媒体，是第几媒体”的时候，长期纠缠不清，认识混乱。我们把“网络是不是媒体”这个问题抛开，跳出这个狭隘的怪圈，直接讨论网络对于人意味着什么？
用信息流的观点来看待网络可能更能接近网络的本质。信息总是从一地流向另一地，信息的复杂流动，也可称为精神交往，成为信息时代的非常重要的内容。美国的“信息高速公路”计划，就是一个推动信息流动的计划。所以，如果把信息比喻为乘客；那么网络上的形态组成，如“网络媒体”、电子公告等就是在道路上奔跑的汽车；网络就是道路。三者的关系就是“乘客、汽车和道路”的关系。同样，我们观察另一个系统，信息依然是乘客；各种形态的传统媒体是在道路奔跑的汽车，比如报纸、广播、电视等；现实世界可比喻为道路。那么我们面前有两条道路，道路奔跑着形态不同的汽车，汽车里坐着乘客。
这个比喻的意义在于，把网络和现实世界看作是同等的存在。虚拟世界和现实世界相对存在，互相作用和影响。那么，网络能够承担这样大的比喻么？网络有资格成长为足以与现实相对而存在的“第二世界”么？
从历史上看，李普曼提出了“拟态环境”的概念，日本学者藤竹晓提出“信息环境的环境化”的概念，[6]这些概念都传达出这样的含义：在一个走向信息社会的时代里，大众传播媒体营造的信息空间，已经构成了一个区别于现实环境的“第二环境”，也即“信息环境”、“拟态环境”，尽管当时这个环境还没有足够完整、真实和独立。而在今天，这个“信息环境”、“拟态环境”在网络的催生下已经相当成熟，甚至形成了夏学銮使用的“网络社会”[7]，开辟了马克·波斯特提出的“第二媒介时代”[8]，发展出一个张允若提出的“第二世界”。[9]那么我们将面对着刘建明提出的“双重存在”的“社会”（即领土意义上的国家社会和超级信息和观念全球化的社会）。[10]
我们深知，网络在传播技术方面的优势远胜传统大众媒体，它对“信息环境”、“拟态环境”的构成起到更为巨大的作用。社会演变的信息化，信息传递的网络化，这两个趋势就决定了未来的时代是一个新的时代，在这个时代里，现实社会和虚拟社会，现实世界和虚拟世界，第一世界和第二世界，对立而存在。既相互渗透，又相互联结和影响。
如果从世界的角度来理解，那么此前的“道路和汽车”的比喻，可以置换为比喻为“大地和房子”的比喻。那么显然存在着两种“大地和房子”，现实大地上建造着现实中的传统媒体形态；虚拟大地上建造着虚拟中的网络媒体形态。在本质上，虚拟大地不是“上帝之城”，只是现实大地的一个变形的折射；同样在本质上，网络媒体形态不是“创新”的产物，而是传统媒体形态在虚拟大地上的折射，也是延伸。
这个比喻超过了传播的意义，而是建造了一个“精神交往”的世界。如果说，传播毕竟强调的是信息的流动和疏离个体的连接；那么“世界”的概念显然要大得多，它包含了驻留和传播，固守和变迁，稳定的秩序与流动的革命或者改良等等。
最后笔者的观点水到渠成，“作为虚拟世界的网络”超过了“作为传播媒介的网络”，更充分而且有说服力地解决目前网络理论解释中遭遇到的困惑和纠缠，也是我们对网络本质认识发展的新阶段。
[参考书目]：
[1]方兴东：《“网络社会化”新时代的来临》，参见陈卫星主编：《网络新闻和社会发展》，北京：北京广播学院出版社,2001
[2]闵大洪：《网络传播研究亟待加强》，载《新闻与传播研究》2000年第1期
[3]闵大洪：《网络媒体定义与中国网络媒体生态环境》，参见邓炘炘李兴国主编：《网络传播与新闻媒体》，北京：北京广播学院出版社,2001
[4]杜骏飞：《网络新闻学》，北京：中国广播电视出版社,2001
[5]《精神交往论——马克思恩格斯的传播观》，陈力丹，第1版，北京，开明出版社，1993年8月
[6]郭庆光：《传播学教程》，北京，中国人民大学出版社，1999
[7]彭兰：《网络传播概论》，北京，中国人民大学出版社，2001
[8][美]马克·波斯特著范静哗译：《第二媒介时代》，南京:南京大学出版社,2001
人工神经网络概念篇6
【关键词】芳基酰类化合物；概率神经网络；抗癌活性；模式识别
芳基酰类化合物能抑制核苷酸还原酶活性，从而抑制癌细胞生长。elford等［1］测定了该类化合物抑制核苷酸还原酶的半抑制量pC及对于患L1210肿瘤小鼠经芳基酰类化合物治疗后的平均寿命与未经治疗小鼠的平均寿命的百分比t/C，t/C属体内活性参数，t/C越大，则抗癌活性越强。但前人研究发现芳基酰类化合物药物的电子结构指数与t/C没有较好的定量构效关系。由于药物对于体内抗癌活性的作用涉及药物到达受体及药物与受体作用等复杂过程，影响因素较多，研究起来较困难，而模式识别方法不需要精确的数学模型，需要的先验知识较少［2］，这为研究药物抗癌活性提供了一个有力的工具。本研究将概率神经网络（probabilisticneuralnetwork，pnn）用于芳酰类化合物抗癌活性的模式识别，结果满意。
1概率神经网络原理与结构［3~5］
概率神经网络pnn是径向基网络的一个分支，是前馈网络的一种。它是一种有监督的网络分类器，基于概率统计思想，由Bayes分类规则构成，采用parzen窗函数密度估计方法估算条件概率，进行分类模式识别。
pnn的结构如图1所示。除输入层外，它由两层神经元构成。第一层采用径向基神经元，其个数与输入样本矢量的个数相同，第二层为竞争层，其神经元个数等于训练样本数据的种类个数，每个神经元分别对应于训练数据的一个类别。图中的模块C表示竞争传递函数，其功能是找出输入矢量n2中各元素的最大值，并且使与最大值对应类别的神经元输出为1，其它类别的神经元输出为0，这种网络得到的分类结果能够达到最大的正确概率。图1中p为输入矢量，R为输入矢量的维数，Q等于输入/目标矢量对的个数，即径向基层神经元个数，K为输入数据种类的个数，即输出层神经元的个数。图中的||dist||模块表示求取输入矢量和权值矢量的距离，此模型中采用高斯函数radbas作为径向基层神经元的传递函数。
图1概率神经网络结构图
2芳基酰类化合物抗癌活性的概率神经网络的建立
2.1数据来源及预处理
根据量子化学计算得到30个芳基酰类化合物的量子化学参数和结构参数，再由相关分析计算结果选择以下影响化合物抗癌活性的独立变量：与金属离子发生络合的各原子上的静电荷之和CQS，分子的最高占据分子轨道能eHomo，最低空分子轨道能eLUmo，π电子的次Homo轨道能SHep，疏水参数Л，芳基酰类化合物抑制核苷酸还原酶的半抑制量pC。以活性参数t/C为指标将待研究的化合物分为两类，即有抗癌活性的为第1类，无抗癌活性的为第2类，原始数据见表1。
2.2网络的建立与训练
网络由3层神经元组成。输入层6个节点，对应于芳基酰类化合物的6个参数，隐含层神经元个数等于训练样本个数，输出层2个节点。将表1的原始数据作归一化处理，调用matLaB语言工具箱中的函数net=newpnn(p，t，SpReaD)进行概率神经网络设计［6］，计算结果如表1。表1的计算结果表明：概率神经网对训练样本有很好的预测结果。表1芳酰基化合物的活性参数与结构参数注：*i=1compoundwithantitumoractivity;i=2compoundwithantitumoractivity#BHa:benzohydroxamicacid
2.3概率神经网络与普通判别分析的比较
尝试从30个样本中取出6个（表1中的5、10、15、20、25、30号样本）作为预测集，其余24个样本作为训练集进行概率神经网络预测，此时的网络结构为6-24-2，计算结果见表2。为了验证概率神经网络的识别能力，将24个训练样本分别用概率神经网络、Fisher判别和模糊k-均值聚类分析进行学习，然后对6个预测样本进行预测，预测结果见表3。计算结果表明网络对24个训练样本和6个预测样本的识别正确率为100%。Fisher判别虽能正确识别6个预测样本，但对24个训练样本的识别正确率只为91.7%。模糊k-均值聚类分析对24个训练样本和6个预测样本的识别正确率都只有67%。表224个训练样本的计算结果表3不同方法的预测结果
3结论
概率神经网络综合了径向基函数神经网络和竞争神经网络的精华，对输入样本的非均匀性有较强的适应能力。网络结构简单，收敛速度快，网络总收敛于Bayes优化解，稳定性高，训练不需要太多的样本，适合于药物定量构效关系与活性识别研究。
【参考文献】
1elfordHL，wamplerGL.Regulationofribonucleotidereductaseinmammaliancellbychemotherapeuticagents.advenzymeRegul，1980，19:151~154.
2陈念贻，钦佩，陈瑞亮，等.模式识别方法在化学化工中的应用.北京：科学出版社，2000，22~25.
3吴启勋，李磊，安燕.盐湖水化学类型的人工神经网络判别方法.分析科学学报，2005，21(3):271~273.
4童义平，林燕文.概率神经网络和FtiR光谱用于食道癌的辅助分析.化学研究与应用，2006，18(5):498~501.
5相玉红，姚小军，张瑞生，等.用概率神经网络对多环芳烃的致癌性分类.兰州大学学报(自然科学版)，2002，38(3):55~59.
人工神经网络概念篇7
关键词:网络媒体工作者核心竞争力培养
网络媒体工作者作为网络媒体传播的组织者,其意识形态、价值取向和思想观念对于网络媒体传播的目标实现、内容选择、过程整合以及绩效取得有着重要的影响。网络媒体工作者的素质培养不仅是保持网络媒体竞争优势的高阶内核,也是推动网络媒体持续发展的有效策略。随着网络媒体业的快速发展和网络媒体工作者培养实践的不断深入,发现网络媒体工作者培养绝不仅仅是培养方式的确立和培养机制的构建,更在于网络媒体工作者核心竞争力的塑造和提高。本文探讨了网络媒体工作者核心竞争力的概念、特征和结构,并提出培养网络媒体工作者核心竞争力的策略体系。
网络媒体工作者核心竞争力的概念特征
核心竞争力作为一个针对企业发展战略管理的新的概念范畴和理论体系,已经引起了社会各界的普遍关注。核心竞争力理论兴起于20世纪90年代,它与企业的组织结构、功能机制和竞争优势紧密相关。prahalad和Hamel将核心竞争力定义为:企业由于以往的投资和学习行为所积累的具有企业特定性的专长,是一个组织涉及不同生产技能协调、多种技术流派整合以及价值观念传递的积累性学识过程。核心竞争力具有价值性、独具性、延展性和持久性四个特征。根据网络媒体工作的实际要求,结合核心竞争力理论的基本思想,可以将网络媒体工作者的核心竞争力理解为:网络媒体工作者在实践过程中整合利用资源以取得竞争优势,实现持续发展的能力。它包括两方面内涵:一是网络媒体工作者通过整合利用各种资源提高竞争优势的能力;二是网络媒体工作者保持竞争优势,不断实现持续发展的能力。这两方面内涵也可以具体化为三个内容,即网络媒体工作者的知识储备和技能水平、工作管理和创新能力、自我学习和发展能力。
概括而言,网络媒体工作者的核心竞争力具有五方面特征:(1)动态性。网络媒体工作者的核心竞争力的内部结构并不是静态不变的,或者始终处于某个状态、水平上,它会随着外部竞争环境和网络媒体工作要求的变化而处于动态变化之中。这就要求网络媒体工作者既要系统掌握与网络媒体工作相关的专业知识和技能,还要及时了解网络媒体业的发展走向,积极参加各种活动,来不断优化知识结构,丰富工作经验,增强工作技能。(2)保护性。核心竞争力能够给网络媒体工作者带来竞争优势,促进其综合实力的提升,所以要采取有效途径和措施来保持核心竞争力的价值性,避免和防止其他竞争对手的模仿和学习。(3)竞争性。社会环境的日益开放,使得每一个网络媒体工作者都需要面对多元化的工作境况。环境的多元化往往又伴随着竞争的激烈化、复杂化,造成不同网络媒体工作者之间核心竞争力的比拼。也正是在不断比拼、竞争的过程中,网络媒体工作者不断提高竞争意识,增强了保护观念,促进网络媒体工作者核心竞争力的水平得到了整体提升。(4)条件性。网络媒体工作者的核心竞争力是一个综合概念体,其综合性既表现为构成层面的丰富性,也表现为构成层面之间关系的多样性。要保持核心竞争力构成层面及相互关系的多样性,确保核心竞争力的有序稳定,就必须合理利用外部环境空间,有效整合环境资源因子。(5)投入性。核心竞争力的培养通常需要网络媒体工作者投入大量的时间和精力,其内部结构整合和优化也往往需要一定的资本投入。
网络媒体工作者核心竞争力的基本结构
精神层。主要指网络媒体工作者在长期工作实践中形成的职业认知、职业意识和职业道德等。作为网络媒体职业形象的意义标志,精神层是核心竞争力的内核和基础,没有精神层的作用支撑,核心竞争力的整体势能就很难得到发挥。(1)职业认知。职业认知是网络媒体工作者的行业认知、工作发展认知和自我成长认知,它在精神层中居于主导地位,忽视了职业认知,网络媒体工作规律的把握就无从谈起,网络媒体工作绩效水平的提高也只能成为空话。(2)职业意识。职业意识是精神层的重要组成部分,是网络媒体工作活动的前提和基础,对网络媒体工作者的行为起着制约作用。敬业乐业的奉献意识和满腔热忱的服务意识是职业意识的核心,积极进取的竞争意识和开拓创新的改革意识是职业意识的内涵,和谐相容的协作意识和耳聪目明的信息意识是职业意识的综合表现。(3)职业道德。职业道德是网络媒体工作者遵循的行为规范和道德准则的集合,它是网络媒体工作者对自己从事的职业道德规范的认识和实践所达到的自觉程度,是调整网络媒体工作者与工作、同事和社会之间关系的行为准则,也是网络媒体工作改革和创新的有效切入点。
知识层。主要指作为网络媒体工作者具备的知识内容、知识结构和知识体系。任何一项网络媒体工作的开展常常会调动网络媒体工作者的整个知识库存,尤其是在网络需求日趋多样化的时代背景下,网络媒体工作目标、任务的实现更离不开网络媒体工作者丰富的知识内容、健全的知识结构、完备的知识体系以及合理的知识层次。(1)知识内容。知识层的发挥是知识内容扩充“并由此产生出新概念、新思想和新体系的过程”。如果没有足够量的知识内容,网络媒体工作者知识层的蓄能(积累知识)和释能(传授知识)过程就会受到影响。(2)知识结构。新时期,网络媒体工作者核心竞争力的提升离不开多维立体的知识结构,网络媒体工作任务的完成离不开网络媒体工作者渊博深厚的知识结构,适应社会发展的网络媒体工作的开展离不开网络媒体工作者完善合理的知识结构。(3)知识体系。知识的有机组织形成了知识体系。网络媒体工作者的知识范围涵盖背景知识和专业知识。背景知识是体现网络媒体工作者综合文化素养的知识群,包括文化知识、社会知识和自然知识;专业知识是以网络媒体工作内容为核心的相关专业知识群。
物质层。包括网络媒体工作者提供社会大众所需的信息和各种服务,也包括网络媒体工作者创造的工作环境和网络媒体环境。(1)信息和各种服务。在整个工作过程中,系统入口端输入的是尚未经过系统整理的各种信息,通过网络媒体工作者的精心加工,出口端输出的是社会各领域、部门所需的信息。网络媒体工作者也可以通过提供各种网络媒体服务,来满足社会公众的需求。现实中,社会对网络媒体企业的评价主要是依据其所提供信息的准确性、及时性、全面性、客观性和公正性来进行。网络媒体企业提供服务的质量和层次也是社会评价的重要指标。(2)工作环境。工作环境是物质层的重要组成部分。工作环境的好坏直接影响到网络媒体工作目标、任务的实现。优化工作环境,为网络媒体工作者提供良好的工作环境,是网络媒体业持续发展的需要,也是网络媒体工作者竞争优势提高的要求。(3)网络媒体环境。它是网络媒体工作者构筑核心竞争力物质层的动能平台,也是网络媒体工作者培养竞争优势的条件保障。网络媒体环境状况的好坏直接关系到塑造核心竞争力所需环境条件和资源条件的充足程度,进而影响到核心竞争力的整体水平。
行为层。主要指网络媒体工作者的实践能力、创新能力、适应能力和应急能力。它也是核心竞争力结构体系中必不可少的组成部分。行为层是否合理,是否与已形成的精神层、知识层和物质层相适应,是制约网络媒体工作者核心竞争力提高的重要因素。长期以来,多数网络媒体工作者过多注意了核心竞争力的知识层和物质层,忽视了行为层对网络媒体工作者核心竞争力的推动作用,进而影响了核心竞争力的培养和提高。(1)实践能力。包括工作计划能力、组织能力、领导能力、控制能力和评价能力等。(2)创新能力。知识经济的快速发展要求网络媒体工作者必须从过去单纯的知识信息利用者转变为知识信息开发者,而利用者向开发者的角色转变离不开网络媒体工作者的创新能力。(3)适应能力。外部社会环境变化的日趋复杂化在一定程度上影响了网络媒体工作系统的稳定,使得网络媒体工作者面临的问题也日渐增多,这就要求网络媒体工作者必须具备适应环境变化,根据环境变化有效处理工作目标与企业发展、社会发展和自我发展之间关系的能力。(4)应急能力。网络媒体工作者要想在工作中时刻把握时代走向,适时引导社会舆论正确发展,达到网络媒体业与社会发展进步之间的良性互动,就需要具有审时度势、随机应变的应急能力,这不仅是网络媒体工作者竞争优势的重要体现,也是网络媒体工作者核心竞争力的有力表征。
网络媒体工作者核心竞争力的培养途径
准确把握网络媒体工作者核心竞争力的培养目标,实现核心竞争力培养目标的层次化。社会发展需要政治信仰坚定、思想进步、专业技能娴熟、工作能力突出的网络媒体工作队伍;网络媒体业发展需要爱岗敬业、勤于思考、技能扎实的网络媒体工作队伍;网络媒体工作者的自我发展需要有序稳定的工作环境、内容健全的专业知识、灵活多样的专业技能、良好融洽的人际关系和成熟乐观的社会心理。因此,网络媒体工作者核心竞争力的培养目标应在通盘考虑社会发展、网络媒体业发展和自我发展实际需要的基础上,准确把握网络媒体工作者核心竞争力的内涵特征,不断丰富和充实网络媒体工作者核心竞争力的构成层面。
合理构建网络媒体工作者核心竞争力的培育内容,实现核心竞争力培养内容的全面化。通过对网络媒体工作者核心竞争力结构模型的分析,可以看出精神层、知识层、物质层和行为层是构成网络媒体工作者核心竞争力的基本框架,是组成网络媒体工作者核心竞争力的核心要素。作为核心竞争力的内驱动力,精神层是发掘网络媒体工作者潜能、提高网络媒体工作者与外部环境物能流转的助推器。知识层是网络媒体工作者核心竞争力的必备基础,是提高网络媒体工作者核心竞争力优势的切入点。物质层是网络媒体工作者核心竞争力的必要组成部分。行为层是知识层和物质层发挥作用的重要通道,也是网络媒体工作者核心竞争力培养的主要对象。核心竞争力的培养内容应紧紧围绕这四个层面深入开展。
灵活掌握网络媒体工作者核心竞争力的培养手段,实现网络媒体工作者核心竞争力培养手段的多样化。核心竞争力的培养,首先应在保持网络媒体工作者自我学习、自我提高的前提下,举办内容丰富的讲座来开拓视野,组织形式多样的经验交流活动来提高能力;其次要借助回归教育手段,让网络媒体工作者在“实践――学习――再实践”的双向互动中提高专业素质,增强适应能力,丰富专业知识,积累实践经验,最终达到核心竞争力的提高;最后要进行核心竞争力基本知识、信息的教育宣传,广泛收集和掌握国内外有关提升网络媒体工作技能的有益信息与最新动态,加大对网络媒体工作者核心竞争力评价指标体系的理论研究,定期对网络媒体工作队伍进行整体和单独的核心竞争力测评,积极引导广大网络媒体工作者提高竞争优势、增强竞争能力。
积极营造“学校――企业――网络媒体工作者”三级联动的核心竞争力培养机制,实现核心竞争力培养机制的系统化。学校应根据网络媒体工作岗位的实际要求,创新网络媒体专业人才培养方案,构建有利于培养网络媒体专业人才核心竞争力的培养模式,加快网络媒体专业人才培养的创新步伐。企业要依据企业内部工作人员的实际特点,有计划地组织各种类型的专项训练,提高网络媒体工作者核心竞争力的各个层面。对于网络媒体工作者核心竞争力的培养不能简单流于形式,应有完备的培养计划和专项的评价考核。网络媒体工作者要更新观念、科学定位、确立目标、准确规划,增加优势投入,集中精力在某一方面或者几方面进行突破,形成自己的特色竞争力。
参考文献:
1.姜国祥:《核心竞争力》,北京:中国商业出版社,2003年版。
2.郑克俊:《企业的核心竞争力及其构建模式》,《经济师》,2002(8)。
3.吴秀萍、徐伟:《网络媒体与传统媒体在竞争中共同发展》,《中国新通信》,2008(19)。
4.翟学智:《传统媒体与网络媒体竞争的方略》,《新闻爱好者》,2007(8)。
人工神经网络概念篇8
关键词：网络新词理想化认知模型认知理据
一、引言
网络语言的盛行使得相关研究成了热门的领域。关于网络语言的语言结构，于根元教授（2001）提出网络语言是汉字、数字和符号的组合，词性主要包括谐音词、缩略词和符号词，词义主要依靠义项的迁移和词性的变异来产生。纵观目前网络语言的相关研究不难发现，多数研究关注网络语言的形态和用途，而从认知语言学层面开展研究仍有一定的空间，故本文拟采用理想化认知模型对网络新词的认知理据进行探讨。
二、理想化认知模型
理想化认知模型iCm（idealizedCognitivemodel）是人们在认识事物和理解世界过程中对某领域中经验和知识所形成的抽象的、统一的、理想化的组织和表征结构。意象图示iS（imageSchema）构成Cm（Cognitivemodel），多个Cm构成iCm，它们是形成原型，进行范畴化和概念化的基础（王寅，2007），分为命题模式、意象图式模式、隐喻模式和转喻模式。
（一）命题模式
命题模式是在现实经验的基础上形成的最基本的认知结构，强调体验的决定作用。作为认知模式的命题涵盖了特定概念下的相关知识和背景，是被认可的基本概念。因为命题是经验的总结，所以命题模式具有文化差异性、不确定性和易变性，如西方文化中有“Loyalasadog”（如狗一般忠诚）的说法，而在汉语中则有“狼心狗肺”一词，显然两种文化对“狗”的命题存在差异。
（二）意象图式模式
王文斌（2008）认为意象图式涵盖了意象和图式，是对经验概念化的表征，较之意象更具抽象性和概括性，是已经抽象了的图式表征，是一种非命题的认知。换句话说，意象图式就是人在同外部世界经过多次交互作用后所形成的空间关系在大脑中形成的抽象认知结构，是“空间关系和空间位移的动态类比表征”（吴念阳，2009）。人类经验中具有多种意象图式，如“部分—整体图式”“上—下图式”和“前—后图式”等。
（三）隐喻模式
隐喻即是一种问题方式，也是一种认知方式（Lakoff&Johnson，1980），人们时时刻刻都在进行隐喻思维，它不仅是语言的表面现象，也是深层的认识机制，这个认识机制组织我们的思想，形成我们的判断，使语言结构化，从而有着巨大的语言生成力（胡壮麟，2004）。隐喻的工作机制在于将始源域的经验映射到目标域，从而重新认识目标域，它强调了两事物间的相似性，所以从根本上讲，目标域和始源域的形状、特性和颜色都建立在人的感知经验上，也符合命题模式的特点。
（四）转喻模式
转喻也基于人们的基本经验，现代认知学中认为它不仅是种修辞方式，和“隐喻”一样，还是一种普遍的语言现象和认知模式。该模式强调了两事物的联想性，涉及到一个概念域之内两个实体之间的替代关系。思维模式主要有“整体与部分”“地名与机构”“原因与结果”等。
由四个认知子模式组成的理想化认知模型存在着一定的运行机制。研究发现，认识子模式不是孤立的，而是相互联系的（刘晓莺，2012），命题是出发点和归宿，意象图式模式是隐喻模式和转喻模式形成的基础，隐喻模式和转喻模式互为依托。它们反映了由原有命题向新命题转化的过程。因此，可以利用理想化认知模型来观察新词意义的形成过程，进而发现其认知理据。
三、网络新词的认知结构
网络新词诸如“粉”“打酱油”和“浮云”等层出不穷，逐渐进入日常生活，它们的使用人群主要是经常使用网络的青年人，而对其他人群则会造成认知上的障碍，因此，探寻网络新词的认知理据有着客观的需求。如“人生是张茶几，上面摆着杯具和洗具”是句网络流行语，其中的“杯具”和“洗具”已在日常生活中被单独使用。下面我们就用理想化认知模型对“杯具”和“洗具”概念的形成过程展开剖析，找出它们的认知理据。
（一）“人生是张茶几”命题的形成
“人生是张茶几，上面摆着杯具和洗具”这句话中存在“人生是张茶几”的命题，它是隐喻映射的产物。而实际上，在两域形成之前，对“人生”和“茶几”已有基本命题界定，均以命题形式存在于两域之中。两域成形后，始源域“茶几”向目标域“人生”投射，形成隐喻，最后出现了“人生是茶几”的命题。该命题的形成离不开原来对茶几和人生的认识，它的形成也是“杯具”与“洗具”二词概念形成的基础。若不存在该组命题，下面的过程便无法继续。
（二）“杯具和洗具”向“悲剧和喜剧”的转化
意象图式是隐喻产生的基础，是抽象的认知结构，只包含少数构成成分和简单关系的结构。根据认知模型，意象图式转化要先于隐喻转化。根据蓝纯（2005）总结出的六种上下意象图式，结合“杯具”“洗具”与“茶几”的关系，三者构成的是“静态接触的上”意象图式。
“杯具”和“洗具”相对于茶几的平面来说更加立体，更加吸引人的注意。此时“杯具”和“洗具”成了物象（figure），而桌子成了背衬（ground），“物象”有形状，“背衬”不成形状，轮廓线属于物象，“物象”有内在结构，而“背景”没有，“物象”是人关注的焦点。由于关注点的对焦，“背衬”便被虚化了，开始仔细研究物象的“内部结构”。意象图式转化完成后，隐喻模式开启。通过对“杯具”和“洗具”的分析，并且基于“茶几是人生”这一命题，“杯具”和“洗具”的发音作为源域的成分向目标域“人生”投射。得益于音位的相似性，“悲剧”和“喜剧”两个空缺得以在目标域中出现。
（三）隐喻的最终形成
事实上，“悲剧”和“喜剧”并非“人生”目标域中固有的空缺，它们必须经过转喻模式，到达“戏”的概念，才能镶嵌到“人生如戏”这一组传统隐喻中，如此“杯具”和“洗具”与人生的关系真正才得以建立。不难发现，网络经验保障了映射结果的出现，但若没有“人生”与“戏”这一对隐喻，网络新词的隐喻转化是无法最终实现的。
（四）网络新词的认知特点
通过以上分析可以发现，单纯把“杯具”和“洗具”看成是谐音现象，并将“茶几”看成是相应引申出承载悲剧（杯具）和喜剧（洗具）的环境是片面的。另外，还可以观察到对网络新词的认知要基于网络经验，但也并非完全脱离人们原有的认知基础，更确切的说是非网络环境下形成的认知基础。
上述的发现可从更多的网络新词中得到证实。比如：大虾、亲、神马和浮云。“大虾”在网络语言中指的是“网络高手”的意思。在转换完成后，一般类型的网民就被赋予了长时间使用网络以及技艺超群等特点，最后发现该词指的是需要经常使用电脑（坐在电脑前弓着背）的网络高手，其中“大侠”和“虾”的命题早已有之，而“弓形”和“大侠”只有向目标域“网民”投射，最终“大虾是网络高手”的命题方可呈现。
大虾弓形
人（网络高手）
大虾大侠
“亲”最早为淘宝客服人员所使用，旨在拉近客户的距离，直接用亲人一词太造作，会引起顾客的反感。“亲人”指存在血缘关系的人群，关系密切是该人群的特点，以它为始源域对目标域“淘宝客户”进行映射，使得亲人之间亲密的关系在到达目标域后，成为了“淘宝客户”与“淘宝商家”的关系。经过发展，“亲”一词不仅可以在淘宝网的交易过程中使用，也可在多种场合下使用，用来称呼关系较好的同事和朋友。不过，对网络经验的缺乏，无法实现“亲”的初步隐喻，从而形成“亲是亲人”这一命题，“淘宝客户与商家是亲人”的命题便无法最终形成。
亲亲人淘宝客户
朋友
亲亲人同事
……
再看“神马”和“浮云”，在使用过程中，二者一般同时出现：比如“房子神马的都是浮云。可以发现存在一个“a神马的都是浮云”的句型。还可以发现“浮云”可以单独使用，如“一切都是浮云”，而“神马”则无法单独使用，可以发现“浮云”是凸显始源域。“神马”和“浮云”两个源域共同投射向了“不重要的事情”这一目标域，而后“不重要的事”又作为源域投射下了“a”目标域，言下之意是a一点都不重要。
神马什么
不重要的事a
浮云
从以上例子可以看出，网络新词的认知理据均来自于网络经验和已有的知识储备。因此，网络语言只在特定的年龄群体中得到使用的现象也可在认知层面得到解释，即该群体具有丰富的网络经验，并且已经具有一定的生活经验和知识储备，可以依托网络经验扩展原有的隐喻，这也符合体验哲学的观点。
四、结语
用理想认知模型对网络新词的认知理据进行分析，为我们认识网络新词提供了一个全新的角度。发现网络新词是对原有隐喻知识的继承和发展，所以要做好网络新词意义的解释工作就要做好网络隐喻与固有隐喻知识的衔接。但由于篇幅的限制，本文只是抛砖引玉，希望后来学者通过对更多语料的分析，从认知语言学的角度对网络新词认知理据的细节进行更加深入的研究。
参考文献：
[1]于根元.中国网络语言词[m].北京：中国经济出版社，2001.
[2]王寅.认知语言学[m].上海：上海外语教育出版社，2007.
[3]Lakoff，G.&m.Johnson.metaphorweLiveBy[m].Chicago：
UniversityofChicagopress，1980.
[4]胡壮麟.认知隐喻学[m].北京：北京大学出版社，2004.
[5]王文斌.汉英“一量多物”现象的认知分析[J].外语教学与研
究，2008，（4）.
[6]吴念阳.心理隐喻学[m].上海：上海百家出版社，2009.
[7]刘晓莺.认知模式及其关系探析[J].现代语文（语言研究版），
2012，（5）.
[8]蓝纯.认知语言学与隐喻研究[m].北京：外语教学与研究出版
人工神经网络概念篇9
关键词：概念认知；修辞认知；修辞动因；网络流行语体
中图分类号：H15文献标识码：a文章编号：1005-5312（2012）32-0204-02
一、网络流行语体的界定及概况
2012年7月19日，中国互联网络信息中心（CnniC）的《第30次中国互联网络发展状况统计报告》显示，截至2012年6月底，中国网民数量达到5.38亿，增长速度更加趋于平稳，互联网普及率为39.9%。在互联网时代各种网络媒介飞速发展的背景下，网络流行语体应运而生，并以其独特、丰富的表现形式及强大的社会功能在网络上传播与流行，形成了网络时代一种崭新的语言方式和文化景观。本文所界定的网络流行语体特指在网络聊天、网络论坛、各类贴吧、微博及网络文学中出现的，具有特定词汇、句式（格式）或韵律特征，并表现出特定风格、格调、情感、气氛的网络语言形式。
据不完全统计，从2010年至今，先后流行并被纸质媒体报道转载的网络流行语体有淘宝体、遇见体、凡客体、咆哮体、丹丹体、校内体、撑腰体、梨花体、羊羔体、CCtV体、子弹体、银镯体、知音体、3Q体、红楼体、纺纱体、科学体、蜜糖体、tVB体、诛仙体、琼瑶体、脑残体、五四体、孩子体、剪刀体、排比体、蓝精灵体、高铁体、hold住体、大概体、怨妇体、赵本山体、收听体、波波体、膝盖中箭体、秋裤体、方正体、如果体、下班回家体、总结体等40多种。作为新兴而时尚的事物，网络流行语体以生动形象的表义功能、极高的使用频率、强大的衍生能力，迅速在网民中流传，并在日常生活中留下了印记，更有甚者，在风靡高峰之时掀起了一股语言狂欢，激发起使用主体“言”必套“体”的语言冲动。
笔者在几大常用搜索引擎上以“网络流行语体”为关键词进行搜索，结果如下：
在维普科技期刊数据库和清华期刊全文数据库收录的文史哲专辑所有文章中，以“网络流行语体”为检索词，以2010到2012为检索年限，共检索出符合条件的学术论文32篇；以同样的检索词，在万方数据库中检索到相关博士、硕士毕业论文共2篇。
对于使用频率如此之高的一个现象，学术研究回应的数据显得有点不对称。因而，笔者认为有必要梳理下网络流行语体的概况、分析其建构的修辞方式以及迅速流行的原因，以期从中发现网络流行语体发展的脉络，揭示其中蕴藏的一些语言规律。
二、熟悉与陌生：网络流行语体的修辞建构
广义修辞学是建立在狭义修辞传统理论的基础上，将修辞分析从修辞技巧延伸到修辞诗学再到修辞哲学，注重从“话语方式——文本方式——人的存在”层次构架，逐步深入到人无限丰富的精神世界。它认为，修辞话语建构是两个认知系统的双重运作，即概念认知和修辞认知。我们举个例子来说明：
1.森林是绿色的。
2.太阳是绿色的。
前者符合我们认知世界的习惯，是正常的逻辑判断，这是概念认知，也就是熟悉化表述。后者则偏离了事物的客观规定性，给我们造成了认识上的陌生感，但在一定的语境中，它可以创造出别样的审美效果。在艾青诗歌和何顿小说中，就有关于绿色太阳的出色描写，它们都以审美的方式，修改着人类关于太阳的文化记忆。这是陌生化运作，对应的就是修辞认知。网络流行语体的建构也可以从陌生到熟悉的概念认知和从熟悉到陌生的修辞认知两种方式来解析。
（一）从陌生到熟悉：概念认知
流行语体都有其突出的形式特征，表现为：有必不可少的关键词、固定的句子结构、突出的语言风格等方面，在这样的框架下，使用主体可以任意填充内容，从而表情达意。
1．必不可少的关键词。如：
“淘宝体”：“亲”、“哦”；
“咆哮体”：伤不起、有木有和感叹号；
2．固定的句子结构。如：
“方阵体”，格式简单，采用的是运动会时播音员解说词的写作格式，“现在___方队向我们走来，他们____，带着____，左手____，右手____，他们精神抖擞，喊着响亮的口号向我们走来。”
“遇见体”，“如果在____遇见你，一定带你去____。”
3．突出的语言风格。如：
“银镯体”，“银镯”一词源于安妮宝贝的作品《清醒纪》，文中安妮宝贝表达了对银镯的喜爱与敬重之情，语气神秘空灵，被网友频繁模仿，渐渐演变成一种以“辞藻空洞华丽、使用生僻词语、频繁地利用句号”为特征的文体。
这样的语体因特征鲜明的构句方式，初始给人以陌生化之感，之后又因表达的便利，可以不因行业、职业、身份，只要有表达欲望，随时随地都可复制表达，反复加强，从而实现熟悉化，迅速蹿红，甚至在网络上“遍地开花”。
（二）从熟悉到陌生：修辞认知
网络流行语体不乏有新锐文体大行其道、各领，从童话故事、经典名著到武侠小说、动画电影，都被网友改头换面，颠覆了延续多年的传统行文习惯和语法，实现了人们认知上的陌生化，从而造成了新奇之感。“知音体”就采用诗化的语言风格，力求煽情，实现强烈的视觉冲击效果。如：
《封神演义》——为前妻登上神仙宝座，八旬教授不畏牛鬼蛇神
《孟姜女哭长城》——贫贱女怒斥攀比盖楼风，为农民工丈夫讨回尊严
《白雪公主》——《苦命的妹子啊，七个义薄云天的哥哥为你撑起小小的一片天》
《卖火柴的小女孩》——《狠心母亲虐待火柴幻想症少女，祖母不忍勾其魂入天国》
“蜜糖体”的标志性表达则是“亲耐滴，偶灰常稀饭你”。翻译过来就是“亲爱的，我很喜欢你”，说话口吻和行文风格有如蜜糖，既娇又嗲，既甜又腻。就是用谐音、仿拟、飞白等修辞方式实现陌生化运作，从而实现了陌生的新奇感。
“传教士体”，同样是网络写作的一种新潮风格，这种写法来源于网上一个异常火爆的帖子，帖子揭露了外企公司不为人知的秘密，在各大外企公司产生了强烈反响。“传教士体”的特点是一句话就是一段，中间不加任何标点符号，并使用大量修饰词。
三、流行与解构：网络语体流行的修辞动因
（一）流行的内驱力：网络媒介的普及
互联网的普及、网络终端的完善、包括微博在内的虚拟交流平台多样化，为网络语体的流行提供了最便利的传播介质，流行自然就有了现实温床。网络时代从来不缺乏模仿，更不忌讳疯狂地围观。网络媒介对网络流行语所起的作用，主要表现在：
首先，网络媒介促使信息传播逐渐泛空间化、去时间化。反映在流行语体上，就是一种语体被创造出来，其传播路线不再是依赖传统媒介，以区域辐射的方式渐次传播开，而是在极短时间内实现高关注率和高传播率。比如，“高铁体”即7.23温甬铁路特大交通事故发生后，铁道部新闻发言人王勇平面对记者提问语出“妙语”：“至于你信不信，我反正信了”等。在短短12小时内被微博转发20万，这一回答句式，被网友们在网络上追捧和改版，实现了信息的无界传播与即时传播。
其次，网络媒介实现信息传播方式的多向和互动。依照信息运动理论，一般来讲，修辞信息从一个信源、经一个信道，流向一个信宿。这样的角色关系通常由一个表达者、一个接受者构成。而网络流行语体的修辞信息则是从一个信源、经多个信道，流向的信宿是开放，是无限多的。反映在流行语体传播上，就是一种流行语体一经产生，信息传播主体不论身份、职业，都可以成为传播的主体，实现一对多、多对多、交互式的传播，从而促使一种流行语体的不断升温。
（二）流行的外驱力：接受心理驱动
接受修辞学认为，在修辞过程中，接受者不仅是不可缺少的，而且是至关重要的。接受者作为言语交际的一方，从不同角度、在不同层面参与修辞表达的意义生成。这也恰恰可以用来理解，为何看似简单、充满戏谑调侃意味的网络流行语体，能在当下赢得网民的好感——它满足的是当前文化土壤孕育的两种文化态度。一是开放与多元。随着经济基础转型和社会结构分化，大众的文化需求和文化自觉性增强，文化的生长空间扩大，多样文化共存互补；二是新颖和简显，网民使用新技术，记录新生活、评价社会现象，通过“新”语言、“新”行为引发关注，“我新故我在”成为文化常态，而快速求新往往会导致简单和浅显。社会生活变化如此之快，几乎每天都有令人抓狂或者雷人的事件发生，人们面对这些社会事件往往有着强烈的表达欲望。如何以最快的速度表达出来？不如采用现成的句式，来个“旧瓶装新酒”，再加上微博、微信、手机、ipad等传播平台与介质的“煽风点火”，让网络文体更加迅速地传播开来。的确，若将这些令人眼花缭乱的网络流行语体拆解来看，各自又代表了不同群体及愿望诉求。“蓝精灵体”，指向伴随动画片《蓝精灵》成长的一代人的怀旧情绪；“咆哮体”，指向在社会快速变化中被压抑的情绪；而以“亲”字打头、充满了甜腻示好味道的“淘宝体”，则反衬出商业社会之下，人们对与陌生人建立温暖可信关系的渴望。在这些接受心理的驱使下，流行语体没有不流行的理由。
（三）正功能与负功能：矛盾的驱动
不可否认的是，伴随着网络流行语体的“井喷式”红火，是社会各界对网络流行语体不断升温的争议。
1.网络流行语体的正功能。
支持者认为网络流行语体拥有包括游戏与娱乐、情感宣泄、批判与针砭时弊等正功能，同时也确实能迎合使用主体的创新与求异心理、从众与模仿心理，因而具有不可忽视的社会功能。相对于常规语言，网络语言新奇、简单、幽默，是一种灵活变通的表达方式，彰显出语言的生命力。
因而他们主张对网络语言抱以包容的态度。也许正是在这样理念的指导下，大学的录取短信、政府机关的招聘广告、公路安全的宣传语，甚至是公安局的通缉令，纷纷套上了“淘宝体”，用网络流行语体来展示着自己的亲和力。
2.网络流行语体的负功能。
反对者也大有人在，他们认为网络生态异常复杂，网络流行语体在使用过程中，用恶搞、拼贴、挪用和戏仿的方式，消解原有的意义，重建新意义，或者干脆就无意义，不可避免出现了低俗化、泛娱乐化、过度阐释、语言暴力等问题。这些被网络新新人类所津津乐道的“新文体”，如果成为文字表达的新方式，会对语言规范提出挑战，从而威胁到汉语系统的稳定。对此，文坛权威《辞海》明确表示出了排斥。《辞海》声称为保持品位，明确拒绝将“超女”、“快男”等风靡坊间的娱乐词汇收录其中。
这两种观点针锋相对，从而簇拥着网络流行语体几度成为话题讨论的焦点，推动其不断升温。
四、结语
语言不仅仅是交际工具，承载文化的容器，同时具有审美和娱乐的潜能。从这个意义来说，网络流行语体自是有价值的。流行语体的本质是流行，而流行曲线一定是有起有落的，不可能永远在低谷或者永远在峰顶。网络语言赖以生存的“家”还是在网上，其要进入全民、全社会的话语系统，还需经历一个规范的过程，要经得起语言发展规律的考验。
本论文为福建生物工程职业技术学院2011年科研立项课题研究成果，项目编号：201110。
参考文献：
[1]谭学纯，朱玲.广义修辞学[m].安徽教育出版社.2001（6）.1-4.
[2]谭学纯，唐跃，朱玲.接受修辞学[m].安徽大学出版社.2000（6）.
人工神经网络概念篇10
关键词：人工智能；概率论；可计算理论；不确定性推理
中图分类号：tp39；tm74文献标识码：a文章编号：2095-1302（2017）07-00-04
0引言
人工智能、空间技术和原子能技术被称为20世纪的三大科学技术成就，人工智能的研究开展是智能机器人技术、信息技术、自动化技术以及探索人类自身智能奥秘的需要[1]。科学界有一个共识，即智能化是管理、自动化、计算机以及通信等技术领域的新方法、新技术、新产品的重要发展方向。人工智能是由数学、哲学、心理学、神经生理学、语言学、信息论、控制论、计算机科学等多学科相互渗透而发展起来的综合性新学科[2]。数学使人工智能成为一门规范的科学，是人工智能发展必不可少的基础，在人工智能的各个发展阶段都起着关键的作用。目前，关于人工智能数学发展史的研究综述还很少。本文以人工智能发展的三个阶段――萌芽期、诞生期、发展期为视角，介绍了人工智能的数学基础发展史，并对其数学基础的发展趋势进行了展望。
1人工智能萌芽期的数学基础
1956年以前被称为人工智能的萌芽期，在这个期间，布尔逻辑、概率论、可计算理论取得了长足的发展。布尔逻辑是英国数学家GeorgeBoole于19世纪中叶提出，典型的一元算符叫做逻辑非（not），基本的二元算符为逻辑或（oR）和逻辑与（anD），衍生的二元算符为逻辑异或（XoR）[3]。在Boole逻辑的基础上，Frege发展出了一阶逻辑，研究了命题及由这些命题和量词、连接词组成的更复杂的命题之间的推理关系与推理规则[4]，从而出现了谓词演算。这就奠定了人工智能抽取合理结论的形式化规则――命题逻辑和一阶谓词逻辑。
人工智能要解决各种不确定问题如天气预测、经济形势预测、自然语言理解等，这需要数学为其提供不确定推理的基础，概率理论则是实现不确定推理的数学基础。概率理论源于17世纪，有数百年的发展。瑞士数学家JacobBernoulli证明了伯努力大数定理，从理论上支持了频率的稳定性；p.S.Laplace和J.w.Lindeberg证明了中心极限定理；20世纪初，俄国数学家a.n.Kolmogrov逐步建立了概率的公理化体系；K.pearson将标准差、正态曲线、平均变差、均方根误差等统计方法用于生物统计研究，为概率论在自然科学中的应用做出了卓越的贡献；R.Brown发现了布朗运动，维纳提出了布朗运动的数学模型，奠定了随机过程的基础；a.K.erlang提出了泊松过程，成为排队论的开创者[5]。概率论、随机过程、数理统计构成了概率理论，为人工智能处理各种不确定问题奠定了基础。
支持向量机是人工智能的主要分类方法之一，其数学基础为核函数。1909年，英国学者Jamesmercer用mercer定理证明了核函数的存在[6]。可计算理论是人工智能的重要理论基础和工具，建立于20世纪30年代。为了回答是否存在不可判定的问题，数理逻辑学家提出了关于算法的定义（把一般数学推理形式化为逻辑演绎）。可以被计算，就是要找到一个解决问题的算法[7]。1900年，DavidHilber提出了著名的“23个问题”，其最后一个问题：是否存在一个算法可以判定任何涉及自然数的逻辑命题的真实性。1931，KurtGodel证明了这一问题，确实存在真实的局限――整数的某些函数无法用算法表示，即不可计算。在不可计算性以外，如果解决一个问题需要的计算时间随着实例规模呈指数级增长，则该问题被称为不可操作的，对这个问题的研究产生了计算复杂性。计算复杂性是讨论p=np的问题，这个问题到现在都是计算机科学中最大的未解决问题之一[8]。关于p与np问题有很多定义，较为典型的一种定义是在确定图灵机（人工智能之父――英数学家图灵1937年提出的一种机器计算模型，包括存储器、表示语言、扫描、计算意向和执行下一步计算）上能用多项式求解的问题是p问题，在非确定图灵机上能用多项式求解的问题是np问题[9]。可计算性和计算复杂性为人工智能判断问题求解可能性奠定了数学基础。
2人工智能诞生期的数学基础
1956年，麦卡锡、明斯基、香农和罗切斯特等学者召开了达特莫斯会议，该会议集聚了数学、心理学、神经生理学、信息论和电脑科学等研究领域的年轻精英。该会议历时两个月，学者们在充分讨论的基础上，首次将人工智能作为一门新学科提出来。1956年至1961年被称为人工智能的诞生期。混沌是人工智能不确定推理的新的数学理论基础，最早来源于物理学科的研究。学术界认为，第一位发展混沌现象的学者是法国数学家物理学家庞加莱，他发现了天体动力学方程的某些解的不可预见性，即动力学混沌现象。以科尔莫戈夫、阿诺德和莫泽三个人命名的Kam定理被认为是创建混沌理论的标志[10]。在概率论的基础上，出现了条件概率及贝叶斯定理，奠定了大多数人工智能系统中不确定推理的现代方法基础[5]。
3人工智能发展期的数学基础
1961年之后，被称为是人工智能的发展期。在这期间，人工智能在机器证明、专家系统、第五代计算机、模式识别、人脑复制、人脑与电脑连接以及生物智能等领域取得了很多理论和实践成果。所有的成果都离不开数学知识的支撑，人工智能的数学基础在这个时期也取得了长足的发展。
混沌与分形为人工智能的不确定推理打开了新的思路，在人工智能的发展期，混沌与分形完成了理论的发展和应用研究的开展。1963年，美国气象学家e.n.Lorenz在研究耗散系统时首先发现了混沌运动，在他当年发表的论文“确定性非周期流”中解释了混沌运动的基本特征，介绍了洛伦兹吸引子和计算机数值模拟研究混沌的方法；1971年，法国的D.Ruelle和荷兰的F.takens首次用混沌研究湍流，发现了一类特别复杂的新型混沌吸引子；1975年，华人学者李天岩和导师J.Yorke对混沌的数学特征进行了研究，标志着混沌理论的基本形成；1979年，e.n.Lorenz在美国科学促进会的一次演讲中提出了著名的“蝴蝶效应”，使得混沌学令人着迷、令人激动，激励着越来越多的学者参与到混沌学的理论和应用研究中来。1989年，R.L.Devney给出了混沌的数学定义：设X是一个度量空间，f是一个连续映射，如果f满足以下三个条件则称为X上的混沌。
（1）f是拓扑传递的；
（2）f的周期点在X中稠密；
（3）f对初始条件敏感。
混沌理论在复杂问题优化、联想记忆和图像处理、模式识别、网络通信等诸多领域都有成功的运用。Yamadat将混沌神经网络用于tSp问题优化中，结果混沌神经网络表现出强大的优化性能[11]。混沌理论在联想记忆的应用上显示出优越的性能，可应用于信息存储、信息检索、联想记忆、图像识别等方面[12]。模式识别是人工智能的主要研究问题之一，混沌学在此领域也有成功的应用，KyungRung[13]将混沌回归神经网络应用于朝鲜口语数字和单音节语音识别，与常规的回归神经网络相比，新方法的效果更佳。李绪[14]等将混沌神经网络模型应用于手写体数字识别和简单图像识别，实验显示，混沌神经网络对手写体识别正确率和可靠度高达90%以上。
1967年，法国数学家B.B.mandelbrot提出了分形学的里程碑问题――英国海岸线有多长？成为人类研究分形几何的开端[15]，分形理论是对欧氏几何相关理论的拓展和延伸。1968年，madndelbrot和ness提出了分形布朗运动，并给出了离散分形布朗随机场的定义[16]。pelegS于1984年提出了双毯覆盖模型[17]，这是对mandelbrot在估计英国海岸线长度时的一种推广。基于分形的理论和思想，人们抽象出一种方法论――分形方法论[17]，该理论在人工智能领域的典型应用是用于网络流量分析。1993年以来，陆续有许多这方面的研究成果出现。通过对局域网高分辨率的测量分析，leland[18]发现以太网流量表现出自相似的分形性质。进一步深入研究发现，在较小的时间尺度上，网络流量体现出更复杂的变化规律，由此出现了多重分形的概念[19]。分形理论用于实现网络流量智能分析，已经有很多成功的案例，如tCp流量的拥塞控制[20]，internet流量建模[21]。陆锦军等还提出了网络行为的概念[22]，用于研究大规模网络上观测到的尺度行为。
扎德对不确定性就是随机性这一长期以来的观点提出了挑战，认为有一类不确定性问题无法用概率论解决。1965年发表了论文FuzzySets，创立了模糊集合论[23]。除了传统的属于或不属于一个集合之外，模糊集认为集合之间还有某种程度隶属于的关系，属于的程度用[0，1]之间的数值表示，该数值称为隶属度。隶属度函数的确定方法大致有6种形态，包括正态（钟形）隶属度函数、岭形隶属函数、柯西隶属函数、凸凹型隶属函数、隶属函数以及线性隶属函数[24]。1978年，在模糊集的基础上，扎德提出了可能性理论，将不确定理解为与概率不同的“可能性”，与之对应的可能性测度也是一种集合赋值方法[25]。聚类在人工智能领域有大量应用，是模糊集研究的较早的一个方向[26]。模糊集理论在人工智能领域的典型应用还有数据选择[27]、属性范化[28]、数据总结等[29]。
离开了隶属度或隶属函数的先验信息，模糊集合运算难以进行，粗糙集理论研究了用不确定本身提供的信息来研究不确定性。上世纪80年代初，粗糙集的奠基人波兰科学家pawlak[30]基于边界区域的思想提出了粗糙集的概念并给出了相应的定义。粗糙集从知识分类入手，研究在保持分类能力不变的情况下，经过知识约简，推出概念的分类规则，最后获得规则知识。粗糙集隶属度函数的定义有多种形式，典型的是YaoYY在1998年用三值逻辑进行的定义[31]。粗糙集理论的核心基础是从近似空间导出上下近似算子，典型的构造方法是公理化方法。1994年，LintY最早提出用公理化方法研究粗糙集[32]，之后不少学者对公理化方法进行了完善和改进。粗糙集在人工智能领域的应用主要体现在知识获取[33]，知识的不确定性度量[34]和智能化数据挖掘[35]等方面。
传统的模糊数学存在隶属度、可能测度与概率区分不是^对分明的问题，目前，已经无法满足很多领域对不确定推理的需要。在发现状态空间理论以及云与语言原子模型后，1993年，李德毅院士在其文献《隶属云和语言原子模型》[36]中首次提出了云的概念，并逐步建立了云模型。云模型通过3个数字特征，即期望ex，熵en和超熵He实现定性概念到定量数据间的转化，并以云图的方式表现出来，比传统的模糊概念更直观具体。1995年，李德毅等人在其文献隶属云发生器中系统化的提出了云的概念[37]。1998年，该课题组在一维云的基础上进一步提出了二维云的数学模型和二维云发生器的构成方法[38]。2001年，杜o提出了基于云模型的概念划分方法――云变换[39]。2003年，李德毅课题组提出了逆向云算法[40]。2004年至2007年，该课题组进一步完善了云模型的数学基础和数学性质，将云模型抽象到更深层次的普适性空间。云模型在人工智能的多个领域都有成功的应用，包括定性知识推理与控制，数据挖掘和模式识别。如1999年，李德毅将云模型用于倒立摆的控制[41]；2002年，张光卫建立了基于云模型的对等网信任模型[42]；2001年，岳训等人将云模型用于web数据挖掘[43]；2003年，田永青等人基于云模型提出了新的决策树生成方法[44]；2009年，牟峰等人将云模型用于遗传算法的改进[45]。
贝叶斯网络起源于条件概率，是一种描述变量间不确定因果关系的图形网络模型，是目前人工智能，典型用于各种推理的数学工具。最初的贝叶斯网络时间复杂度很大，限制了其在实际工程中的应用。1986年，peaRL提出的消息传递算法为贝叶斯网提供了一个有效算法[46]，为其进入实用领域奠定了数学基础。1992年，丹麦aaLBoRG大学基于贝叶斯网开发了第一个商业软件（HUGin）[47]，可实现贝叶斯网的推理，使贝叶斯网真正进入实用阶段。1997年，Koller和pfeffer[48]将面向对象的思想引入贝叶斯网，用于解决大型复杂系统的建模问题。将时间量引入贝叶斯网则形成了动态贝叶斯网[47]，动态贝叶斯网提供了随时间变化的建模和推理工具。贝叶斯网络节点兼容离散变量和连续数字变量则形成了混合贝叶斯网，混合贝叶斯网在海量数据的挖掘和推理上有较大优势[49]。贝叶斯在人工智能领域的应用主要包括故障诊断[50]，系统可靠性分析[51]，航空交通管理[52]，车辆类型分类[53]等。
4结语
人工智能科学想要解决的问题是让电脑也具有听、说、读、写、思考、学习、适应环境变化以及解决各种实际问题的能力。布尔逻辑、概率论以及可信计算理论为人工智能的诞生奠定了数学基础，这些数学理论经历了上百年的发展，已经比较成熟。混沌与分形、模糊集与粗糙集、云模型等人工智能的数学理论是近30年发展起来的，为不确定性人工智能奠定了数学基础，但还存在很多问题需要解决。就混沌与分形来说，其理论体系还不成熟，其应用在复杂问题的优化、联想、记忆等方面将更有生命力；对于粗糙集来说，其理论研究可以从粗糙集的扩展方面进行，并在相关模型下进行应用研究；就云模型来说，如何揭示其理论上的优势以及和其他相关模型的联系与区别，以及如何实现数值域和符号域共同表达的云模型都是值得研究的问题。贝叶斯网是人工智能领域目前最有效的推理工具，将来的研究应集中在概率繁殖算法的改进、混合贝叶斯网以及动态贝叶斯网的扩展研究等方面。
参考文献
[1]GeorgeFluger.artificialintelligencestructuresandstrategiesforcomplexproblemsolving，Fifthedition[Z].pearsoneduation，2005.
[2]GeorgeF.Luger.人工智能――复杂问题求解的结构和策略[m].史忠植，张银奎，等，译.北京：机械工业出版社，2006.
[3]吕家俊，朱秋月，孙耕田.布尔代数[m].济南：山东教育出版社，1982.
[4]moLoDtSoVD.SoftSettheory-firstresults[J].Computersandmathematicswithapplications，1999，37（4-5）：19-31.
[5]王梓坤.概率论基础及其应用[m].北京：北京师范大学出版社，1995.
[6]mercerJ.Functionsofpositiveandnegativetypeandtheirconnectionwiththetheoryofintegralequations.philosophicaltransactionsoftheRoyalSocietyofLondon[Z].1909，209：415-446.
[7]DeutschD，JozsaR，Rapidsolutionofproblemsbyquantumcomputation[J].procRSocLondona，1992，439：553-558.
[8]杜立智，符海东，张鸿，等.p与np问题研究[J].计算机技术与发展，2013，23（1）：37-42.
[9]SahniS.DataStructures，algorithmsandapplicationsinC++[m].mcGraw-Hill，1998.
[10]吴祥兴，.混沌学导论[m].上海：上海科学技术文献出版社，2001.
[11]Yamadat，aiharaK，Kotanim.chaoticneuralnetworksandthetravelingSalesmanproblems[C].procofintJointConfonneuralnetworks，1993.
[12]余群明，王耀南，柳青.混沌动力在智能信息处理中的应用[J].系统工程与电子技术，2001，23（5）：97-101.
[13]KyungRyeuJin，SunChungHo.ChaoticRecurrentneuralnetworksandtheirapplicationtoSpeechRecognition[J].neurocomputing，1996，13（2-4）：281-294.
[14]李绪，李光，汪乐.嗅觉混沌神经网络的研究和应用[J].传感技术学报，2004，17（2）：179-184.
[15]孙霞，吴自勤，黄s.分形原理及其应用[m].北京：中国科学技术大学出版社，2003.
[16]斯林.利用分形方法提取遥感影像空间结构信息的应用研究[D].北京：中国林业科学研究院，2000.
[17]pelegS，narorandJ，HartleyR.multipleresolutiontextureanalysisandclassification[J].ieeetranspam，1984，6（4）：518-523.
[18]亢盈.分形理论的创立发展及科学方法论意义[J].科学管理研究，1998，16（6）：56-59.
[19]Lelandwe，taqqums，willengerw，etal.ontheself-similarnatureofethernettraffic[J].ieee/aCmtransactionsonnetworking（extendingVersion），1994，2（1）：1-15.
[20]丛锁，韩良秀，刘岩，等.基于离散小波变换的网络流量多重分形模型[J].通信学报，2003，24（5）：43-48.
[21]陆俊秀，山秀明，任勇.tCp流量的多尺度分析[J].数据采集与处理，2004，19（1）：5-9.
[22]郑建华，曹阳，刘，等.internet流量预报研究[J].计算机工程，2003，29（3）：129-130.
[23]ZadehLa.FuzzySets[J].informationandControl，1965（8）：338-353.
[24]李洪兴，汪培庄.模糊数学[m].北京：国防工业出版社，1994.
[25]汪培庄，韩立岩.应用模糊数学[m].北京：北京经济学院出版社，1989.
[26]paln，palK，KellerJ.anewhybridC-meansclusteringmodel[C].ieeeprocofFUZZ，2004：179-184.
[27]RichardJensen，ShenQiang.Fuzzyroughdatareductionwithantcolonyoptimization[J].FuzzySetsandSystems，2005，149（1）：5-20.
[28]Frederickepetry，ZhaoLei.Dataminingbyattributegeneralizationwithfuzzyhierarchiesinfuzzydatabases[J].FuzzySetsandSystems，2009，160（15）：2206-2223.
[29]RaschiaG，mouaddibn.SaintetiQ：afuzzyset-basedapproachtodatabasesummarization[J].FuzzySetsandSystems，2002，129（2）：137-162.
[30]pawlakZ.RoughSet[J].internationalJournalofComputerandinformationSciences，1982，11：341-356.
[31]YaoYY.Generalizedroughsetmodels[C].polkowskiLSkowronaeds.RoughSetsinknowledgeDiscovery，Heideberg：physica-Verlag，1998：286-318.
[32]LintY，LiuQ.Roughapproximateoperators：axiomaticroughsettheory[C].Ziarkowped.RoughSets，FuzzySetsandknowledgeDiscovery，London：Springer-Verlag，1994.
[33]王国胤.Rough集理论与知识获取[m].西安：西安交通大学出版社，2001.
[34]梁吉业，李德玉.信息系统中的不确定性与知识获取[m].北京：科学出版社，2005.
[35]ZhaoJ，wangGY.adata-drivenknowledgeacquisitionmethodbasedonsystemuncertainty[C].proceedingsofthe4thieeeinternationalConferenceonCognitiveinformatics.irvine，USa，2005：267-275.
[36]李德毅.隶属云和语言原子模型[C].计算机智能接口与应用，1993：272-277.
[37]李德毅，孟海军，史雪梅.隶属云和隶属云发生器[J].计算机研究与发展，1995，32（6）：15-20.
[38]杨朝晖，李德毅.二维云模型及其在预测中的应用[J].计算机学报，1998，21（11）：961-969.
[39]杜o，李德毅.基于云的概念划分及其在关联采掘上的应用[J].软件学报，2001，12（2）：196-203.
[40]吕辉军，王晔，李德毅，等.逆向云在定性评价中的应用[J].计算机学报，2003，26（8）：1009-1014.
[41]张飞舟，李德毅.基于隶属云发生器的智能控制[J].航空学报，1999，20（1）：89-92.
[42]ZHanGGuang-wei，KanGJian-chu，HeRui.towardsatrustmodelwithuncertaintyfore-commercesystems[C].procofieeeinternationalConferenceone-Businessengineering，2005.
[43]岳，孙忠林.定性预测系统的建模方法[J].计算机工程，2001，27（9）：97-99.
[44]田永青，杜国宁，李志，等.基于云理论神经网络决策树的生成算法[J].上海交通大学学报，2003，37（Z1）：113-117.
[45]牟峰，王慈光，袁晓辉.基于云模型的参数自适应蚁群遗传算法[J].系统工程与电子技术，2009，31（7）：1763-1766.
[46]pearlJF.propagationandstructuringinbeliefnetworks[J].artificialintelligence，1986，29（3）：241-288.
[47]Huginexpert.theleadingdecisionsupporttool[eB/oL].http：//.
[48]KollerD，pfeffera.object-orientedBayesiannetworks[C].proceedingsofthe13thannualConferenceonUncertaintyinartificialintelligence.providence，Rhodeisland，1997.
[49]neilm，tailorm.inferenceinhybridBayesiannetworksusingdynamicdiscretization[J].StatisticsandComputing，2007，17（3）：219-233.
[50]HeckermanD，BreeseJS，RommelseK.DecisionCtheCoretictroubleshooting[J].CommunicationoftheaCm，1995，38（3）：49-57.
[51]torres-toledanoJG，SucarLe.Bayesiannetworksforreliabilityanalysisofcomplexsystemslecturenotesincomputerscience[C].proceedingofthe6thibero-amercianConferenceonai：progressinartificialintelligence.London，1998：195-206.