的综述：认知心理学地主要模型和理论观点(一)

《的综述：认知心理学地主要模型和理论观点(一)》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、实用标准文案综述：联结主义认知心理学的主要模型与理论观点(一) 1、概述与历史 认知心理学发展至今，一直存有两种研究取向，一种是信息加工取向，一种是联结主义取向。前者是一种计算机隐喻，将人脑与计算机类比，认为人脑实际是一种信息加工装置和符号处理系统，具备类似计算机信息处理的一般特性：符号性、离散性、序列加工、非自组织性和局部表征。而后者是一种人脑神经网络类比，用各种形式神经元的网络模型来模拟真实大脑的结构与功能，是一种人工神经网络，与信息加工认知心理学相比，联结主义的神经网络模型具备一些不同的特点：亚符号

2、性、连续性、平行加工、自组织性和分布式表征。 联结主义认知心理学兴起于20世纪40年代，一般把1943年心理学家麦克洛齐和数学家匹茨发表的《神经系统中所蕴涵思想的逻辑演算》一文作为联结主义研究的开始。他们提出了形式神经元的概念和最初的神经网络模型M-P模型，以及此后加拿大心理学家赫布提出赫布学习定律、心理学家鲁梅尔哈特提出模拟视知觉的感知机模型，开始引发了联结主义认知心理学网络模型研究的第一个高潮。但是限于当时的条件，他们提出的模型难以解决更复杂的问题，模型的学习算法和规则不够成熟，处理能力极其有限，而在

3、理论上又难以有所突破，加上美国人工智能权威人士明斯基和佩帕特对于感知机能力和应用前景的批评，信息加工取向的研究此时出现了巨大突破，所以对于联结主义神经网络模型研究的热情很快冷却下来，研究进入了一个长期的萧条阶段。 直到80精彩文档实用标准文案年代初期，当信息加工认知心理学在大发展之后，发现以符号处理为基础的系统不能很好处理那些非明确定义的问题，很难处理模糊的、非完全符号表征和复杂的信息，同时这种系统不具备学习能力，不能通过经验来总结出知识。人们意识到，要全面认识人类认知问题，仅仅信息加工研究范式是不够的。

4、而联结主义研究在相关学科的发展下，有了全面的进步，罗森布拉特、欣顿、安德森等提出的各自新的网络模型引起了人们的重视，再度激起人们对网络研究的热情。1982年，美国学者霍普菲尔德提出了一种回归网络，这种网络存在一种正比于每个神经元活性和联结权重的能量函数，系统规定活性的变化朝着能量函数递减的方向，直至收敛到0。这种模型成功的解决众多复杂性很高的计算性问题，由此开始把联结主义研究推向高潮。1986年是联结主义研究历史上的最为鼎盛的一年，鲁梅尔哈特和麦克莱兰德编辑出版了联结主义认知心理学的圣经——《平行分布加工

5、：认知结构的微观探索》，提出了一个基于反向传播学习算法的多层网络模型，而这种模型是今后众多神经网络模型的基础与原型。可以说，该书奠定了联结主义网络模型研究的基础。而之后至今的联结主义研究大致是对该模型不断完善，或基于共同的假设提出新的、更加复杂的、解决高级认知问题的模型。 2、主要模型2.1形式神经元 众观联结主义认知心理学的研究，其很大一部分是各种人工神经网络模型的研究，这些模型不仅模拟了人脑操作特性和功能，也体现了研究者所持有的联结主义认知心理学的基本观点。在各种神经网络模型中，无论其构造如何还是具备

6、不同的逻辑功能，它们的基本构造单元基本是一致的，基本的理论思路是一致的。 精彩文档实用标准文案由于是对人脑神经网络的模拟，人工神经网络不可能原封不动的照搬数以几十亿计和生物形式的神经元，麦克洛奇和匹茨总结了生物神经元的基本特征，提出了形式神经元的概念，这种形式神经元具备了生物神经元一般的操作特性，但并非完全一致。形式神经元的概念一经提出之后，就成为了所有人工神经网络的基本单位。 对于一个形式神经元来说，它具有类似生物神经元的阈限活性状态，当输入的信息强度高于某一预先确定的阈限的时候，它就会“兴奋”，其数学

7、赋值1，否则“不兴奋”，赋值0。同样，形式神经元与生物神经元具有多输入单输出的结构，也就是说，单个神经元的活性状态取决于多个输入信息的总的加权强度是否高于阈限。输入信息可以是兴奋的，也可以是抑制的，同时各个输入信息具有不同的权重，权重的正负性可以代表兴奋或抑制。权重实际的含义是一对神经元联结的强度，这种联结强度在生物神经元当中就是突触的联系强度，可以用前突触细胞所释放的媒介物质的量来表示。这种权重设计意味着，对于被输入的神经元来说，不同输入单元对其活性的决定程度是不同的，这也意味着调节输入信息的权重可以改

8、变网络的联结模式，这种权重联结模式实际表征着信息某些维度。 形式神经元具体一般表现六种基本功能特性：（1）输入装置，接受信息；（2）整合装置，对输入信息进行整合；（3）传导装置，传导整合信息；（4）、输出装置，发送信息于其他神经元；（5）计算装置，转换信息类型；（6）表征装置，对内部信息进行表征。单个神经元与其他神经元结合一起构成某一层次的神经网络，而更大的神经网络模型是由多个层次的网络构建而成，每个层次的神经元不仅与自身层次