论文部分内容阅读
本文以人工神经网络为工具，加入了神经生物学中的突触可塑性、突触抑制、不应期等微观机制，建立了具有联想记忆功能的神经计算模型.以汉字认知作为案例，对汉字音、形、义间的联想记忆过程、双稳认知及认知整合等基本问题进行探讨，并以复杂性理论为依据，分析了联想记忆过程中的动力学行为，通过模拟和讨论，我们试图发现上述过程中存在的自组织涌现现象，并寻求其得以发生的神经机制。
首先，我们讨论联想记忆网络在汉字认知中的应用及网络的改进问题。对联想记忆来说，每一个储存的状态都对应着一个吸引子，初态可以认为是给定样本的部分信息，神经网络的演变过程可以从初态部分信息找到全部信息，系统将趋向某一定态，以实现联想记忆.我们重点讨论了联想记忆网络的改进问题，在自联想记忆网络中，我们在权值矩阵中分别加入了距离因子和动力学突触：在异联想记忆网络的网络中，我们就网络结构进行改进，分别为增加网络层数和增加结构单元.其中，我们用加入距离因子的Hopficld网络模拟了对加入噪声哟汉字认知模拟，结果证明改进后的网络识别效率优于原始的网络。
在第三章中，我们用联想记忆网络的方法模拟汉字音、形、义的认知问题。首先我们讨论了汉字的字形与字义间的联想记忆问题。针对词形通达意义过程理论的核心问题--是否需要通过语音中介，我们分别建立两种联想记忆模型。对于直接激活语义的理论，我们建立了两层的联想记忆网络：对于语音中介理论，我们建立了三层的联想记忆网络，然后分别用表征颜色的汉字作为训练样本，模拟了字形与字义间的两种不同的联想模式.我们又以语言认知中经典的联结主义理论为依据，建立改进的联想记忆网络，在这种网络中，由于增加了功能单元，“形-义”与“形-音”的通达关系将同时得到体现。
第四章中我们重点研究了联想记忆中的双稳认知问题，首先我们提出一种新的联想记忆网络模型，由于改进了神经元发放方程以及加入了含有动力学性质的Tsodyks- Markram突触方程，网络的输出结果可以实现振荡。我们做了简警模拟，讨论恢复参数r和噪声程度β这两个季要参数的作用。接下来，我们用改进的网络模拟了两个双稳认知的例子，在两可图的识别中，我们分别用加入动力学突触的联想记忆网络和H.Haken提出的协同神经网络方法两种方法进行模拟，然后比较二者的异同.我们用第一种方法模拟了汉字多音字的识别。当呈现单一多音字时，网络的输出结果呈现不规则的振荡，当外部汉字信息输入时，振荡停止，网络结果收敛到唯一的稳定态。
最后我们探讨了语言认知中的另一个重要问题--词汇认知整合。我们建立了一种可以实现认知整合的联想记忆网络，网络包括提取层和识别层，提取层的学习法则为改进的Hebb学习法，它可以将训练样本的共同部分提取出来。然后我们利用这种网络对两个实际的例子进行模拟.第一个是中英文合成词的认知，当网络经过训练后，当识别层接收到一个未学习过的英文合成词时，网络最后的输出可以得到其正确的中文意义.第二个例子是基于儿童对于虚拟图片“斑牛”的命名结果，我们用上面提到的联想记忆网络做了模拟，结果与宏观实验的结果相符.通过对这两种宏观功能的模拟，我们尝试讨论了词汇认知整合过程中的动力学机制.