DCI架构：面向对象编程的新构想（上）

两位作者都曾对OOP的发展有过很大贡献,他们的新构想是期望反映出最终用户的认知模型中的角色以及角色之间的交互。     

大学校园标识系统分析

本文从现代大学校园功能由传统单纯的教学场所发展到集教学、学术交流、生活、旅游、休闲等功能日益复杂的社区的变化为基础,尝试把校园环境标识系统不仅作为校园视觉形象设计系统的一部分,还与认知心理学理论相结合,从总平面图到心理认知路线,阐述了大学校园内环境标识系统变化的理论依据,并为其发展指出了方向。     

走进英语视听说课程

人与人之间的交际过程是一个复杂的认知过程,它不仅是一种单纯的语言信息解码过程,而且还涉及许多超语言因素,包括手势、讲话的姿态、交流时与对方保持的距离等,它们可以帮助言语表达一些语义本身无法转述的微妙的情感色彩及与语义相悖的话语本意.非言语在信息交流中占有十分重要的地位.     

充分利用多媒体让小学思品课“活”起来

随着信息技术的发展,计算机多媒体教学手段在小学思想品德课中越来越多的被应用.它图文并茂、声像并举,给学生带来耳目一新的感觉,适应小学生的认知规律、符合小学生的年龄特征,有着传统教学手段无法比拟的优势,使思想品德课堂"活"起来.     

访宁波市CIO俱乐部会长陈林林打造宁波的CIO之家

虽然CIO在中国的成长已经有一定时间,CIO作为一个群体也逐渐为社会公众所认知,但自发性的CIO群体组织在国内还可谓凤毛麟角.2008年4月25日,宁波市CIO俱乐部在奉化溪口正式成立,这一自发性的CIO群体组织是继浙江省CIO俱乐部之后浙江产生的又一个自发性CIO组织,国内的CIO群体组织为什么会首先产生在浙江省和宁波市,宁波CIO俱乐部的宗旨和目标是什么?它将开展哪些工作?记者近日采访了宁波市CIO俱乐部会长、海天机械有限公司计算机中心主任陈林林.     

认知描述逻辑ALCKR＋：描述逻辑的一个非单调扩展

描述逻辑是语义Web的逻辑基础,是形式化表达领域知识的工具.但是描述逻辑只能表达单调推理,不能处理不完全知识.认知描述逻辑因其非单调特性和良好的时间复杂度等特点在处理不完全知识方面有较好的优势.本文在认知描述逻辑ALCK的基础上提出了新的认知描述逻辑语言ALCKR ,保留了描述逻辑原有的优点,加入传递角色属性,增强了表达能力,并通过认知查询拥有了非单调推理的能力.设计了ALCKR 的语法、语义以及表算法.     

网络时代的人工智能

五十多年来,人工智能在模式识别、知识工程、机器人等领域已经取得重大成就,但是离真正的人类智能还相差甚远。本文强调 在当今的网络时代,作为信息技术的先导,人工智能科学有着非常值得关注的研究方向,要在学科交叉研究中实现人工智能的发展与创新。要关注认知科学、脑科学、生物智能、物理学、复杂网络、计算机科学与人工智能之间的交叉渗透,尤其是重视认知物理学的研究;自然语言是人类思维活动的载体,是人工智能研究知识表示无法回避的直接对象,要对语言中的概念建立起能够定量表示的不确定性转换模型,发展不确定性人工智能;要利用现实生活中复杂网络的小世界模型和无尺度特性,把网络拓扑作为知识表示的一种新方法,研究网络拓扑的演化与网络动力学行为,研究网络化了的智能,从而适应信息时代数据挖掘的普遍要求,迎接人工智能科学与应用新的辉煌。     

用规则空间模型和属性层次方法进行认知诊断

认知诊断能区分分数相同的被试间的差异,它被视为新一代的心理与教育测量学研究的核心之一。规则空间模型是最有影响的诊断模型之一,属性层次方法是其一种变体。文章介绍了规则空间模型(RSM)和属性层次方法(AHM)的理论和应用,并对这两个模型进行了比较研究,用蒙特卡洛模拟比较了规则空间和属性层次方法的归类优劣。结果表明,属性层次方法中的方法A最好;规则空间的归准率比属性层次方法中的方法B高,但比方法A低。     

模糊认知图在时间序列预测中的应用综述

时间序列预测是基于当前及历史数据对未来演化趋势的推演.准确的、可解释的时间序列预测是进行科学决策的关键技术支撑,广泛应用于金融、交通、气象等诸多领域.具有可解释性和强推理能力的模糊认知图已在时间序列预测中取得较好的效果,但目前尚无文献对该方法进行全面综述.为此,本文首先对模糊认知图及扩展的高阶模糊认知图、直觉模糊认知图和深度模糊认知图进行梳理,并在此基础上归纳了学习模糊认知图的优化算法.其次,具体介绍了模糊认知图以及扩展的模糊认知图在时间序列预测中的应用,并做出系统性的总结.最后,对模糊认知图在时间序列预测中的发展趋势进行展望.     

基于多变量形态学特征的健康老年人认知发展预测算法

由于体积、表面积等常规形态学指标对于皮层下核团而言过于笼统,因此传统的形态特征获取手段难以检测到其表面形态的细微变化。为解决这一问题,本文提出了一种针对皮层下核团的精细特征提取算法,并将其应用到老年人认知状态预测任务上。通过表面共形参数化、表面共形表示和基于互信息的表面流配准,提取了46名被试双侧海马和杏仁核各15 000×2个顶点上的形态学特征;通过斑块选择、稀疏编码与字典学习,和最大池化的降维流程,避免了维度诅咒的同时充分保留了核团的纹理信息;最后,以树为弱学习器,采用GentleBoost算法集成了最终的强分类器做认知预测。结果显示,仅纳入海马和杏仁核两个皮层下结构的新颖特征,即可达到85%的预测准确率,为皮层下结构的精细特征发掘提供了新思路。