脑与认知科学概论

18April2024第四章：人工大脑人工大脑概述人工大脑相关数学模型人工大脑实现技术人工大脑简单记忆功能的电路设计互联网与神经学的交叉对比研究自强，笃行，艰苦奋斗，自强不息第四章：人工大脑18April2024大脑是结构与机能极其复杂的系统。脑科学的研究是当前生命科学的前沿和热点领域，其终极目标是破解智力起源与意识本质。研究脑的结构和模拟脑的功能是脑科学的两大基本任务。用信息的手段模拟脑的功能。自强，笃行，艰苦奋斗，自强不息18April2024自强，笃行，艰苦奋斗，自强不息人工器官(ArtificialOrgans)是用人工材料制成，能部分或全部代替人体自然器官功能的机械装置。比如人工肾，人工心肺、人工耳蜗。人体最复杂的部位是大脑，所以对大脑的仿制代表了人造器官的最高水平。人工大脑是人脑（或动物脑）的模型、延伸和扩展，是具有人脑（或动物脑）的现象、行为和特性、功能的人造系统。人类社会的每一次飞跃都伴随着科技上的进步，按时间顺序基本可以分为机械化（应用机器系统）、电气化（加入电机、网络）、自动化（加入自动控制器）、计算机化（应用数字计算机）、网络化（实现计算机网络）、先进自动化（系统、管理）、智能化（引入智能）和知识化（处理知识）这8个阶段。4.1人工大脑概述4.1.1人工大脑的基本概念18April2024自强，笃行，艰苦奋斗，自强不息现在我们所处的先进自动化阶段已经发展到趋近顶峰，下一个阶段智能社会开始逐步进入人们的视野。人工智能是智能化社会的标志，而人工大脑可以说是人工智能领域的一个具体应用。现在世界上很多国家都开展了人工大脑的研究，抢占下一个时代的制高点。在瑞士政府、欧盟、IBM公司的鼎力支持下，瑞士洛桑综合理工学院电脑工程师亨利-马克拉姆(HenryMarkram)教授正在和他团队一起向着“蓝脑”(BlueBrain)计划稳步推进。他在日内瓦表示他的团队将在2018年前开发出世界上第一个具有意识和智能的人造大脑。18April2024自强，笃行，艰苦奋斗，自强不息18April2024自强，笃行，艰苦奋斗，自强不息按照他的设想，人造大脑由硅、金和铜等金属制成，最终的结果会是一个“人”——如果我们可以这样称呼的话，马克拉姆相信在十年内，此人可能会具备思维、感觉等能力，甚至还能坠入爱河。一旦成功，马克拉姆的“蓝脑”计划一定会成为科学史上最非同寻常的项目之一。蓝脑计划是由瑞士科学家设想的一个复制人类大脑的计划，以达到治疗阿尔茨海默氏症和帕金森氏症的目的，但网络上对其褒贬不一。2009年8月11日，负责蓝脑计划的科学家宣称，他们有望在2020年左右制造出科学史上第一台会“思考”的机器，它将可能拥有感觉、痛苦、愿望甚至恐惧感。18April2024自强，笃行，艰苦奋斗，自强不息蓝脑计划所做的就是通过在神经元的层次上模拟大脑的行为，对脑实施逆向工程。研究人员计划创建一个模型工具，可以让其他的神经科学家在其上做各种实验，验证各种假设，分析药物的功效时比在真正的大脑上取得更高的效率。这个项目的初始目标是对构成老鼠新大脑皮层单元(皮层的主要构成模块)的1万个神经元及3千万个突触连结进行模拟。选择新大脑皮层单元作为模拟的开始是因为它被大家公认为非常的复杂，它由很多不同的结构构成，每一个结构都包括很多的突触和离子通道。为了制作一个真实的模型，研究组需要把各种模块和一些运算法则输入一台超级电脑中。一个神经元的计算量需要用一台笔记本来做，所以，需要上万台笔记本。但是，研究使用的是一台有1万个处理器的IBM“蓝色基因”电脑。模拟大脑已经开始让研究人员了解到大脑工作方式的一些线索。例如，他们能显示出大脑的画面并监控机器的电活性。18April2024自强，笃行，艰苦奋斗，自强不息网络上对“蓝脑”的反应也是高潮迭起。一个汇集了很多博士的论坛网站对这项工程提出了褒贬不一的看法，包括这一工程的可行性、道德标准等等，也有不少人给出一些有参考价值的建议。有些人对模拟新大脑皮层单元表示怀疑，是否是为了创造人工智能。被誉为“人工大脑之父”的雨果•德从1992年就致力于人工大脑的研究，他对于人工大脑的发展持有乐观而谨慎的态度。他曾在清华大学给学生做演讲时表示，“可能20年、30年后人工智能机器就可以和人做朋友了,但50年后,人工智能将成为人类最大的威胁。世界最终会因人工智能超过人类而爆发一场战争,这场智能战争也许会夺去数十人的生命。”或许以后人工大脑的智商真的能超过人类，就像很多科幻电影里所展现的那样实现智能叛变，但目前人工大脑的研究仍处于初级阶段，面临着很多的问题，解决这些问题将是一个漫长的过程。18April2024自强，笃行，艰苦奋斗，自强不息用碳纳米管制造神经键——突触：神经元的连接处据美国每日科学网站2011年4月22日报道，加利福尼亚南部大学工程学研究人员在使用纳米技术构建人工大脑方面取得重大突破。他们构建了一个碳纳米管神经键电路，在试验中这个电路呈现出大脑基本构成单位神经元的机能。这个研究小组采用交叉学科研究方法，将电路设计与纳米技术结合在一起，以解决具备大脑机能这一复杂问题。碳纳米管是极小的碳分子结构，直径为铅笔尖的百万分之一。这些纳米管可用于电路，充当金属导体或半导体。领导这个研究小组的艾丽斯•帕克教授说：“这是整个过程中必不可少的第一步。我们想要解答这样一个问题：能否构建一个电路，使其发挥神经元的作用？下一步就更为复杂。我们如何用这些电路构建一些结构来模仿拥有1000亿个神经元、每个神经元上有1万个神经键的大脑的机能？”18April2024自强，笃行，艰苦奋斗，自强不息帕克从2006年开始研究开发人工大脑的可能性。在人的一生中，人脑不断制造新的神经元，建立新的联系并调整适应。利用类似电路复制这一过程将是一项浩大的工程。帕克强调，真正开发出人工大脑甚至只是大脑的某个功能区域还需要几十年时间。她说，研究中心面临的下一道障碍是在电路中复制出大脑的可塑性。她认为，为了解人类智力发展进程而进行的持续研究可能对许多事情具有长远影响，从开发治疗脑外伤的纳米修复术到开发能够以全新方式保护司机的智能安全汽车。18April2024自强，笃行，艰苦奋斗，自强不息按人工大脑的实现方式可分为：类似生命的模型人工大脑；社会模型人工大脑。人工大脑包括传统的用于神经系统的学习模型，如人工神经网络。在类似生命的模型中，系统有一个类似于生命系统胚胎发育的功能，使得系统的结构和组成单元能够发生变化，形成复杂系统。在社会模型中，系统被视为一个动态过程，在这个过程中，局部的、各个单元之间的连接使得整体的、全局的功能、次序、状态发生突现。反过来，各个单元也受到全局状态的影响。4.1.2人工大脑的分类18April2024自强，笃行，艰苦奋斗，自强不息按“人工大脑”的人造方法和技术可分为：生物人工脑（BiologicalArtificialBrain,BAB）工程人工脑（EngineeringArtificialBrain,EAB）生物工程人工脑（Biological-EngineeringArtificialBrain,BEAB）。生物人工脑是用生物方法和技术（如克隆技术、转基因技术等）生成的。例如“人工羊”多莉的脑显然就是用生物人工方法得到的“人造脑”。工程人工脑是用工程技术的方法（如计算机软件、光、机、电硬件等）制造的。例如ART的“细胞自动机—仿脑机”（CAM-BrainMachine,CBM）。18April2024自强，笃行，艰苦奋斗，自强不息细胞自动机（CellularAutomationMachine），简单说就是能生成许多自行演变的“小细胞”的程序，是一种很强大的人工智能实现，强大到几乎可以用来仿真研究社会和自然科学各个领域的问题，比如：构建模拟人群研究经济危机爆发过程；构建模拟生物群落研究生态系统演变；构建微观粒子群研究物理化学问题；构建“军队”模拟军事战场等等。由它引申出了数量地理学等学科，它更是分布式计算中的重要工具。1950年，计算机之父冯·诺伊曼写了一段程序用来模拟细胞复制过程，这就是最早的细胞自动机，只不过连冯诺伊曼本人也没太重视，所以这项研究很快就沉了。直到20年后的1970年，剑桥大学的约翰·何顿·康威设计了一个名为生命游戏（Life）的电脑游戏，细胞自动机才进入了科学家们的视野。后来，又有了模拟蚂蚁行为的兰顿蚂蚁（Langtonant）、模拟二极管电子逻辑的线世界（Wireworld），再有史蒂芬·沃尔夫勒姆对初等细胞机256种规则所产生的模型进行了深入研究，并用熵来描述其演化行为，将细胞自动机分为平稳型、周期型、混沌型和复杂型，以至于今天应用到各个领域问题的研究18April2024自强，笃行，艰苦奋斗，自强不息直到20年后的1970年，剑桥大学的约翰·何顿·康威设计了一个名为生命游戏（Life）的电脑游戏，细胞自动机才进入了科学家们的视野。后来，又有了模拟蚂蚁行为的兰顿蚂蚁（Langtonant）、模拟二极管电子逻辑的线世界（Wireworld），再有史蒂芬·沃尔夫勒姆对初等细胞机256种规则所产生的模型进行了深入研究，并用熵来描述其演化行为，将细胞自动机分为平稳型、周期型、混沌型和复杂型，以至于今天应用到各个领域问题的研究。生命游戏是一段很经典的仿真程序，屏幕中每个蓝点即所谓的“细胞”，当程序跑起来，你会看到很多神奇的现象，如某些区域出现像核爆一样的“细胞爆发”，然后归于沉寂，只剩零星的固定细胞，或者有像小飞船一样的细胞“小飞船”在平移；但是经过几十秒后，整个画面几乎都沉寂了：只有个别区域还有稳定存在的小细胞团。18April2024自强，笃行，艰苦奋斗，自强不息事实上，这个程序中的“细胞”只遵循以下几个简单的规则：当前细胞为死亡状态时，当周围有3个存活细胞时，该细胞变成存活状态。（模拟繁殖）当前细胞为存活状态时，当周围低于2个（不包含2个）存活细胞时，该细胞变成死亡状态。（模拟人口稀少）当前细胞为存活状态时，当周围有2个或3个存活细胞时，该细胞保持原样。当前细胞为存活状态时，当周围有3个以上的存活细胞时，该细胞变成死亡状态。（模拟过度拥挤）可以把最初的细胞结构定义为种子，当所有种子中的细胞同时被以上规则处理后,可以得到第一代细胞图。按规则继续处理当前的细胞图，可以得到下一代的细胞图，周而复始，我们就看到了屏幕中的神奇的效果。18April2024自强，笃行，艰苦奋斗，自强不息18April2024自强，笃行，艰苦奋斗，自强不息生物工程人工脑则是由生物方法技术与工程技术相结合而生成或制造的。这种方法的代表有：计算机微芯片。即用一个可以模拟人类神经系统的电子电路—“计算机微芯片”成功地植入大脑，利用仿生学的原理对人体神经进行修复。它与大脑协作发出复杂的指令给电子装置，监测大脑的活动或者是代替一部分大脑的功能。生物电子人。佐治亚理工学院的研究人员近来已经利用取自动物脑部的组织细胞与计算机硬件进行结合，这样研制而成的机器就被称为“生物电子人”或者“半机器人”。如果芯片与神经末稍相吻合，就可将芯片通过神经纤维和身体上的神经系统连接起来。这样就通过计算机提高人的大脑功能。18April2024自强，笃行，艰苦奋斗，自强不息按“人工大脑”的工程实现方法可分为：基于神经工程（NE）的人工大脑；基于AI的人工大脑；基于超级计算机的人工大脑。基于神经工程（NE）的“人工大脑”。人工神经网络（ArtificialNeuralNetwork,ANN）由许多简单的，并行工作的处理单元组成，单元之间按照一定的结构相互连接，构成神经计算机。神经计算机采用众多相互类似的简单处理单元（相当于人脑中的神经细胞）有机地结合在一起，以并行的“集体工作”方式进行工作。信息的存储、传播和处理都与生物神经网络类似。基于AI的“人工大脑”。这种实现方法主要采用人工智能技术中的启发式算法（HA）、专家系统(ES)、通用问题求解（GPS）和知识信息处理18April2024自强，笃行，艰苦奋斗，自强不息系统（KIPS）等，从功能上而不是刻意从结构上模拟人脑的功能。例如通过借鉴人脑信息处理的特点综合运用模糊逻辑、人工神经网络、以及遗传算法（CA）来建立具有专家素质的仿生人脑模型。采用知识挖掘技术，获取外部信息，丰富和更新专家大脑模型的知识。通过模糊推理得到评价准则。这样的人脑模型已经在专家系统中得到了良好的应用。基于超级计算机的“人工大脑”。严格说来，超级计算机只有并行操作和资料搜寻的能力，谈不上“智能”两字。但是在特定的领域（“简单”问题），借助优良的软件完全可以与人脑匹敌，故可以充当“人工脑”的角色。如1997年，超级计算机“深蓝”击败了当时世界头号国际象棋大师卡斯帕罗夫。超级计算机取得的成就虽然客观，但要解决接下来所面临的问题，首先需要具有自我学习的技能，即使在下棋方面也是如此。凭直观获得知识是人类智慧的特征之一。要想让计算机掌握这种分析的方法，编程人员肯定会遇到人工智能领域的根本问题。18April2024自强，笃行，艰苦奋斗，自强不息目前认为，大脑从下到上可以分为7个层次：分子、神经元、神经元群、神经网络、大脑皮层、功能分区和神经枢。正是这7个层次，按照他们的产生机理，又可将大脑网络分为3种类型：结构性网络（structuralnetwork），结构性网络是基于神经解剖学原理，由神经元突触之间的电连接或化学连接构成的，一般通过实体解剖或通过核磁影响等方法确定。功能性网络（functionalnetwork），功能性网络描述神经元集群（例如皮层区域）各节点之间的统计性连接关系所产生的信息结果，为无向网络。效用性网络（effectivenetwork），效用性网络描述皮层神经网络各节点非线性动力学行为之间的相互影响或信息流向，为有向网络。4.2人工大脑相关数学模型18April2024自强，笃行，艰苦奋斗，自强不息生物神经系统作为产生感觉、学习、记忆和思维等认知功能的器官系统，是多层次的超大型信息网络，也是目前发现的最复杂的非线性网络系统。对于人工大脑的研究必须首先建立大脑的模型，但想要完整再现大脑的所有的功能是几乎不可能实现的。一种是模型与原型形状完全相似，只是大小不同或所用的材料不同，目的在于研究原型的几何特性，如模具的外表面形状，这种模型叫几何模型；如果要研究原型的物理特性，而用于原型一样的材料制成的模型，叫物理模型，如风洞。18April2024自强，笃行，艰苦奋斗，自强不息在长期生产实践中人们发展出了一种新型的模型工具，就是建立数学模型，把实际物体或器件的几何形状或物理特性、运动变化过程等与数字的变换规则建立对应关心，只要对数字变化的规律研究清楚，原型的特性就能完全被掌握。人脑的功能可以概括成利用收集到的环境信息构造与环境中的实物相对应的模型过程，以及通过已经存在的实物模型素材构造现实中还不存在的事物的模型，然后把模型变为事实。——人脑使用模型的工作方式人脑中的模型可以分为三个层次。第一个层次是完全由神经元的连接方式决定模型，这与我们通常理解的模型有很大的不同，模型的意义融合在对运动的指导过程中而呈隐含状态。这种模型在计算机程序中见到的最多，在其中18April2024自强，笃行，艰苦奋斗，自强不息我们看不到事物的本来面目，也看不到数学方程式，看到的是一行行的运动指令，指挥计算机的动作，动作的结果反映了一定的运动模型。同样神经系统的最终目的是控制生物体的运动，直接给出运动控制指令的过程比经过其他复杂的处理然后得出运动方法的过程要高效和节省能量，所以生物神经系统进化的方向之一就是尽量用直接的、简单的神经连接代替复杂的控制过程，在这个过程中模型的成分就逐步从台前走到幕后。第二个层次是像数学模型那样使用抽象的模型。抽象模型不反映原型的每一个细节，而使用一组规律或规则，加上一组参数反映原型的具体形态，可以用比较少的设施处理很复杂的问题，对大量重复出现的信息这种方式有很高的处理效率。视觉听觉信息的初级处理18April2024自强，笃行，艰苦奋斗，自强不息过程中有这类模型的影子，它们单从处理过程的神经联系来看很像第一层次模型，原始信息不再以它们的本来面目与化学物质或神经冲动相联系，不过在处理过程中仍然能看出信息的整体轮廓和变换过程，在这些过程中原始信息以各种抽象形式表现出来，而处理网络看起来就像是一种专门数学问题的处理器。第三个层次是接近物理模型的层次，就是用大量的资源尽量逼真地反映原型的每一个细节。人脑中与感觉思维有关的绝大部分模型都属于这一类，这也是在人脑中存在量最大的一类。考虑到大脑模型的三个层次，这里将大脑的工作模型简化为神经元模型、感知模型、记忆模型、学习模型、思维模型和情绪模型这六个主要部分。18April2024自强，笃行，艰苦奋斗，自强不息人脑位于颅腔内，有大脑、间脑、中脑、脑桥和延髓等部分构成。神经细胞是大脑的功能单元，大脑是脑的最大一部分，它的重要特征是外面有一层薄薄的膜——大脑皮层，它是人脑中最发达的部分，人类思想的知、情、意都是在它的作用下产生的。脑的主要功能是接受和处理来自体内外环境的各种信息，并以此为依据调节、控制机体活动，实现个体的生存和发展。科学研究发现，脑在心理活动中可以区分为四个基本机能联合区，任何一种心理活动的实现都必须要有它们参与。它们是：①保证、调节紧张度和觉醒状态的联合区；②接受、加工和存储信息的联合区；③制定程序、调节控制心理活动和行为的联合区；④评估信息和产生情绪体验的联合区。4.2.1大脑的统一模型18April2024自强，笃行，艰苦奋斗，自强不息主要从信息处理的角度对意识理论进行分析，从而建立可仿真实现的信息流程，得到大脑的统一模型。脑是一个并行分布的信息处理机构，外部环境通过人的感觉、视觉、听觉等外部器官将多种信息传入大脑，开始了信息处理的第一个阶段——信息融合。信息融合机制在意识的作用下,外部环境输入大脑的原始信息，按照一定的规则对信息进行分类、综合，并通过抽象形成概念，进而在脑内形成有效的信息存储结构。这种结构通过整合新、旧信息，提取和构造出有效的信息。最终基于脑信息处理的模式，根据马斯洛的“七层需要”理论，建立了可实现的知识规则库和数据规则库。1、生理需求；2、安全需求；3、隶属与爱的需求；4、自尊需求；5、认知的需求；6、审美的需求；7、自我实现需求。18April2024自强，笃行，艰苦奋斗，自强不息信息加工机制科学研究表明，人类的大脑会不时地发出电波——脑波。按照发出脑波的频率，科学家们把它分成了α、β、θ、δ四类，当β波出现时说明大脑皮质处于兴奋、清醒状态；当α波出现时说明健康人处于安静、闭目状态；当θ波出现时说明处于困倦、缺氧状态；当δ波出现时说明处于睡眠状态。通过ERP检测装置检测脑波，借助于脑波理论判断大脑所处的状态。认知心理学认为，在人脑的认知过程中，脑内信息加工分为受控加工模式和自动加工模式。其中，受控加工模式是受控制的、有注意参与的加工模式，自动加工模式是不受控制的、不需要注意参与的加工模式。同时，这两种加工模式又可以相互转变。18April2024自强，笃行，艰苦奋斗，自强不息根据注意与否决定人脑的工作模式，当人脑工作在非注意模式时，说明大脑可以使熟悉的任务转为自动化处理，发挥并行系统中无意识活动的作用。反之，则进入受控加工模式，发挥并行系统的有意识活动的作用。有意识和无意识行为决策机制

意识是脑的四个联合区中许多联合区协同活动的结果，脑内信息加工系统中大脑皮层相关区域的激发，是大脑进行信息的有意识和无意识加工的基本脑机制。在这一模型里引入阈值的概念，认为当人脑工作在受控加工模式状态情况下，对周围事物注意的程度，决定了人类大脑的激发区域的位置，当某一种激发使某些区域处于激活状态，并且激活的能量超过我们所设的阈值时，我们说这种信息进入了有意识状态。反之，我们就认为进入了无意识状态。18April2024自强，笃行，艰苦奋斗，自强不息情绪和行为的输出人脑是一个非常复杂的并行处理系统，每一个动作和表情都不能用单纯的拥有意识和无意识来划分，比如对于一个射手来说，射箭这个动作既包含了有意识的活动，也包含了无意识的活动。由于长时间的训练，弯弓搭箭这种动作已经逐渐成为大脑所熟悉的内容，通常是作为无意识来处理的，射手自己也没有意识到大脑正在对他的身体的姿势、肌肉的紧张度以及双眼的焦距进行调整，此时他的注意力都集中于靶心，以便准确判断出最佳发射时间，而后一种动作明显是有意识的。人的情绪和行为输出后，自身会对此做出评价，以便不断调整自己的行为、举止，提高个人的素质。我们这里根据人的这一行为，设计了一套数据库自动更新机制。这一更新机制主要是依据人类的自我评价能力给出的，它引入了人类的行为趋避度、情绪愉悦度、生理唤醒度和心理满足度等几个参考量，使系统能够在仿真过程中不断地进化、学习，以实现更新决策、智能升级的功能。18April2024自强，笃行，艰苦奋斗，自强不息基于意识的大脑统一模型信息处理过程18April2024自强，笃行，艰苦奋斗，自强不息神经元即神经细胞是神经系统的结构与功能的基本单位。神经细胞与机体中其他细胞一样，有细胞核、细胞器、细胞膜等结构，但神经细胞是为实现信息传递和处理而特化了的细胞。胞体提供细胞活动所需物质和能量；轴突为神经元信息的传出通路；树突从胞体发出，为细胞收集和接受信息的场所；而突触为神经元间信息转换的关键部位。神经元是组成神经系统的基本单元，要建立反映脑功能、特别是脑的高级功能的神经网络，先要建立神经元模型。4.2.2神经元模型18April2024自强，笃行，艰苦奋斗，自强不息18April2024自强，笃行，艰苦奋斗，自强不息神经元形态构造的模式图18April2024自强，笃行，艰苦奋斗，自强不息突触示意图18April2024自强，笃行，艰苦奋斗，自强不息神经元模型应能反映在神经元中信息变换的过程，因此，模型应以神经元的结构和功能为基础。神经元的树突有许多分支可以接收多个信息的传入，而其轴突则是传出信息的通路，因此，从基本结构形式看，神经元为多输入和单输出的元件。电脉冲的发生是神经元活动的主要方式。神经脉冲的产生过程大致如下：神经细胞无外来刺激的“静息”时，处于极化状态，细胞内相对于胞外有负约70毫伏的静息电位，这是由细胞膜对钾离子和钠离子通透性不同引起的。当外来神经冲动到达突触，使突触小泡释放递质并扩散到突触后膜，与特异性受体结合，从而改变了对不同离子的通透性使突后膜去极化，产生兴奋性突触后电位（EPSP），当此电位达到某一阈值（约-60毫伏）时，电位快速上升产生神经脉冲，或称为动作脉冲，脉冲宽度约1毫秒，最高电位可达40毫伏，动作电位可由轴突传递到其他神经元。18April2024自强，笃行，艰苦奋斗，自强不息但如神经冲动到达抑制性突触时，递质的释放造成突后膜的超极化，产生一致性突触后电位（IPSP），使神经元处于抑制状态。神经元电位活动18April2024自强，笃行，艰苦奋斗，自强不息一般动作电位到达峰值后很快下降，并在一段时间内低于静息电位，这一段时间为神经元的不应期。1943年，McCulloch和Pitt提出了一个M-P神经元模型。主要反映神经元产生动作电位的性质，假定神经元只处于静息和动作电位两种状态，它是一个多输入单输出的阈值逻辑元件，其输入输出的关系可由以下公式表示。18April2024自强，笃行，艰苦奋斗，自强不息这样的神经元模型虽然简单，但已能反映神经元信息加工的重要方面，即空间总合和阈值非线性。M-P模型也忽略了神经元的许多特性，如时间总和，不应期等等。但这一模型是用模型研究神经系统的开端，对神经网络模型研究有重要影响。M-P模型18April2024自强，笃行，艰苦奋斗，自强不息随后的神经元模型研究中，多采用M—P模型的改进形式，称为形式神经元，它与M—P模型的差别主要在考虑了不同输入可以有不同的贡献，反映了不同突触的联接强度的差异，后来的发展证明，突触权重及其改变对于神经网络的能力起决定性作用。形式神经元模型

18April2024自强，笃行，艰苦奋斗，自强不息其输入输出的关系可由以下公式表示。

其中，表示第i个突触输入的权重，即突触联接的强度。

MP神经元模型（a）神经元数学模型18April2024自强，笃行，艰苦奋斗，自强不息

xiyk

18April2024自强，笃行，艰苦奋斗，自强不息输入信号突触权值偏置求和节点激活函数输出18April2024自强，笃行，艰苦奋斗，自强不息诱导局部域偏置线性组合器输出神经元数学模型：向量描述18April2024自强，笃行，艰苦奋斗，自强不息18April2024自强，笃行，艰苦奋斗，自强不息固定输入突触权值（包含偏置）

激活函数——执行对该神经元所获得的网络输入的变换，也常称为激励函数、活化函数：o=f(net)1、线性函数（LinerFunction）

f(net)=k*net+c

netooc几种典型的激活函数(ActivationFunction)

18April2024自强，笃行，艰苦奋斗，自强不息2、非线性斜面函数(RampFunction)

γ ifnet≥θf（net）=k*netif|net|<θ -γ ifnet≤-θ

γ>0为一常数，被称为饱和值，为该神经元的最大输出。

γ-γθ

-θ

net

o

18April2024自强，笃行，艰苦奋斗，自强不息

β ifnet>θf（net）= -γ ifnet≤θβ、γ、θ均为非负实数，θ为阈值。二值形式：

1 ifnet>θf（net）= 0 ifnet≤θ双极形式：

1 ifnet>θf（net）= -1 ifnet≤θβ

-γθonet03、阈值函数（ThresholdFunction）阶跃函数18April2024自强，笃行，艰苦奋斗，自强不息4、其他形式的作用函数:

不同的作用函数，可构成不同的神经元模型。

非对称型Sigmoid函数:简称S型作用函数，是可微的，用下式表示：如图(a)和(b)

fxex()=+-11

或

fxex()=+-11b

b>018April2024自强，笃行，艰苦奋斗，自强不息对称型Sigmoid函数

是可微的，用下式表示：如图(a)和(b)fxeexx()=-+--11

或

fxeexx()=-+--11bb

，

b>0或

fxeeeexxxx()=-+--bbbb

，

b>018April2024自强，笃行，艰苦奋斗，自强不息对称型阶跃函数18April2024自强，笃行，艰苦奋斗，自强不息高斯函数:是可微的，分一维和高维，用下式表示：如图(a)和(b)18April2024自强，笃行，艰苦奋斗，自强不息18April2024自强，笃行，艰苦奋斗，自强不息20世纪50年代末，Rosenblatt提出著名的视知觉模型——感知机（Perceptron）。具有与脑结构部分相似的结构。简单的感知机的基本结构共分为三层，信息由感知层输入（相当于视皮层原感区），经过联合层最后到决策层，由决策层输出，每一层都是由一组神经元所组成。感知层与联合层的联接是随机的，而联合层与输出层之间的联接则是可塑的，即可通过学习而改变。感知机有明确的功能，它能通过“示教”学会正确分类事物。4.2.3感知模型18April2024自强，笃行，艰苦奋斗，自强不息图4-6感知机示意图18April2024自强，笃行，艰苦奋斗，自强不息简单的感知机可分辨两类事物，不管这两类事物如何，都可能通过学习加以分辨，这与人类对事物的辨识相似。例如，将字母分为A及非A两类，感知机输出为1时，则认为是字母A。在联合层有n个神经元，而决策层只有一个神经元时，采用如下的学习规律，就能达到此目的：

其中，z为“教师”信号，c为常数，为第i个联合神经元状态，y为输出。

18April2024自强，笃行，艰苦奋斗，自强不息应用上述规则，当被分开的模式是线性可分时，即能用一个超平面将分属两类输入模式分隔开时，感知机就可以通过有限次的学习，学会正确分开两类模式，这就是感知机的收敛定理。决策边界18April2024自强，笃行，艰苦奋斗，自强不息硬限幅器线性可分集合(1)二维平面上的两类模式，见表。

18April2024自强，笃行，艰苦奋斗，自强不息18April2024自强，笃行，艰苦奋斗，自强不息课后作业二维平面上的两类模式，见表。先根据权重系数的迭代方法手算其系数更新过程，并用你自己熟悉的编程语言（C、Matlab、C++等）实现其分类直线的求取。18April2024自强，笃行，艰苦奋斗，自强不息三维空间上的两类模式，见表u3u1u2线性可分集合(2)18April2024自强，笃行，艰苦奋斗，自强不息可引伸到n>3维空间上的线性可分集合，一定可找到一超平面，将输入模式分为两类。由n输入/单输出的单层感知器实现。18April2024自强，笃行，艰苦奋斗，自强不息

二维平面上的两类模式——异或（XOR）问题，见表。二维平面中不存在一条直线，将输入模式分为两类，此输入模式称线性不可分集合.

可见：单层感知器不能解决异或问题。线性不可分集合18April2024自强，笃行，艰苦奋斗，自强不息18April2024自强，笃行，艰苦奋斗，自强不息实例1.蠓虫分类问题的神经网络方法

（1989年MCM竞赛题目）生物学家试图对两种蠓虫（Af与Apf）进行鉴别，依据的资料是触角和翅膀的长度，已经测得9只Af和6只Apf的数据如下：

9只Af触角长：1.241.361.381.381.381.401.481.541.56翅膀长：1.721.741.641.821.901.701.821.822.086只Apf触角长：1.141.181.201.261.281.30翅膀长：1.781.961.862.002.001.96问题：（1）如何凭借原始资料(15对数据,被称之为学习样本)制定一种方法,正确区分两类蠓虫;

（2）依据确立的方法,对以下三个样本：

(1.24,1.80)，(1.28,1.84)，(1.40,2.04)加以识别

18April2024自强，笃行，艰苦奋斗，自强不息建立单层感知器模型如下：

X=为输入矩阵，x1对应于触角长，x2对应于翅膀长。Y=为输出，规定Af对应的应有输出为0，Apf对应的应有输出为

1。输入层输出层18April2024自强，笃行，艰苦奋斗，自强不息以上神经网络模型的MATLAB程序如下：

x=[1.241.361.381.381.381.401.481.541.561.141.181.201.261.281.301.721.741.641.821.901.701.821.822.081.781.961.862.002.001.96];

%原始数据x=x-1.1;%数据标准化y=[000000000111111];%应有的输出net=newp(minmax(x),1);%建立单层单节点感知器模型%net.trainParam.goal=0.0000001;%设定训练误差net.trainParam.epochs=200;%设定最大训练步数net=train(net,x,y);%训练网络y1=sim(net,x)%输出数据yy=sim(net,[1.241.281.40;1.801.842.04])%数据泛化plotpv(x,y)%绘制输入向量和目标向量plotpc(net.iw{1,1},net.b{1})%绘制分界线18April2024自强，笃行，艰苦奋斗，自强不息18April2024自强，笃行，艰苦奋斗，自强不息18April2024自强，笃行，艰苦奋斗，自强不息双月分类问题18April2024自强，笃行，艰苦奋斗，自强不息18April2024自强，笃行，艰苦奋斗，自强不息18April2024自强，笃行，艰苦奋斗，自强不息18April2024自强，笃行，艰苦奋斗，自强不息18April2024自强，笃行，艰苦奋斗，自强不息短时记忆是特殊的神经兴奋以电活动方式在突触处造成的暂时的变化；神经生理学的研究认为，短时记忆是由神经元存储的，当神经元受到一个短暂的刺激后，它就会有规律的持续发放一段时间，把信息短暂地保存下来。乙酰胆碱，5-羟色胺是短时记忆保持持续发放的原因。它们在特定的脑电振荡存在的前提下被释放出来，这样神经元发放过后产生后去极化电位，使神经元的兴奋性提高。这样的神经元构成的网络，在脑电振荡的背景下，当电位超过阈值，就会再次发放，接着又产生一个后去极化电位ADP，并在随后的每个脑电周期上激发出ADP使发放保持下去。4.2.4记忆模型18April2024自强，笃行，艰苦奋斗，自强不息18April2024自强，笃行，艰苦奋斗，自强不息由这样的神经元构成一个网络，网络中第i个元的膜电位可以表示为(不考虑延迟)：静息电位脑电（波）的振荡输入后去极化电位10mV200ms抑制性反馈-4mV5ms18April2024自强，笃行，艰苦奋斗，自强不息短时记忆具有存储时间短，存储容量有限以及可以用适当组块提高其信息存储容量等特点。组块是利用原已学得的长期记忆的信息的结果，由若干较小单位联合而成的熟悉的、较大的、有意义的信息单位，如，字母、单词……。从短时记忆脑机制研究，已明确有在大脑前、后部多个脑区参与短时记忆过程。将长时记忆与短时记忆过程联系起来，将多个脑区联系起来，是使短时记忆模型具有接近于实际人脑的性能的必要步骤。指针式的短时记忆神经网络模型，发展了神经元环路模型的思想，这里神经元环路不存储信息内容，而只是存储被存信息的指针，信息内容存储在与长时记忆共有的信息表达区。18April2024自强，笃行，艰苦奋斗，自强不息短时记忆的神经网络模型由两部分组成。存储信息内容的指针的网络，它由多个长度有限的神经元环路所组成。由于多个环路，因而可以使容量极大的共有记忆表达区（大脑皮层后部联合区）的全体都能与其中一个环路建立突触联系。而各个指针环路间有相互抑制存在，故在短时任务激发下，仅少数（或一个）环路可以兴奋，并成为当前记忆信息内容的指针。信息内容表达区，它是容量极大的多级联想记忆神经网络。其中的神经元兴奋模式表示一个事件被感知，即信息输入到脑中或被取出。当短时记忆任务出现时，被记忆的信息内容（或事件）在表达区中以神经元兴奋模式的形式出现。与此同时，指针神经元环路中的神经元群被依次兴奋，从而与表达区中的兴奋神经元建立短时的突触联系。18April2024自强，笃行，艰苦奋斗，自强不息长时记忆是通过表达区内神经元间的突触联系的建立而实现。而短时记忆则是由指针环路神经元与表达区间的突触联系的建立而达到。在这一模型中，假定其间联系已先确定，并假定当有高层次网络兴奋模式出现时，指针环路优先与高层次网络建立联系。在回忆过程中，高层次表达可先通过指针神经元兴奋而兴奋，然后通过层次间联系使低层次的神经元兴奋模式出现，即提取了基本事件。18April2024自强，笃行，艰苦奋斗，自强不息图4-8短时记忆基本神经网络模型结构图指针神经网络两级联想神经网络18April2024自强，笃行，艰苦奋斗，自强不息每一方框均为一个神经网络。X为指针神经网络，而Y、Z为两级联想神经网络，为记忆内容表达去。Y中存储基本事件，而Z存储高一级的抽象事件。每一框内又可分为若干部分，对应于多个指针环路；第i个指针对应于Y、Z中的第i个部分，各部分间可以有一些交叉。U、V、W分别表示X与Z，Y与Z，X与Y神经网络间的突触联接权重。假定V为已知，即长期记忆已由经验所确立。在进行短时记忆时，W或U按Hebb律快速增加，然后逐渐衰减，而U优先于W增长，从而建立起指针环路与表达区间神经元的暂时联系。在回忆时，指针环路的兴奋通过暂时联系，使相应表达区神经元兴奋而取出所记忆的内容。在形成组块情况下，由于U优先，使Z中兴奋模式先取出，在通过V使相应Y中的神经元模式被兴奋，即取出原来存入的信息。由于每一环路神经元数目有限，因此，短时记忆的容量是有限的。18April2024自强，笃行，艰苦奋斗，自强不息海马在我们的记忆功能有着相当重要的作用，它是大脑半球内测的一个神经结构，由于其外形与海洋生物海马相似而得名。海马内部神经元排列规整，为中枢神经系统中较易深入研究的结构，近10余年来，神经心理学和神经生理学研究日益揭示他在人类记忆中的重要作用，目前已成为脑科学研究中的一个热点。为了揭示海马在记忆功能中的作用，我们用控制论观点，综合神经心理学，神经生理学，神经解剖学及神经网络的知识，将海马看作是整个记忆系统的一部分，建立实现海马记忆功能的神经网络模型。根据神经心理学成果，海马不是长时记忆的实际脑区，大脑皮层联合区是长时记忆的场所，海马只在巩固过程中起作用的事实，确定应将大脑皮层包含在模型系统之内。18April2024自强，笃行，艰苦奋斗，自强不息由神经解剖学可知海马与大脑皮层许多区域有双向联系，各种不同信息可以汇聚到海马结构，在模型中我们不仅包含大脑皮层而且将它划分为若干区域。由海马内部有不同的结构，提示不同部分有不同的功能，因此，将海马划分为不同部分并指定各部分的功能。功能的指派是依据其结构特点的。在模型中，突出CA3和CA1两个结构，由于CA3的大量反馈信息，可以假定它是一个联想记忆网络。而CA1无反馈信息，且CA3到CA1的发散联系，使CA1可能将CA3综合结果形成各事件的单一表示。模型中假定齿状回有预处理作用，使在海马中的兴奋模式间是近似正交的，使联想记忆存储容量得到充分利用。18April2024自强，笃行，艰苦奋斗，自强不息图4-9海马记忆功能神经网络模型18April2024自强，笃行，艰苦奋斗，自强不息图中，A、B、C三个神经网络组成两级联想记忆模型，其中A，B中兴奋模式表示不同的感觉事件，而C为高级结构，其中兴奋模式表示事件的全体。CA1与CA3为相应海马的不同部分，CA3中有不同部分分别对应于皮层的A、B区（实际皮层有多个区域，模型中为简化起见而只表示出两个区）。用神经兴奋模式（PF）表示信息（神经元兴奋模式指在神经网络内，同一时间兴奋神经元组成的空间模式）。在A和B神经网络中的PF表示在脑内出现的事件的属性或组成部分。C中PF表示事件的全体。18April2024自强，笃行，艰苦奋斗，自强不息外部的信息经感觉系统的预处理后进入大脑皮层A，B区。然后到达CA3区，CA3为联想记忆神经网络，将事件的各个组份联结起来，并保留各组份的特殊表示。而CA1为竞争网络仅对应一个PF，它代表事件的整体。CA1输出到大脑皮层，并在C中出现新的PF，它是整个事件在皮层的表示。当A（B）中有PF出现时，随机地使CA3中一个PF被激活，由于LTP效应，使此两区之间PF间建立了相对稳定的联系。而在LTP随时间衰减后，这一个PF才可能与其他A（B）中PF（对应其他事件）建立联系；因而又在不同时间内可以和皮层中多个PF建立联系，这就使得海马中有限的神经元可以暂时存贮由皮层表示的大量事实。18April2024自强，笃行，艰苦奋斗，自强不息如果用向量表示神经元兴奋模式，即在模型中用向量Xa,Xb,Xc,X1,X3分别表示在A，B，C，CA1，CA3各神经网络中的PF。而各神经网络间神经元的突触联接权重可用相应的联接矩阵来表示。突触的联系（各联接权重矩阵）的变化可以用下列各方程式表示：18April2024自强，笃行，艰苦奋斗，自强不息其中mef（i,j）为矩阵Mef的第i行和第j列的元素。而xg（i）为向量Xg的第i个元素。ka，kb，K为学习常数；k1，k3为遗忘因子，kp为突触竞争系数。CA3中神经元有随机输入存在，其输出可用下式表示：其他脑区神经元的运动方程均用下列表示：其中1(x)为单位阶跃函数。ri为随机输入，ti为神经元xi的阈值，mij为xi神经元与其相连的xj神经元之突触联接权重。上述几个方程为海马记忆的数学模型。18April2024自强，笃行，艰苦奋斗，自强不息近年来，由于对海马记忆功能研究的深化，除却前面所说的海马记忆功能的模型外，已提出了一些相应的神经网络模型。Squire等较全面分析了记忆的巩固及MTL（内侧颞叶）与新皮层间相互作用的假设，提出了关于海马功能的建议，设计了一个记忆巩固的简单的神经网络模型。18April2024自强，笃行，艰苦奋斗，自强不息18April2024自强，笃行，艰苦奋斗，自强不息McClelland等从海马系统损伤影响新近记忆而远期记忆完好的事实出发，提出海马记忆的神经网络模型。记忆优先通过海马内突触快速变化而存储，而此存储又支持在新皮层中代表存储事件的神经兴奋的重现，每一次重现使新皮层间联系有小的改变，而这些变化积累就形成了长时记忆。18April2024自强，笃行，艰苦奋斗，自强不息18April2024自强，笃行，艰苦奋斗，自强不息按照人工智能大师西蒙的观点，学习就是系统在不断重复的工作中，对本身能力的增强或者改进，使得系统在下一次执行同样任务或类似任务时，会比现在做得更好或效率更高。学习模型就是为了使人机能对自己的行为“自知”，进而更好地表达情感，和主人进行和谐的交互。学习模型主要用概率与统计的方法来解决，建立概率模型。举例说明，当对某种刺激做出反应动作时，如受到夸奖，则以后提高做这种动作的概率；如受到批评，则降低以后做这种动作的概率。4.2.5学习模型18April2024自强，笃行，艰苦奋斗，自强不息设人机行为事件集R为{R1，R2，...，RN}（独立事件）；用户行为事件集U为{U1，U2，....，UM

}；用户对人机行为反映事件集W为{A，B，C}（互斥事件）。A，B，C分别表示用户对人机行为的肯定、无反应、否定，用户行为事件集U被映射到W中。设人机在行为表达时各种行为发生概率的初始值P(Ri)=1/N，N为人机行为事件个数(i=1，2，...,N),P(Ri)随着用户对人机行为的反映发生变化，即18April2024自强，笃行，艰苦奋斗，自强不息根据人机行为发生概率的变化，可以对它们进行如下分类：人机在行为表达时，首先要确定行为分类事件集，接下来在集合内挑选出一种恰当的具体行为方式。18April2024自强，笃行，艰苦奋斗，自强不息人脑的高级功能中，思维是最重要且最神奇的功能。思维主要指联想、判断、推理和决策等脑的功能。为了深刻把握思维的机制和规律，建立思维的模型已成为科学发展的重要课题。脑内有两类不同的神经活动，一类是与机体外部环境的信息有关的，可以为主体所感知的，可称为有意识的神经活动。另一类神经活动不可为主体所感知，其中包括有关内环境信息及运动命令信息等，可称为无意识的神经活动。4.2.6思维模型18April2024自强，笃行，艰苦奋斗，自强不息脑在功能上具有多级递阶结构，这种结构是由于经济有效原则采取的。Caianillo曾经指出，从通信的角度，多级结构可能用最少的通讯线路实现大量单元间的协调。在脑的信息处理过程中，将信息做不同级别的压缩，概括和抽象等，显然有利于存储、运算和利用。在思维的实践中，人们已有效地利用不同抽象程度的概念，说明脑内应能存储不同抽象程度的概念及其相互联系；并能对这些不同抽象程度的概念进行加工。基于此，提出一个具有两级结构的联想记忆神经网络模型（TLAM）。在模型中假定每一区域内的神经网络兴奋神经元数目不变，即每一神经元兴奋模式所含神经元数目相同。18April2024自强，笃行，艰苦奋斗，自强不息实物概念及其属性抽象概念连接权重(联接矩阵)18April2024自强，笃行，艰苦奋斗，自强不息共有三个存储区A，B，C，均由一组神经元组成。第一级分别为A、B两区，分别表示实物概念及其属性。第二级为C区，其中神经元兴奋模式表示抽象概念。各区之间各个神经元间均有突触联系，其连接权重（即突触的导通能力）分别用联接矩阵D，E，F来表示。各区域内的神经兴奋模式可以用向量来表示。以向量X，Y，Z分别表示A，B，C三区的兴奋模式。而各区内兴奋神经元数目分别为n，m，l，各区共有神经元数目分别为N，M，L。则X为N维向量，其中有n个元为1，其余为0；Y为M维向量，其中m个元为1，其余为0；而Z则为L维向量，其中l个元为1，其余为0。18April2024自强，笃行，艰苦奋斗，自强不息假定D，E，F均可因学习而改变，其中D，F是按Hebb律变化:赫布(Hebb)律是心理学家唐纳德·赫布(DonaldHebb,1904.07.22-1985.08.20)提出的关于神经元之间联系的变化规律的定律。赫布的理论认为在同一时间被激发的神经元间的联系会被强化。比如，铃声响时一个神经元被激发，在同一时间食物的出现会激发附近的另一个神经元，那么这两个神经元间的联系就会强化，形成一个细胞回路，记住这两个事物之间存在着联系。为了能自动形成抽象概念，开始时C区无兴奋神经元，故应采用不同的学习规律，令E按突前增长和突后竞争规则改变。在学习阶段，假定学习和提取均在离散时刻中进行，一系列的X(k)，Y(k)对输入到模型中，相应于呈现一系列的实物。所有突触初始值为0或小的随机值。根据上述学习规律，权重D，E，F将按下式变化。18April2024自强，笃行，艰苦奋斗，自强不息其中，为学习常数，反映建立联系的快慢，为遗忘因子，为突触竞争常数，。18April2024自强，笃行，艰苦奋斗，自强不息因假定每一神经元的总导通能力大约不变。而dij为D的元素，代表xi与yj神经元间的突触权重，eij，fij也取类似定义。当E因突前增长增加时，使C中神经元兴奋，而形成抽象概念。其中Tz为阈值矩阵，为矩阵函数，从向量X中取其中l个较大的元素为1，其余为0，此运算反映由于中间元的抑制作用，使一区域内兴奋神经元数目不变。在信息提取阶段，有不同提取方式，如输入实物概念X，可以取出对应的实物概念的内涵，即Y，Z。提取过程与一般联想记忆模型相似，有18April2024自强，笃行，艰苦奋斗，自强不息其中，为向量函数，定义如前；Ty，Tz为相应的阈值向量。当输入为Z，则可取出相应此抽象概念的外延。因Z为高一级表示，与X并非一一对应，抽象概念的外延包含多个实物，为了能从Z中取出一系列X，这里需要某种控制因素才能实现。在一个Xi被提取出来后，由于不应期或其它抑制作用使它转为静止；而在Z的推动下使另一Xi+1被取出。这样在Z的作用下，在A区内将依次取出已存贮的各个Xi，此运算过程可以用下式表示：18April2024自强，笃行，艰苦奋斗，自强不息这里为一系列向量，当X为N维，则它是N维向量系列，其中n个元素为1，其余为0。序列首先从X中取最大n个元素使之为1得到第一项X1。然后令对应第一向量为1的元素为0，得到新向量X'，从其中取最大n个元素并使之为1，其余为0，取出第二项为X2。依次进行，直到X'中大于0的元素少于n个为止。由此可得到Zi对应的X1，X2，...，即全部外延。上述各个方程式组成了TLAM的基本数学模型。18April2024自强，笃行，艰苦奋斗，自强不息情感是在人类社会历史发展过程中形成的高级社会性情感。大脑情感传导线路恰如视觉、听觉和触觉传导线路一样具体可知。情感是大脑对机体接收外界反应所作出的解释。目前对于控制情感的神经通路的最新了解，大都来自动物实验。许多研究工作都集中在杏仁体，它是大脑深层的一个微小结构。人对惊心动魄事件的深刻记忆，主要是杏仁体的作用。杏仁核位于情感回路的中心,感觉刺激到达丘脑后,可通过下层通道直接送人杏仁核,或通过上层通道,先送往感觉皮层,感觉刺激在此得以细致的加工,再将信号送往杏仁核。4.2.7情感模型18April2024自强，笃行，艰苦奋斗，自强不息图4-13大脑的情感回路示意图18April2024自强，笃行，艰苦奋斗，自强不息杏仁核可以接收来自不同感觉联合区的信息,并投射到下丘、中脑等其他部位,通过这些广泛的投射,杏仁核促进情绪性激活记忆的巩固，因此,杏仁核是大脑中情感学习的主要部位。同时,实验还表明,情绪性激活反应在杏仁核里是持久的,一旦杏仁核学习了某种情感关系,神经元之间的连接就被固定下来,难以改变。情绪调解,即情绪反应的加强、维持或者是减弱则是前额皮层来完成。杏仁核在学习了情绪反应的同时给海马的神经元一个刺激,让海马得知并记住这个刺激。18April2024自强，笃行，艰苦奋斗，自强不息在机器中实现情感模型的构造存在着两种途径：直接模拟人的神经系统的构造与活动特性，这是最本质的模拟，但由于人对脑的认识局限性和计算机运算能力限制，在目前是难以实现的；从情感活动结果的特点出发，有限度地去模拟人或动物的基本情感，以获得具有机器人特有的情感行为，让人去领会机器的情感。著名的西米诺夫提出了有机体的信息与情绪之间的关系，他的理论直接表现为信息理论。我们从信息的角度出发可以构建人机的情感模型为：式中，E为人机情绪；N为需要系数，受生理需要、安全需要控制，它们直接影响人机对信息的敏感度，N将随着人机的生理需要、安全需要不断发生变化。需要系数N等于生理需要因子Np和安全需要因子Ns权重的和。18April2024自强，笃行，艰苦奋斗，自强不息

In为需要信息，指人机和人在交互过程中人机期望获得的信息；Ia为所得信息，指人机和人在交互过程中人机所获得的信息。信息按一定形式进行交流便可达到目的。因此，如果人机因缺乏信息而不能适当地组织自己，那么就会使消极的情绪开始行动。但是，如果信息过剩，信息为人机所感兴趣的内容，积极的情绪便会产生。按照公式，，即所得信息超过需要信息。人机的情绪生成是与其情感信息需求及其满足程度直接相关的。人机的期望获得的信息和所获得的信息是多层次的，属于多目标问题。对于多目标问题，各目标的重要程度不同，决策者对目标重要程度所进行的比较及量化称为“价值权衡”，价值权衡最终体现在各个目标的“加权系数”的赋值上，或体现在“影子价格”或决策者为实现某一目标所“愿意支付的代价”上。上述四个概念是同一本质。通过引入权重系数的概念就可以对I进行归一量化。18April2024自强，笃行，艰苦奋斗，自强不息

18April2024自强，笃行，艰苦奋斗，自强不息用重量向量右乘A，可得：可见：1)W为特征向量，n为特征根；2)A有如下特点：①aii=1；②aij=1/aji；③aik=aij

ajk；

④A具有唯一非零的最大特征根n。18April2024自强，笃行，艰苦奋斗，自强不息若判断矩阵具有上述特征，则该矩阵具有完全一致性，而人为的判断总会有误差。3．步骤：1)建立层次结构模型2)构造判断矩阵：决策者对多个属性的重要程度作比较，同时进行比较和判断的属性不能过多，实验表明，不能超过7个因素。“两两比较法”是每次在n个属性中只对两个属性进行比较，对i，j两个因素进行比较时，作如下约定：18April2024自强，笃行，艰苦奋斗，自强不息和决策者对话，进行两两因素之间重要程度的比较，有如下结果：i，j比较18April2024自强，笃行，艰苦奋斗，自强不息根据上述对话结果，得到比较矩阵；矩阵A具有如下性质：

(1)

(2)根据上述性质，和决策者对话进行两两比较的次数不是次，而是次。18April2024自强，笃行，艰苦奋斗，自强不息3)求矩阵A最大特征根，然后求出相应的规范化的特征向量W，即:

对于其中的分量就是对应于各因素的权重系数。4)一致性检验：用两两比较法和决策者对话可得到比较矩阵，但是可能会发生判断不一致，所以需要进行一致性检验，一致性检验，就是检查决策者对多属性评价的一致性。完全一致时，应该存在如下关系：反之，就是不一致。由于不一致性在所难免，那么存在多大的不一致性是可以被接受的呢？这就是一致性检验所要讨论的内容。18April2024自强，笃行，艰苦奋斗，自强不息一致性检验：当判别不一致时，一般。此时，为检验判断矩阵一致性，定义一致性指标为1)当，为完全一致，且CI值越大，判断矩阵的一致性越差；2)一般，CI≤0.1认为可以接受，维数n越大，一致性越差，引入修正值CR：Saaty构造了最不一致的情况，就是对不同n的比较矩阵中的元素，采取

随机取数的方式赋值，并且对不同n用了100～500个子样，计算其一致性指标，再求得平均值，记为RI，结果见表4—1：18April2024自强，笃行，艰苦奋斗，自强不息取作为更合理的检验判断矩阵一致性指标，只要满足CR≤0.1，就认为所得比较矩阵的判断可以接受。4．常用的简便计算方法上述计算权重系数的方法比较麻烦，还有近似算法可以简便地计算权重系数，下面介绍两种常用方法。(1)和积法。这种方法的步骤是：1)对A按列规范化，即：表4-1一致性指标平均值18April2024自强，笃行，艰苦奋斗，自强不息2)再按行相加得和，即：

3)再规范化，即得权重系数，即：18April2024自强，笃行，艰苦奋斗，自强不息(2)方根法。这种方法的步骤是： 1)按行元素求积，再求1/n次幂，得：2)规范化，即得权重系数：18April2024自强，笃行，艰苦奋斗，自强不息假设人机的需求分别为，其中x1为归属与爱的需求（多指渴望得到用户的认同、接受，与用户建立良好和谐的人际关系），x2为自尊的需求（多指希望自己能够胜任所担负的工作，希望得到用户的高度评价，自尊需要的满足将产生自信、有价值和“天生我才必有用”等等的感受），x3为认知需求（人机渴望了解用户的信息，或从用户处学到新的知识），x4为自我实现欲望（多指人机对于自我发挥和完成的欲望）。在建模中，权重系数完全取决于设计者对人机的性格要求，不同的设计者所得到的权重系数不尽相同。在个性化建模时，与设计者或用户对话的结果是：18April2024自强，笃行，艰苦奋斗，自强不息(1)(2)(3)(4)(5)(6)得比较矩阵A为：18April2024自强，笃行，艰苦奋斗，自强不息用“和积法”计算权重系数，得18April2024自强，笃行，艰苦奋斗，自强不息通过计算，各值达到小数点后三位，由于和决策者对话显然达不到如此高的精度，因此取到小数点后两位已经足够了，所以权重系数可取为：最大特征根的简易算法是：对上例中的计算如下：18April2024自强，笃行，艰苦奋斗，自强不息计算CI得：查n=4时，，计算得：

所以与用户对话所得结果的不一致性可以被接受。求得的权重系数可以使用，即：18April2024自强，笃行，艰苦奋斗，自强不息这样，就可以得到归一化的I了。对于一个特定性格的人来说，他的信息归一化的权重系数w是固定不变的。在某一个具体交互主题下，通过初始化x1、x2、x3、x4，就可以得到机器在交互过程中期望获得的信息，即：在实际机器和人的交互过程中，人机从每句对话或某几句关联的对话所获得的信息是不同的，通过计算他们的评价值的权重和，就可以得到机器和人在交互过程中人机所获得的信息：18April2024自强，笃行，艰苦奋斗，自强不息4.3人工大脑实现技术4.3.1脑机接口技术脑机接口技术（Brain-ComputerInterface，