(18.232.50.137) 您好!臺灣時間:2021/05/06 17:40
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:鄭慶裕
研究生(外文):Ching-Yu Cheng
論文名稱:結合語意與圖樣的聯想記憶之研究
論文名稱(外文):A Study of Associative Memory which Combining Semantics and Cor- responding Patterns
指導教授:黃崇冀黃崇冀引用關係
指導教授(外文):Henry C. Huang
學位類別:碩士
校院名稱:淡江大學
系所名稱:資訊工程研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:1994
畢業學年度:82
語文別:中文
論文頁數:100
中文關鍵詞:語意分類類神經網路概念關聯矩陣記憶語意網路
外文關鍵詞:Semantic CategorizationNeural NetworksConceptsCorrelation Matrix Memory
相關次數:
  • 被引用被引用:1
  • 點閱點閱:213
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:2
在人工智慧的領域裡,利用語意網路(semantic networks)表達對自然
語言的了解,已經有不少研究提出[2]。語意網路多被用來表達知識,並
且可以用來表達概念形成的記憶模式,所以利用語意網路處理語言的了解
以及聯想記憶(associative memory)之間的關係是相當恰當的。另外,
在心理學的研究中,人類對語言的了解如果牽涉到真實物體的話,可以以
影像(image)的方式在心理呈現。所以,如何將影像和語言做有意義的
結合,便是本文研究的重點。然而,影像處理的過程極為複雜 ,因此本
研究以簡單的圖樣(pattern)取代之。但是倘若我們欲將這些取代之。
但是倘若我們欲將這些簡單的圖樣記憶下來,則可以利用類神經網路(
neural networks)來處理,因為類神經網路在記憶與 辨識圖樣上已經有
相當的理論基礎以及實作成果。因此,我們利用語意網路來表達語言的意
義,利用類神經網路(neural networks)記憶圖樣(pattern),然後依
照語意網路結合圖樣,如此便產生符合語意的圖樣,並且被有意識的記憶
下來。在本論文中,利用CMM(Correlation Matrix Memory)這種聯
想記憶類神經網路記憶圖樣,並且利用 Cherkassky et al.[6] 所提出的
語意分類(semantic categorization)模式建立圖樣概念,再結合語意
網路處理圖樣。在本研究的實例中,共有四個不同概念,每個概念各有三
個意義相同而形狀不同的圖樣,由最後的數據顯示此理論架構是可行的。
In the field of AI, there are many researches proposed to
process the understanding of natural language using semantic
net- works [2]. Semantic networks may usually be used to
represent knowledge, and can represent conceptualizing
memory models. Hence, it''s proper to use semantic networks to
process the rela- tion of natural language and associative
memory. Besides, in psychology, a category produced from
semantic categorization of natural objects can form a concept.
For human being, concept means a mental representation of a
class [19]. Some psychologists point out that the
interpretation of a natural sentence can transform to some
images. So, it''s the key point of this study to combine images
and language definitely. However, image processing is a
complex task, we replace images to simple patterns. We use
neural networks to memorize patterns because its complete
theory in pattern recognition. Consequently, we use semantic
networks to express the mean- ing of a sentence by semantic
networks, and memorize patterns by neural networks, then
combine patterns by semantic networks. We can get patterns
corresponding to the meaning of the semantic networks by this
way, and these patterns can be memorized con- sciously. This
study uses CMM (Correlation Matrix Memory) to memorize
patterns and the semantic categorization model proposed
by Cherkassky to form pattern concepts, Cherkassky to form
pattern concepts, then process patterns by combining semantic
networks. Our implementation includes four concepts, and
there is three different exemplars of each concept.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔