问题解决是人类最重要的高级智能活动之一。启发式搜索可以提高问题解决效率,是人类和AI问题解决的基本方法。然而,人类启发式搜索的神经机制至今研究不多,传统AI的启发式搜索方法不能满足网络智能的需要。针对这两个问题,本项目拟综合使用认知行为实验,脑功能成像,计算认知模型等方法(包括本实验室已成功试用的ERP和fMRI同步记录、拟开发的口述报告与fMRI同步记录、引进计算认知体系结构模型ACT-R来预报行为实验数据和fMRI BOLD 效应的方法等),采用便于探索人类启发式搜索神经机制的四方趣题实验材料,系统地研究问题解决过程中启发式规则运用、选择、及启发规则的获得与学习等的神经机制,建立启发式搜索的认知计算模型,并为下一代搜索引擎、WI中网络问题求解系统的启发式搜索等研究提供认知基础,为实现接近人类水平的智能系统提供新的研究思路。同时培养人才、建立梯队,促进ACT-R在我国的推广和应用。
{{i.achievement_title}}
数据更新时间:2023-05-31
病毒性脑炎患儿脑电图、神经功能、免疫功能及相关因子水平检测与意义
妊娠对雌性大鼠冷防御性肩胛间区棕色脂肪组织产热的影响及其机制
基于铁路客流分配的旅客列车开行方案调整方法
一种基于多层设计空间缩减策略的近似高维优化方法
复杂系统科学研究进展
解决问题的启发式搜索策略研究
若干最大松弛团问题的启发式和精确求解算法研究
基于类比的启发式搜索研究
智能规划中基于路标的启发式搜索方法研究