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
粗颗粒土的静止土压力系数非线性分析与计算方法
伴有轻度认知障碍的帕金森病~(18)F-FDG PET的统计参数图分析
中国参与全球价值链的环境效应分析
基于多模态信息特征融合的犯罪预测算法研究
基于公众情感倾向的主题公园评价研究——以哈尔滨市伏尔加庄园为例
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