---

研究内容概述

与基于“符号主义”范式的本体方法对应，神经网络是一种基于“联结主义”范式的分布式算法。神经网络具有一些本体所没有的优势。本体的方法需要人为的完成对某个领域知识的抽象和标准化，然后“教给”计算机，对应很多实际问题来说，工作量很大，维护更新成本高。而神经网络是一种具有强大学习潜力和建模能力的计算模型，如果实际的合理，可以自动化的完成从原始数据（比如卫星影像和自然语言）直接生成和提取结构化和形式化的知识。当然我们离这一目标尚远。
目前神经网络和机器学习小组的聚焦是基于自组织神经网络和传统BP神经网络的空间语言（盲）切分算法。

原型系统

• NeuralGeoParser?

科研工具

• Matlab

参考资料

• 神经网络
• 1998, Connectionist models and Bayesian inference, McClelland, J. L. In M. Oaksford and N. Chater (Eds.), Rational Models of Cognition, Oxford University Press：神经网络和逻辑推理有什么关系？大脑是如何同时进行分布运算和符号运算的？看看这篇文章的诠释。
• 认知神经科学的计算探索
• SOM
• 非线性神经动力学

• 神经网络理论与matlab7实现 电子工业出版社 飞思科技产品研发中心
• 神经网络模型及其matlab仿真程序设计 周开利 康耀红

• 隐马尔科夫模型
• 中科院语言处理所
• 隐马尔科夫模型软件包

• 汉字编码
• ASCII码
• 汉字编码

例会纪要

• 20070112
• 20070117
• 20070122
• 20070129
• 20070130
• 20070206
• 20070316

---