Discoveries and Breakthroughs in Cognitive Informatics and Natural Intelligence
Buku ini diterbitkan tahun 2010 : Information Science Reference (an imprint of IGI Global), USA, adalah buku edisi Pertama.
Judul: Discoveries and Breakthroughs in Cognitive Informatics
and Natural Intelligence
Oleh: Yingxu Wang
Penerbit: Information Science Reference (an imprint of IGI Global), USA
Tahun: 2010
Jumlah Halaman: 605 hal.
Penulis:
Yingxu Wang
University of Calgary, Canada
Lingkup Pembahasan:
Buku ini terdiri atas 28 Bab. Bab 1, "A Komputasi kognitif Model dari Brain" oleh Zhiwei Shi, Hong Hu, dan Zhongzhi Shi, mengusulkan model kognitif komputasi didasarkan pada model grafis yang mereka dilakukan sebelumnya. Model memiliki banyak properti yang menarik, termasuk representasi pengetahuan khas, kemampuan akumulasi pengetahuan, aktif (top-down) perhatian, pengukuran kesamaan subjektif, dan perhatian-dipandu disambiguasi. Ia juga memiliki "kesadaran" dan bahkan dapat "berpikir" dan "membuat kesimpulan." Bab 2, "Pendekatan kognitif untuk Mekanisme Intelijen," oleh Yi X. Zhong, menjelaskan pendekatan baru untuk penelitian kecerdasan, yaitu pendekatan kognitif yang mencoba untuk mengeksplorasi secara mendalam mekanisme inti pembentukan kecerdasan sistem cerdas dari sudut pandang kognitif. Bab 3, "Mengurangi Overload kognitif oleh Meta-Learning Assisted Algoritma Seleksi" oleh Lisa Fan dan Min Xiao Lei menyajikan meta-learning pendekatan untuk mendukung pengguna secara otomatis memilih yang paling algoritma yang sesuai selama proses pembangunan model data mining. Para penulis membahas meta-learning Metode secara rinci dan menyajikan beberapa hasil empiris yang menunjukkan peningkatan yang dapat dicapai dengan model hybrid dengan menggabungkan metode meta-learning dan Rough Set pengurangan fitur. Bab 4, "Menganalisis Metode Belajar di Lingkungan Fungsional" Diposkan Alberto de la Encina, Mercedes Hidalgo-Herrero, Pablo Rabanal, Ismael Rodríguez, Dan Fernando Rubio, pemrograman menyajikan Lingkungan untuk membantu mempelajari Perilaku Model kognitif. Lingkungan Suami memungkinkan untuk dengan mudah mendefinisikan Proses kognitif baru, menyederhanakan Metode untuk menghubungkan mereka, Dan juga menyediakan Informasi Grafis untuk menganalisis bagaimana Sistem kognitif Yang Kompleks Berkembang. Bab 5, "Manusia dan Mesin: Sifat Belajar dan Pembelajaran Alam" oleh Hélène Hagège, Christopher Dartnell, Éric Martin, dan Jean Sallantin, berkaitan pelajaran dari filsafat, psikologi,
didaktik dan etika untuk pekerjaan mereka dalam penemuan ilmiah komputasi yang bertujuan untuk memberdayakan pembelajaran mesin dengan tugas membantu peneliti manusia (Dartnell, Martin, Hagège, & Sallantin, 2008). Bab ini diakhiri dengan pertimbangan didactical dan etika.
Bab 6, "Pada Kognitif Sifat Faktor Manusia dan Kesalahan Model Teknik dan Sosialisasi "oleh Yingxu Wang, mengeksplorasi dasar kognitif sifat manusia dan sifat kognitif faktor manusia di bidang teknik. Sebuah perangkat ciri mendasar dari manusia diidentifikasi, dan model hirarkis kebutuhan dasar manusia secara resmi dijelaskan. Karakteristik faktor manusia dan pengaruh mereka dalam organisasi rekayasa dan sosialisasi dieksplorasi. Bab 7, "User-Centered Interactive Data Mining" oleh Yan Zhao dan Yiyu Yao dipandu oleh Konsep bahwa sementara model banyak data mining berkonsentrasi pada otomatisasi dan efisiensi, data interaktif model pertambangan fokus pada komunikasi adaptif dan efektif antara pengguna manusia dan sistem computer. Bab 8, "Pada Konsep Aljabar: A Struktur denotational Matematika untuk Pengetahuan dan Software Modeling "oleh Yingxu Wang menyajikan teori formal untuk konsep-konsep abstrak dan manipulasi pengetahuan dikenal sebagai "konsep aljabar." Model konsep matematika dan pengetahuan yang dikembangkan berdasarkan pada object-attribute-relation (OAR) teori. Bab 9, "Pada Sistem Aljabar: A Struktur denotational Matematika Sistem Abstrak Modeling "oleh Yingxu Wang menyajikan teori matematika sistem aljabar dan aplikasinya dalam informatika kognitif, teknik sistem, rekayasa perangkat lunak, dan informatika kognitif.
Bab 10, "rtPA: A denotational Matematika untuk Memanipulasi Cerdas dan Perilaku Komputasi" oleh Yingxu Wang, membahas real-time proses aljabar (rtPA), sebuah denotational Struktur matematika untuk menandakan dan memanipulasi proses sistem perilaku. RtPA dirancang sebagai sistem aljabar yang koheren untuk cerdas dan sistem perangkat lunak pemodelan, spesifikasi, perbaikan, dan implementasi. Bab 11, "A denotational Semantik Proses Real-Time Aljabar (rtPA)" oleh Xinming Tan dan Yingxu Wang mencari kerangka kerja baru untuk waktu pemodelan dan proses dalam rangka untuk mewakili rtPA dalam semantik denotational. Bab 12, "Sebuah Semantik Operasional Proses Real-Time Aljabar (rtPA)" oleh Yingxu Wang dan Siprianus F. mengolah menyajikan semantik operasional rtPA, yang menjelaskan bagaimana konstruksi sintaksis di rtPA dapat dikurangi dengan nilai-nilai pada mesin pengurangan abstrak. Bab 13, "Modeling Formal dan Spesifikasi Pola Desain Menggunakan rtPA" oleh Yingxu Wang dan Jian Huang mengungkapkan bahwa pola adalah struktur yang sangat rumit dan dinamis untuk desain perangkat lunak enkapsulasi, karena asosiasi yang kompleks dan fleksibel internal antara beberapa kelas abstrak dan instantiations. Bab 14, "Semantik deduktif dari rtPA" oleh Yingxu Wang menyajikan paradigma lengkap semantik formal yang menjelaskan semantik bagaimana deduktif diterapkan untuk menentukan semantik real-time Proses aljabar (rtPA) dan bagaimana rtPA menantang teori semantik formal yang konvensional. Bab 15, "Di Big-R Notasi untuk Menggambarkan Iteratif dan Rekursif Perilaku" oleh Yingxu Wang, memperkenalkan notasi besar-R yang menyediakan perawatan matematika pemersatu iterasi dan recursions dalam komputasi. Model matematika dari iterasi dan recursions dikembangkan menggunakan logika. Bab 16, "rtPA Model Formal untuk Set Proses Meta-kognitif dari otak" oleh Yingxu Wang, menjelaskan proses kognitif model di tingkat metakognitif modus referensi otak berlapis (layered reference mode of the brain/LRMB), yang mencakup orang-orang dari identifikasi objek, abstraksi, konsep pendirian, pencarian, kategorisasi, perbandingan, menghafal, kualifikasi, kuantifikasi, dan seleksi. Bab 17, "Unifying Rough Analisis Set dan Analisis Konsep Formal Berdasarkan Logika Pendekatan untuk Granular Computing "oleh Bing Zhou dan Yiyu Yao meneliti pendekatan logis untuk komputasi granular untuk menggabungkan analisis set kasar dan analisis konsep formal. Bab 18, "Pada Yayasan dan Aplikasi dari Paradigma Granular Rough Computing" oleh Lech Polkowski dan Maria Semeniuk-Polkowski, memenuhi kebutuhan untuk metode formal granulasi, dan berarti untuk menghitung dengan butiran dengan menerapkan metode mereologi kasar. Bab 19, "Kuat Independen Analisis Komponen untuk Kognitif Informatika" oleh N. Gadhok dan W. Kinsner mengevaluasi sensitivitas outlier lima analisis komponen independen (ICA) algoritma (FastICA, Extended Infomax, JADE, Radikal, dan β-divergensi) menggunakan (a) pemisahan Amari indeks kinerja, (b) sudut optimum dari kesalahan rotasi, dan (c) fungsi perbedaan kontras dalam simulasi campuran outlier yang terkontaminasi. Bab 20, "A Relatif Fractal Dimension Spectrum untuk Mengukur persepsi Kompleksitas" W. Kinsner dan R. Dansereau menyajikan derivasi dari seorang kerabat spektrum dimensi fraktal baru, DRQ, untuk mengukur perbedaan antara dua distribusi probabilitas terbatas yang berasal dari berbagai sinyal. Bab 21, "Klasifikasi 3D Obyek Berdasarkan Volumetric Parts" oleh Weiwei Xing, Weibin Liu, dan Baozong Yuan, mengusulkan pendekatan klasifikasi objek 3D berdasarkan bagian volumetrik, di mana Superquadric berdasarkan Geon (SBG) deskripsi diimplementasikan untuk mewakili konstituen volumetric objek 3D. Dalam pendekatan ini, klasifikasi objek 3D didekomposisi menjadi pencarian dibatasi pada pohon interpretasi dan perhitungan ukuran kesamaan. Bab 22, "Modeling Underwater Struktur" oleh Michael Jenkin, Andrew Hogue, Andrew Jerman, Sunbir Gill, Anna Topol, dan Stephanie Wilson, menyelidiki teknik dan teknologi untuk mengatasi masalah akuisisi dan representasi dari lingkungan yang kompleks seperti yang ditemukan di bawah air. Bab 23, "Sebuah Novel yang masuk akal Model untuk Visual Persepsi" oleh Zhiwei Shi, Zhongzhi Shi, dan Hong Hu mengusulkan model yang masuk akal baru, jaringan Bayesian yaitu seluler (CBNS), untuk model proses persepsi visual. Model baru mengambil keuntungan dari kedua tingkat rendah fitur visual, seperti warna, tekstur, dan bentuk, benda target dan keterkaitan antara objek yang dikenal, dan mengintegrasikan mereka ke dalam kerangka kerja Bayesian, yang memiliki kedua landasan teoritis yang kuat dan luas aplikasi praktis. Bab 24, "Sebuah Iris Sistem Pengakuan Efisien dan otomatis Menggunakan ICM Neural Network" oleh Guangzhu Xu, Yide Ma, dan Zaifeng Zhang, menyajikan sistem pengenalan iris efisien dan otomatis menggunakan Intersecting kortikal Model (ICM) jaringan saraf disajikan yang mencakup dua bagian utama. Bab 25, "Jaringan Syaraf untuk Bahasa Emosi Independent Pengakuan dalam Pidato" oleh Yongjin Wang, Muhammad Waqas Bhatti, dan Ling Guan, memperkenalkan pendekatan berbasis jaringan saraf untuk identifikasi negara afektif manusia dalam sinyal suara. Bab 26, "Sebuah Analisis Representasi internal untuk Dua Jaringan Syaraf Tiruan yang Mengklasifikasikan Chords musik" oleh Vanessa Yaremchuk menunjukkan bahwa struktur internal klasifikasi chord dapat diartikan jaringan. Ini menunjukkan jaringan diklasifikasikan struktur chord pertama dengan mewakili catatan individu dalam hal lingkaran pertiga utama dan detik besar, dan kemudian dengan menggabungkan representasi untuk posisi akord dalam tiga dimensi ruang Unit tersembunyi. Bab 27, "Yayasan dan Klasifikasi nonkonvensional Neural Unit dan Paradigma Nonsynaptic Interaksi Neural" oleh I. Bukovsky, J. Bila, MM Gupta, ZG Hou, N. Homma, memperkenalkan jenis unit saraf dasar nonkonvensional dan berfokus notasi matematika dan klasifikasi. Yakni, notasi dan klasifikasi tingkat tinggi unit saraf nonlinear, waktu-delay unit saraf dinamis, dan tingkat tinggi waktu-delay unit saraf nonlinear diperkenalkan. Bab 28, "Scaling Perilaku Maksimal Ulangi Distribusi di Genomic Urutan: A Randomize Uji Follow Up Study, "JD Wang dan Ka-Lok Ng melakukan analisis tindak lanjut dari repeat maksimal analisis distribusi dengan memplot frekuensi relatif dari pola berulang maksimal terhadap tingkat penampilan.
Daftar Isi:
Preface xxii
Chapter 1 A Computational Cognitive Model of the Brain 1
Zhiwei Shi, Chinese Academy of Science and Graduate University of Chinese Academy of
Sciences, China Hong Hu, Chinese Academy of Science, China Zhongzhi Shi, Chinese Academy
of Science, China
Chapter 2 A Cognitive Approach to the Mechanism of Intelligence 18
Yi X. Zhong, Beijing University of Posts and Telecommunications, China
Chapter 3 Reducing Cognitive Overload by Meta-Learning Assisted Algorithm Selection 36
Lisa Fan, University of Regina, Canada Minxiao Lei, University of Regina, Canada
Chapter 4 Analyzing Learning Methods in a Functional Environment 52
Alberto de la Encina, Universidad Complutense de Madrid, Spain Mercedes Hidalgo-Herrero,
Universidad Complutense de Madrid, Spain Pablo Rabanal, Universidad Complutense de Madrid,
Spain Ismael Rodríguez, Universidad Complutense de Madrid, Spain Fernando Rubio,
Universidad Complutense de Madrid, Spain
Chapter 5 Humans and Machines: Nature of Learning and Learning of Nature 71
Hélène Hagège, Université Montpellier, France Christopher Dartnell, LIRMM, France
Éric Martin, University of New South Wales, Australia Jean Sallantin, LIRMM, France
Chapter 6 On Cognitive Properties of Human Factors and Error Models in Engineering and
Socialization 93
Yingxu Wang, University of Calgary, Canada
Chapter 7 User-Centered Interactive Data Mining 110
Yan Zhao, University of Regina, Canada Yiyu Yao, University of Regina, Canada
Chapter 8 On Concept Algebra: A Denotational Mathematical Structure for Knowledge
and Software Modeling 126
Yingxu Wang, University of Calgary, Canada
Chapter 9 On System Algebra: A Denotational Mathematical Structure for Abstract System
Modeling 149
Yingxu Wang, University of Calgary, Canada
Chapter 10 RTPA: A Denotational Mathematics for Manipulating Intelligent and Computational Behaviors 178
Yingxu Wang, University of Calgary, Canada
Chapter 11 A Denotational Semantics of Real-Time Process Algebra (RTPA) 200
Yingxu Wang, University of Calgary, Canada
Xinming Tan, University of Calgary, Canada & Wuhan University of Technology, China
Chapter 12 An Operational Semantics of Real-Time Process Algebra (RTPA) 218
Yingxu Wang, University of Calgary, Canada Cyprian F. Ngolah, University of Calgary, Canada &
University of Buea, Republic of Cameroon
Chapter 13 Formal Modeling and Specification of Design Patterns Using RTPA 239
Yingxu Wang, University of Calgary, Canada
Jian Huang, University of Calgary, Canada
Chapter 14 Deductive Semantics of RTPA 254
Yingxu Wang, University of Calgary, Canada
Chapter 15 On the Big-R Notation for Describing Interative and Recursive Behaviors 292
Yingxu Wang, University of Calgary, Canada
Chapter 16 Formal RTPA Models for a Set of Meta-Cognitive Processes of the Brain 308
Yingxu Wang, University of Calgary, Canada
Chapter 17 Unifying Rough Set Analysis and Formal Concept Analysis Based on a Logic Approach to Granular Computing 325
Bing Zhou, University of Regina, Canada Yiyu Yao, University of Regina, Canada
Chapter 18 On Foundations and Applications of the Paradigm of Granular Rough Computing 350
Lech Polkowski, Polish-Japanese Institute of Information Technology, Poland Maria Semeniuk-
Polkowska, Warsaw University, Poland
Chapter 19 Robust Independent Component Analysis for Cognitive Informatics 368
N. Gadhok, University of Manitoba, Canada W. Kinsner, University of Manitoba, Canada
Chapter 20 A Relative Fractal Dimension Spectrum for a Perceptual Complexity Measure 381
W. Kinsner, University of Manitoba, Canada
R. Dansereau, University of Manitoba, Canada
Chapter 21 3D Object Classification Based on Volumetric Parts 398
Weiwei Xing, Beijing Jiaotong University, China
Weibin Liu, Beijing Jiaotong University, China
Baozong Yuan, Beijing Jiaotong University, China
Chapter 22 Modeling Underwater Structures 413
Michael Jenkin, York University, Canada
Andrew Hogue, York University, Canada
Andrew German, University of Ontario Institute of Technology, Canada
Sunbir Gill, York University, Canada
Anna Topol, York University, Canada
Stephanie Wilson, York University, Canada
Chapter 23 A Novel Plausible Model for Visual Perception 428
Zhiwei Shi, Chinese Academy of Science, China
Zhongzhi Shi, Chinese Academy of Science, China
Hong Hu, Chinese Academy of Science, China
Chapter 24 An Efficient and Automatic Iris Recognition System Using ICM Neural
Network 445
Guangzhu Xu, China Three Gorges University, P.R. China
Yide Ma, Lanzhou University, P.R. China
Zaifeng Zhang, Lanzhou University, P.R. China
Chapter 25 Neural Networks for Language Independent Emotion Recognition in Speech 461
Yongjin Wang, University of Toronto, Canada
Muhammad Waqas Bhatti, University of Sydney, Australia
Ling Guan, Ryerson University, Canada
Chapter 26 An Analysis of Internal Representations for Two Artificial Neural Networks
that Classify Musical Chords 485
Vanessa Yaremchuk, McGill University, Canada
Chapter 27 Foundation and Classification of Nonconventional Neural Units and Paradigm
of Nonsynaptic Neural Interaction 508
I. Bukovsky, Czech Technical University, Czech Republic
J. Bila, Czech Technical University, Czech Republic
M. M. Gupta, University of Saskatchewan, Canada
Z-G Hou, The Chinese Academy of Sciences, P.R. China
N. Homma, Tohoku University, Japan
Chapter 28 Scaling Behavior of Maximal Repeat Distributions in Genomic Sequences:
A Randomize Test Follow Up Study 524
J.D. Wang, Asia University, Taiwan
Ka-Lok Ng, Asia University, Taiwan
Compilation of References 532
About the Contributors 566
Index 572
Interested?
Email: zanetapm@gmail.com
0 comments:
Post a Comment