人類智能具有快速學(xué)習(xí)和靈活遷移的特點,在應(yīng)對復(fù)雜多變的外部環(huán)境時較人工智能系統(tǒng)表現(xiàn)出不可比擬的優(yōu)勢。智能系統(tǒng)運算加工的效率取決于其內(nèi)部的表征(Marr,1982;Neisser,1967),良好的表征形式正是人類智能擁有該優(yōu)勢的重要原因�，F(xiàn)有的視知覺研究大多圍繞著“特征”和“客體”等心理表征形式展開(TreismanGelade,1980;Kahneman,TreismanGibbs,1992)。然而,生活中的現(xiàn)實場景遠(yuǎn)比“特征”和“客體”復(fù)雜得多。視覺系統(tǒng)能夠識別場景中的多個對象,理解其中的復(fù)雜關(guān)系,并提取出視覺場景的語義(ZhuMumford,2007)。人類的認(rèn)知系統(tǒng)如何高效地表征復(fù)雜多變的視覺場景是當(dāng)前認(rèn)知心理學(xué)領(lǐng)域的重要理論問題。由于帶有視覺語法的層級結(jié)構(gòu)可通過遞歸的方式構(gòu)建出多層次關(guān)系,以表示整個場景,且不同的場景信息都可以表達(dá)為這一形式,筆者據(jù)此認(rèn)為,場景信息是以視覺語法層級樹的形式加以表征的。本論文擬圍繞上述假設(shè)開展系統(tǒng)研究。本研究針對場景區(qū)域分割信息,采用心理物理法與計算建模技術(shù),以層級結(jié)構(gòu)的節(jié)點深度效應(yīng)為指標(biāo)就場景信息的層級結(jié)構(gòu)表征進(jìn)行了系統(tǒng)考察。整個研究由兩部分組成。研究一主要探討視覺系統(tǒng)能否對場景中具有復(fù)雜空間關(guān)系的多個區(qū)域構(gòu)建層級結(jié)構(gòu)表征。該部分研究中,以分割法則為場景區(qū)域關(guān)系語法規(guī)則的層級樹,通過層層迭代的方式生成場景分割圖,比較層級樹中不同深度節(jié)點變化條件下的記憶績效,以檢驗層級表征存在與否。研究二選取水平和垂直切割規(guī)則下的場景區(qū)域分割信息,嘗試性地就其層級表征的計算過程進(jìn)行認(rèn)知建模,并通過比較人和模型在場景分割相關(guān)認(rèn)知任務(wù)中的績效對該模型加以檢驗。本研究獲得以下主要結(jié)論:(1)在場景區(qū)域分割信息的加工中,層級結(jié)構(gòu)中不同深度節(jié)點的屬性變化產(chǎn)生了不同的行為績效,且該績效差異不能由顏色變化面積等方面的差異所解釋。上述結(jié)果表明場景信息加工中存在層級表征。(2)在不同結(jié)構(gòu)類型和不同切割規(guī)則的場景區(qū)域信息加工中,不同節(jié)點深度條件的績效差異均存在。上述結(jié)果表明場景信息的層級表征具有普遍性,不僅具有跨層級結(jié)構(gòu)類型的一致性,且具有跨語法規(guī)則的一致性。(3)構(gòu)建了基于貝葉斯推斷方法的認(rèn)知模型。該模型針對場景分割任務(wù)輸出的結(jié)果與人的績效一致�？梢哉J(rèn)為,該計算模型良好地仿真了層級表征的構(gòu)建及其在場景信息相關(guān)認(rèn)知任務(wù)中的計算過程。本研究首次針對視覺場景,為發(fā)展描述實際執(zhí)行過程的心理學(xué)理論提供了有益的嘗試,也為將心理學(xué)研究應(yīng)用于人工智能算法設(shè)計提供了示范性的案例。
【學(xué)位單位】：浙江大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2018
【中圖分類】：B842
【部分圖文】：

層級樹的核心在于通過迭代、遞歸，將“有限的組件”在“有限的規(guī)則”層層組裝，用以表達(dá)無限的知識。這使得它同時滿涵蓋廣、空間小、搜索快對智能知識表征的要求。其中有限組件與層層迭代缺一不可。假如只用有限件來表征復(fù)雜的知識，則會在“涵蓋范圍”與“空間尺度”上陷入兩難。如件的數(shù)目過少，則假設(shè)空間范圍雖小，但其涵蓋范圍同時過窄，使得認(rèn)知模于“天真”，無法捕獲外部世界的復(fù)雜性。而如果組件數(shù)目過多，遍歷各種情則表征涵蓋范圍雖廣，但尺度太大，會陷入前述“無序圖書館困境”。而層通過對有限組塊的在縱深上的重復(fù)利用化解了上述兩難。完全不同的復(fù)雜情可以“共享”完全相同的組件，不同的僅僅是對組件進(jìn)行組裝的樹狀結(jié)構(gòu)。對新的、更復(fù)雜的情景時，層級樹并不需要添加新的組件，而只需要對舊組新的樹狀結(jié)構(gòu)下進(jìn)行重組。同時，由于表征被限定在了樹狀結(jié)構(gòu)下，模型對假設(shè)的搜索也變得高效。對正確表征的搜索過程，即是對一個樹狀結(jié)構(gòu)的生

轉(zhuǎn)換－生成語法理論中的層級結(jié)構(gòu)表征，在諸多層面的語言認(rèn)知研究如句法Ｃｈｏｍｓｋｙ．?１９６４）、語義識別（Ｓｍｉｔｈ，?Ｓｈｏｂｅｎ，＆Ｒｉｐｓ，?１９７４）和語音識別（ＮｏｒｒｉｓｃＱｕｅｅｎ，?２００８）等領(lǐng)域中均獲得了證據(jù)。最近的研究則進(jìn)一步揭示了與語相關(guān)的“概念學(xué)習(xí)”領(lǐng)域的等級表征（Ｈａｍｌｉｎ?ｅｔａｌ．，?２０１３；?Ｊｏｈｎｓｏｎ＆Ｋｅｉｌ，?２０１４）的層級結(jié)構(gòu)表征也得到了認(rèn)知神經(jīng)科學(xué)證據(jù)的支持。在最近一項受到喬姆度評價和多次引用的工作中，有研究者（Ｄｉｎｇ，?Ｚｈａｎｇ，?Ｔｉａｎ，?＆?Ｐｏｅｐｐｅｌ，?２０１６）利用腦磁圖（ＭＥＧ）和頡內(nèi)腦電（ＥＣｏＧ）測量，發(fā)現(xiàn)對于聽覺通道輸入刺激，不同周期的神經(jīng)震蕩可以并行跟蹤單詞、短語和句子等不同層次語的加工進(jìn)程。??轉(zhuǎn)換－生成語法理論不僅提出了理解語言的表征，并提供了相應(yīng)的對該表征的??法則?“情景－獨立語法”（ｃｏｎｔｅｘｔ－ｆｒｅｅ?ｇｒａｍｍａｒ，?ＣＦＧ）。其中，“語法”??組塊分解為小組塊的規(guī)則的集合�！扒榫蔼毩ⅰ敝刚Z法規(guī)則本身不受其出

的穩(wěn)定性和內(nèi)容的靈活性。多次調(diào)用此程序即可生成大量的相似有不同的圖形。??例如，程序模型可通過有限的示例圖形，學(xué)習(xí)到古代東亞的建筑風(fēng)格，并以此為??基礎(chǔ)生成了大量類似的建筑（Ｔａｌｔｏｎ?ｅｔ?ａｌ．，２０１２，圖１．３）。ＰＣＦＧ也被應(yīng)用到基因組??功能識別（Ｋｎｕｄｓｅｎ?＆?Ｈｅｉｎ，２００３），網(wǎng)頁設(shè)計（Ｔａｌｔｏｎ?ｅｔ?ａｌ．，?２０１２）等領(lǐng)域。??ｉ?—?一…ｙ?＃；ｖ；：?Ｃ?＿??－Ｉ?：秦，１．、Ａ?．農(nóng)多占．．之?４?—??％?心?，－士?－?’?４?一七＇?二、?．??圖１．３通過語法歸納學(xué)習(xí)建筑風(fēng)格（Ｔａｌｔｏｎ?ｅｔａｌ．．?２０１２）??１．４視覺表征??１．４．１視覺的語義輸出??本文重點關(guān)注表征在“視覺”這一認(rèn)知科學(xué)的核心領(lǐng)域中的作用。人類視覺??的最終輸出可涵蓋大量豐富的內(nèi)容和意義，包括視覺場景的結(jié)構(gòu)，物體在場景中??的作用，物體與物體間的關(guān)系，人與物的關(guān)系，人與人的關(guān)系，以及人與環(huán)境的??關(guān)系等。??視覺的語義屬性對社會生活具有重大影響，也是攝影能成為一個獨立的藝術(shù)??門類的基礎(chǔ)。大量出色的攝影圖片成為經(jīng)典，并非僅僅是構(gòu)圖精美、內(nèi)容新穎，??而是以它們特有的語言
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 夏楊雄;顧沛峰;徐巧勇;沈濤;;一種數(shù)字電視關(guān)聯(lián)場景信息的傳輸方式及其系統(tǒng)[J];廣播與電視技術(shù);2012年08期

2 陳云彪;蘭天;;基于場景信息注意模型的目標(biāo)檢測技術(shù)研究[J];信息與電腦(理論版);2017年22期

3 孫雨生;張智君;吳彬星;;上下文預(yù)期在快速場景識別中的作用[J];心理學(xué)報;2017年05期

4 徐周;王慧靈;;原生廣告:一種新的品牌傳播手段[J];青年記者;2018年14期

5 王馬龍;胡曉勤;王琳;陳剛;;Android智能手機(jī)用戶場景信息防泄漏系統(tǒng)的研究與實現(xiàn)[J];信息網(wǎng)絡(luò)安全;2013年02期

6 田俊峰;郭玉慧;;基于檢查點場景信息的軟件行為可信預(yù)測模型[J];通信學(xué)報;2018年09期

7 韓峰;寧川;;地形場景信息多通道優(yōu)化繪制仿真研究[J];計算機(jī)仿真;2017年01期

8 湯詩曠;;《百苗圖》中的清代苗寨生活場景概覽與研究[J];建筑遺產(chǎn);2017年04期

9 匡仁炳;宋和平;;基于無線電相關(guān)鏈路分析的無攜帶式定位方法[J];科技廣場;2015年02期

10 吳潔;劉彥華;;VR 下一個風(fēng)口?[J];小康;2016年20期

相關(guān)博士學(xué)位論文 前3條

1 唐寧;視覺場景信息的層級表征[D];浙江大學(xué);2018年

2 朱琳;場景信息估計與遮擋條件下目標(biāo)跟蹤問題研究[D];清華大學(xué);2009年

3 王東;腹側(cè)被蓋區(qū)多巴胺神經(jīng)元編碼激勵與動機(jī)信號[D];華東師范大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 程昊;復(fù)雜場景的主旨提取機(jī)制[D];浙江大學(xué);2011年

2 陳陣;基于場景信息的手機(jī)報警裝置設(shè)計[D];電子科技大學(xué);2010年

3 尚紅霞;陀螺儀在基于Hash結(jié)構(gòu)的三維重建中的應(yīng)用[D];天津大學(xué);2016年

4 蔡驥然;基于智能變電站網(wǎng)絡(luò)全場景信息的二次狀態(tài)在線監(jiān)測技術(shù)研究[D];華北電力大學(xué)(北京);2016年

5 肖志勇;基于可變形部件模型融合上下文的物體類檢測[D];吉林大學(xué);2014年

6 劉慶偉;基于VRML的虛擬校園研究與實現(xiàn)[D];西安建筑科技大學(xué);2007年

7 張靜;基于故事板的大規(guī)模群體行為動畫生成方法的研究[D];天津大學(xué);2014年

8 宋笑林;分布式虛擬現(xiàn)實系統(tǒng)中的場景編輯與運動仿真[D];河南大學(xué);2013年

9 董潤芝;文本中場景識別的研究與分析[D];哈爾濱工業(yè)大學(xué);2010年

10 陳云彪;基于視覺注意機(jī)制的感興趣目標(biāo)檢測研究[D];廈門大學(xué);2014年

本文編號：2865118