啟發(fā)式問題解決認(rèn)知神經(jīng)機(jī)制及fMRI數(shù)據(jù)分析方法研究.pdf

1、人工智能經(jīng)過幾十年的發(fā)展，取得了一定的成績，也面臨很大的困惑。問題解決是人類思維的最一般形式，是人類高級智能的具體表現(xiàn)，理解與探索人腦問題解決神經(jīng)機(jī)制和信息加工過程可為人工智能提供新的思路。出于“認(rèn)識腦、保護(hù)腦、開發(fā)腦、創(chuàng)造腦”的目的，問題解決的認(rèn)知神經(jīng)機(jī)制以及信息加工過程的研究已經(jīng)越來越多地受到了不同領(lǐng)域研究人員的關(guān)注。
　　 本研究是國家自然科學(xué)基金項(xiàng)目“問題求解中啟發(fā)式搜索的認(rèn)知神經(jīng)機(jī)制研究”(ID：60875075)中的

2、主要組成部分，屬于探索性研究。問題解決信息加工理論認(rèn)為：問題解決就是通過不斷操作算子，使問題從初始狀態(tài)變化到目標(biāo)狀態(tài)的過程，使用啟發(fā)式算子可以提高問題解決效率。依據(jù)該理論，針對問題解決過程中啟發(fā)式算子搜索與運(yùn)用的認(rèn)知神經(jīng)機(jī)制和信息加工過程進(jìn)行了系統(tǒng)的研究，并提出了基于分類與聚類的Fmri數(shù)據(jù)分析方法。主要工作和創(chuàng)新點(diǎn)如下：
　　 ⑴針對算子搜索與運(yùn)用認(rèn)知神經(jīng)機(jī)制，提出了新的問題解決實(shí)驗(yàn)范式，并設(shè)計(jì)了兩個認(rèn)知實(shí)驗(yàn)：啟發(fā)式規(guī)則運(yùn)用與

3、提??；啟發(fā)式規(guī)則搜索。第一個認(rèn)知實(shí)驗(yàn)重點(diǎn)研究人腦如何提取并運(yùn)用特定算子，第二個重點(diǎn)研究人腦合理選擇和搜索合適算子進(jìn)行狀態(tài)空間搜索的神經(jīng)機(jī)制。
　　 ⑵采用多角度Fmri數(shù)據(jù)分析方法，研究分析了算子搜索與運(yùn)用的神經(jīng)機(jī)制和信息加工過程。通過腦功能定位分析，發(fā)現(xiàn)了算子搜索與運(yùn)用的激活腦區(qū)。在此基礎(chǔ)上，通過功能連接分析探索激活腦區(qū)之間的連接模式，并提出了算子搜索與運(yùn)用認(rèn)知過程的假設(shè)。進(jìn)一步通過ACT-R建立的認(rèn)知模型驗(yàn)證了該假設(shè)，該模型

4、與實(shí)際數(shù)據(jù)的擬合程度達(dá)80[％]以上，說明了該假設(shè)與模型比較客觀地反映了實(shí)際信息加工過程，為理解啟發(fā)式問題解決信息加工過程提供了有力支持。
　　 ⑶分析了現(xiàn)有的Fmri分類算法，提出了SVVC數(shù)據(jù)分類方法，該方法可以分析特定腦區(qū)與認(rèn)知過程的相關(guān)性，能較好地預(yù)測高級思維狀態(tài)。通過提取單體素BOLD時間序列，訓(xùn)練單體素分類器，并使用AdaBoost算法集成單體素分類結(jié)果，分類正確率高達(dá)90[％]。研究對比了不同特征選擇方法以及不同分

5、類算法的分類情況，結(jié)果表明使用AdaBoost算法的方法性能最好，而選擇與問題解決相關(guān)的腦區(qū)作為分類特征的分類性能較好。
　　 ⑷提出了基于BOLD模式聚類的Fmri數(shù)據(jù)分析方法，并運(yùn)用該方法進(jìn)行大腦協(xié)同工作模式的分析。通過提取全腦所有體素的BOLD效應(yīng)，并對這些BOLD模式進(jìn)行聚類分析，發(fā)現(xiàn)了典型的BOLD模式及其在大腦中的分布情況。在此基礎(chǔ)上，進(jìn)一步從時間和空間上分析了大腦協(xié)同工作情況。該方法是一種全面揭示大腦協(xié)同工作模式的