认知计算 视觉特征的提 智能行为 语言加工 取方法 选择性注意 视觉信息形式 词汇切分的影 化描述方法 响因素 语义趟述方 语言认知 P视感知 听感知 学习 学习 感知理论 感知学习 听觉定位计算 有效编码理论 模型 知觉组织机理 环境 听觉感知组织 时空编码 计算模 下吏学模型 史忠植2009基础研究
INSTITUTE OF COMPUTING TECHNOLOGY 2009/5/22 史忠植 2009基础研究 11 认知计算 感知学习 有效编码理论 知觉组织机理 时空编码 视觉特征的提 取方法 视觉信息形式 化描述方法 语义描述方法 语言加工 选择性注意 词汇切分的影 响因素 听觉定位计算 模型 听觉感知组织 计算模 声学模型
感知学习 吖糾讲算西 感知学习 empty 感知学习是发生在 extinguisher of s-percepts 感知水平上的学习, Learning ser Agregate erators ),罐 operator 主要研究如何从低 Images with/thout a 级的传感器输入的 given target 原始数据获取相关 Decision Heuristic says go on multiple-instances 的抽象数据。 Nicolas Bredeche, Zhongzhi Shi, Jean-Daniel Zucker, Perceptual Learning and Abstraction in Machine Learning: An Application to Autonomous Robotics 200. Transaction on System, Man, and Cybernetics, 36(2 ): 172-181 史忠植2009基础研究
INSTITUTE OF COMPUTING TECHNOLOGY 2009/5/22 史忠植 2009基础研究 12 感知学习 感知学习是发生在 感知水平上的学习, 主要研究如何从低 级的传感器输入的 原始数据获取相关 的抽象数据。 感知学习 Nicolas Bredeche, Zhongzhi Shi, Jean-Daniel Zucker, Perceptual Learning and Abstraction in Machine Learning: An Application to Autonomous Robotics. IEEE Transaction on System, Man, and Cybernetics, 36(2): 172-181
有效编码 感知学习的有效编码理论 Sparse representation 面向知觉任务的有效编码模型 有机地把注意选择机制嵌入到 有效编码模型中,提高了有效 编码模型的编码效率。 .Zhongzhi Shi, Qingyong Li, Zheng Zheng Suplee Visual Perceptual Learning. Invited speech, In Proc. IEEE International Conference on (Retim Neural Network Brain, 75-80. Beijing, China, 2005 Qingyong Li Zhiping shi Zhongzhi shi A Selective Sparse Coding Model with n(2 Embedded attention mechanism International Journal of Cognitive Informatic509基础研究 a Natural Intelligence
INSTITUTE OF COMPUTING TECHNOLOGY 2009/5/22 史忠植 2009基础研究 13 感知学习的有效编码理论 面向知觉任务的有效编码模型 有机地把注意选择机制嵌入到 有效编码模型中，提高了有效 编码模型的编码效率。 •Zhongzhi Shi, Qingyong Li, Zheng Zheng. Visual Perceptual Learning. Invited speech, In Proc. IEEE International Conference on Neural Network & Brain, 75-80. Beijing, China, 2005. • Qingyong Li Zhiping Shi Zhongzhi Shi A Selective Sparse Coding Model with Embedded Attention Mechanism. International Journal of Cognitive Informatics and Natural Intelligence. 有效编码 Natural image Retina Simple cell Complex cell Attentio n (1) Attentio n (2)
知觉组织 吖糾讲算西 格式塔知觉组织法则量化基于人类的感知经验,我们 通过对人类感知经验的学习,确利用机器学习的方法估计格 定在一定的语境下,各组织法则式塔组织法则(邻近性、相 的量化域值。 似性、连续性)在不同环境 邻近性法则画下的影响因子及量化域值, 学习组织规则,设计了全新 o●o 的知觉组织系统,提高了图 相似性法 像分割的性能,更好地诠释 ●°8和发展了知觉组织法则,探 索了一条把脑科学、认知科 学和计算机科学相结合,来 连续性法则 - 提高机器智能的思路
INSTITUTE OF COMPUTING TECHNOLOGY 2009/5/22 史忠植 2009基础研究 格式塔知觉组织法则 量化 通过对人类感知经验的学习，确 定在一定的语境下，各组织法则 的量化域值。 14 知觉组织 邻近性法则 相似性法则 连续性法则 基于人类的感知经验，我们 利用机器学习的方法估计格 式塔组织法则（邻近性、相 似性、连续性）在不同环境 下的影响因子及量化域值， 学习组织规则，设计了全新 的知觉组织系统，提高了图 像分割的性能，更好地诠释 和发展了知觉组织法则，探 索了一条把脑科学、认知科 学和计算机科学相结合，来 提高机器智能的思路
知觉组织 吖糾讲算西 量化过程 预处理.求出图像中的边线 段及其各边的属性值; 手标注格式塔法则 定义边段间的几何距离、亮 显著关系城值学习 度差异及方向差异 对边线段的属性值进行属性 像集/边(0 川练图 识率 和规则 概化处理,对格式塔法则进行 手工描画组织椒则 语义模糊化; 物体轮学习 分析各法则与边线段各差异 值间的相关度,以确定三个格 式塔法则的影响因子; 估计概化域值,使得达到最大 学习格式塔法则的域值 的可信水平 和组织规则的系统框图 史忠植2009基础研究
INSTITUTE OF COMPUTING TECHNOLOGY 2009/5/22 史忠植 2009基础研究 15 z 学习格式塔法则的域值 和组织规则的系统框图 知觉组织 量化过程 预处理. 求出图像中的边线 段及其各边的属性值; 定义边段间的几何距离、亮 度差异及方向差异 对边线段的属性值进行属性 概化处理,对格式塔法则进行 语义模糊化; 分析各法则与边线段各差异 值间的相关度,以确定三个格 式塔法则的影响因子; 估计概化域值,使得达到最大 的可信水平