1701571222
且上面的数字比下面数字小的话，
1701571223
1701571224
则在上面的数字前加10，
1701571225
1701571226
且将从左边一列借数作为分目标。
1701571227
1701571228
如果目标是从一列中借数，
1701571229
1701571230
且该列上面的数字不为零的话，
1701571231
1701571232
则将该数减去1。
1701571233
1701571234
如果目标是从一列中借数，
1701571235
1701571236
且该列上面的数字为零的话，
1701571237
1701571238
则用9代替零，
1701571239
1701571240
且将从左边一列借数作为分目标。
1701571241
1701571242
J. R. Anderson（1983）的理论并非只想回答知识表征的问题。相反，他的目的是创造一种认知结构的理论，一种关于人类认知是如何实际运作的理论。他提出一个同时包含记忆存储和特殊加工结构的系统。有趣的是，这一宽泛的目标反倒使他建立的有关知识表征的模型与那些目标更为集中的研究者所提出的模型非常吻合。
1701571243
1701571244
在ACT的模型中，工作记忆实际上是陈述性记忆的一部分，在任何时刻都是被高度激活的。当在陈述性记忆中与相关产生规则条件相对应的节点被激活时，产生规则也同样得到激活。当产生规则被执行时，它们能够在陈述性记忆的范围内产生新的节点。因此，ACT模型也被描述成一种关于人类认知的“以激活为基础的”模型（Luger，1994）。
1701571245
1701571246
1701571247
1701571248
1701571249
认知心理学：认知科学与你的生活（原书第5版） [:1701568108]
1701571250
认知心理学：认知科学与你的生活（原书第5版） 7.1.3 联结主义模型
1701571251
1701571252
本章伊始我就做过图书馆的比喻，储存在长时记忆中的每一条信息都象征着一个特定的项目，被储存在某个特殊的地方，就如同图书馆中的一本书一样。在假定存在一个或多个不同的记忆“储存”的信息加工框架里，这个比喻是相当有用的。
1701571253
1701571254
而联结主义模型做了非常不同的假设，因此不会很容易地就与前面的图书馆隐喻相结合。让我们对联结主义的记忆模型作一个简要的回顾，以了解其中的道理。James McClelland，这位认知联结主义模型的先驱认为：
1701571255
1701571256
联结主义记忆模型带来了这一思想，即项目在记忆中的储存是这样的。其基本观点是，存储在记忆中的是一系列指令神经元相互传递的变化，它们影响到给定的输入可以建构的活动模式，根据这个观点，当经历了一个事件后，它就会通过一系列的加工单元形成一种活动模式。这一活动模式就是对该事件的表征。这种活动方式的形成引发了指令的创造，这组指令于是就存储在这些单元的联结中，随时接受接下来的活动模式构建的调遣。在某些情况下（例如，当这种构建过程发生于对回忆线索的反应之中时），该线索可能导致一种激活模式的建构，可以视作一种对先前经历过的事件的重建。这种重建的表征对应了一种回忆。而这些模式本身并没有得到储存，也不是真正的“提取”，回忆并不是提取，而是重建（2000，p.583）。
1701571257
1701571258
让我们来看一个具体的例子，比较一下语义记忆的网络模型和联结主义模型。图7-5a代表着由不同概念组成的语义网络模型，看起来很熟悉。而图7-5b呈现的是由同样概念组成的联结主义模型。知更鸟的概念，在图7-5a是作为一个特殊的节点，并且和其他节点之间有相关性的连接，而在图7-5b中则表示为一个被激活的特定单元组。一个单元可能对应着某些生物的一种能力（如飞翔）或对应着某些方面（如颜色）。深色的单元就是被激活的单元，联结主义网络在经过尝试以后便可得知，当“知更鸟”的节点被激活时，相关的其他节点也会被激活（如“能够”和“生长”，“移动”和“飞翔”，但不包括“游泳”）。
1701571259
1701571260
1701571261
1701571262
1701571263
1701571264
1701571265
1701571266
图7-5 图7-5a是关于“知更鸟”的网络描述示意。图7-5b中联结主义网络模型对图7-5a中同样的信息给出了不同的描述
1701571267
1701571268
这种学习是如何发生的呢？事实上，联结主义网络中激活模式的形成需要经过多次实例的练习才能完成。我们称这种过程为“反向传播”，这一过程相当复杂，但这里我将对之做一非常简化的阐述。
1701571269
1701571270
最初，单元间联结（图7-5b中呈现的不同单元之间的连接线）的权重都是随机和中性的（如0.5，假设最小值和最大值分别为0和1）。激活权重会使得它们连接的单元变得活跃（或不活跃）。给网络呈现一个特定的实例（输入模式），之后会引发一个特定的输出，于是练习就发生了。所以，举一个练习的实例来说，当“知更鸟”这一单元开始活跃时，“会”“漂亮”“飞翔”和“树枝”这些单元也会随之被激活。这些输出的内容再与目标（正确）输出如所有被激活的“会”“生长”“移动”和“飞翔”等而不是其他单元进行比较。网络连接就会在这一方向上进行调整（它们的值接近于1），而其他的连接值则会下降（趋近于0），而随着新实例的出现，这样的练习会重复进行。
1701571271