第1部分基础知识.docx
《第1部分基础知识.docx》由会员分享，可在线阅读，更多相关《第1部分基础知识.docx（10页珍藏版）》请在冰豆网上搜索。
第1部分基础知识
第1部分基础知识
第1章人工智能概述
第2章知识表示方法
第3章AI编程基础
第1章人工智能概述
人工智能（artificialintelligence，AI）是计算机科学、控制论、信息论、神经生理学、心理学、语言学等诸多学科相互交叉、相互渗透而发展起来的一门新兴边缘学科。
它主要研究如何用机器（计算机）来模拟和实现人类的智能行为。
人工智能技术同原子能技术、空间技术一起被称为20世纪三大科技成就。
人工智能中的专家系统、机器学习、自然语言理解等分支领域已经投入使用。
一个智能化信息处理的新时代正向世界走来。
近年来，计算机网络，特别是因特网的迅猛发展和广泛应用，又为人工智能提供了新的广阔天地。
信息化需要智能化的支持，人工智能在信息高速公路上也将发挥重要作用。
目前，世界各国对人工智能的研究都十分重视，纷纷投入大量的人力、物力和财力，激烈争夺这一高新技术的制高点。
人工智能的前景诱人，同时也任重道远。
本章作为概述，主要讨论人工智能的定义、研究目标、研究内容、研究途径与方法、主要特点、研究领域、基本技术、形成过程及发展趋势等，目的在于展示一个处于不断发展中的人工智能的概貌。
1.1人工智能的概念
1.1.1人工智能
所谓“人工智能”是指用计算机模拟或实现的智能。
作为一门学科，人工智能研究的是如何使机器（计算机）具有智能的科学和技术，特别是人类智能如何在计算机上实现或再现的科学和技术。
因此，从学科角度讲，当前的人工智能是计算机科学的一个分支。
人工智能虽然是计算机科学的一个分支，但它的研究却不仅涉及计算机科学，而且还涉及脑科学、神经生理学、心理学、语言学、逻辑学、认知（思维）科学、行为科学和数学、信息论、控制论和系统论等众多学科领域。
因此，人工智能实际上是一门综合性的交叉学科和边缘学科。
广义的人工智能学科是模拟、延伸和扩展人的智能，研究与开发各种机器智能和智能机器的理论、方法与技术的综合性学科。
人工智能是一个含义很广的词语，在其发展过程中，具有不同学科背景的人工智能学者对它有着不同的理解，提出了一些不同的观点，人们称这些观点为符号主义（symbolism）、连接主义（connectionism）和行为主义（actionism）等，或者叫做逻辑学派（logicism）、仿生学派（bionicsism）和生理学派（physiologism）。
此外还有计算机学派、心理学派和语言学派等。
斯坦福大学人工智能研究中心的尼尔逊（N.J.Nilsson）教授从处理的对象出发，认为“人工智能是关于知识的科学，即怎样表示知识、怎样获取知识和怎样使用知识的科学”。
麻省理工学院温斯顿（P.H.Winston）教授则认为“人工智能就是研究如何使计算机去做过去只有人才能做的富有智能的工作”。
斯坦福大学费根鲍姆（E.A.Feigenbaum）教授从知识工程的角度出发，认为“人工智能是一个知识信息处理系统”。
综合各种不同的人工智能观点，可以从“能力”和“学科”两个方面对人工智能进行定义。
从能力的角度来看，人工智能是相对于人的自然智能而言的，所谓人工智能是指用人工的方法在机器（计算机）上实现的智能；从学科的角度来看，人工智能是作为一个学科名称来使用的，所谓人工智能是一门研究如何构造智能机器或智能系统，使它能模拟、延伸和扩展人类智能的学科。
总之，人工智能是一门综合性的边缘学科。
它借助于计算机建造智能系统，完成诸如模式识别、自然语言理解、程序自动设计、自动定理证明、机器人、专家系统等智能活动。
它的最终目标是构造智能机。
如何衡量机器是否具有智能呢？
早在1950年，人工智能还没有作为一门学科正式出现之前，英国数学家图灵（A．M．Turing）就在他发表的一篇文章“ComputingMachineryandIntelligence（计算机器与智能）”中提出了“机器能思维”的观点，并设计了一个很著名的测试机器智能的实验，称为“图灵测试”或“图灵实验”。
该测试的参加者由一位测试主持人和两个被测试者组成。
要求两个被测试者中的一个是人，另一个是机器。
测试规则是：
让测试主持人和每个被测试者分别位于彼此不能看见的房间中，相互之间只能通过计算机终端进行会话。
测试开始后，由测试主持人向被测试者提出各种具有智能性的问题，但不能询问测试者的物理特征。
被测试者在回答问题时，都应尽量使测试者相信自己是“人”，而另一位是“机器”。
在这个前提下，要求测试主持人区分被测试者哪个是人，哪个是机器。
如果无论如何更换测试主持人和被测试者中的人，测试主持人能分辨出人和机器的概率都小于50％，则认为该机器具有了智能。
作为人的一方不能判定对方是人还是机器，那么就认为对方的那台机器达到了人的智能。
对图灵的这个测试标准，也有人提出了疑义：
认为该测试仅反映了结果的比较，既没有涉及思维的过程，也没有明确参加实验的人是小孩还是具有良好素质的成年人。
尽管如此，它对人工智能这门学科的发展所产生的影响则是十分深远的。
要研究人工智能，当然要涉及什么是智能的问题，但这却是一个难以准确回答的问题。
因为关于智能，至今还没有一个确切的公认的定义。
这是由于智能是脑，特别是人脑的属性或者说产物。
但人脑的奥秘至今还未完全揭开。
从系统的观点看，人脑是一个复杂的、开放的、动态的巨系统。
它的内部结构和工作机理，至今人们还不完全清楚。
所以，这就导致了对于智能的多种说法。
譬如有人说智能的基础是知识（因为没有知识的智能是不可想像的）；有人说智能的关键是思维（因为知识是思维产生的）；有人说智能取决于感知和行为，认为智能是在系统与周围环境不断“刺激—反应”的交互中发展和进化的。
作者认为，从内涵来讲，智能应该是知识+思维；从外延来讲，智能就是发现规律、运用规律的能力（或者说获取知识、运用知识的能力）和分析问题、解决问题的能力。
1.1.2为什么要研究人工智能
电子计算机是迄今为止最有效的信息处理工具，以至于人们称它为“电脑”。
但现在的普通计算机系统的智能还相当低下，譬如缺乏自适应、自学习、自优化等能力，也缺乏社会常识或专业知识等，而只能是被动地按照人们为它事先安排好的工作步骤进行工作。
因而它的功能和作用就受到很大的限制，难以满足越来越复杂和越来越广泛的社会需求。
既然计算机和人脑一样都可进行信息处理，那么是否也能让计算机同人脑一样也具有智能呢?
这正是人们研究人工智能的初衷。
事实上，如果计算机自身也具有一定智能的话，那么它的功效将会发生质的飞跃，成为名副其实的电“脑”。
这样的电脑将是人脑更为有效的扩展和延伸，也是人类智能的扩展和延伸，其作用将是不可估量的。
例如，用这样的电脑武装起来的机器人就是智能机器人。
智能机器人的出现，将标志着人类社会进入了一个新的时代。
研究人工智能也是当前信息化社会的迫切要求。
人类社会现在已经进入了信息化时代，但信息化的进一步发展，就必须有智能技术的支持。
例如，当前迅速发展着的因特网就强烈地需要智能技术。
特别是当人们要在因特网上构筑信息高速公路时，其中许多技术问题就要用人工智能的方法来解决。
这就是说，人工智能技术在因特网和未来的信息高速公路上将发挥重要作用。
智能化也是自动化发展的必然趋势。
自动化发展到一定水平，再向前发展就是智能化，即智能化是继机械化、自动化之后，人类生产和生活中的又一个技术特征。
另外，研究人工智能，对探索人类自身智能的奥秘也可提供有益的帮助。
因为人们可以通过电脑对人脑进行模拟，从而揭示人脑的工作原理，发现自然智能的渊源。
1.1.3人类智能的计算机模拟
人类的认知过程是个非常复杂的行为，至今仍未能被完全解释。
人们从不同的角度对它进行研究，从而形成诸如认知生理学、认知心理学和认知工程学等相关学科。
对这些学科的深入研究已超出本书范围。
这里仅讨论几个与人工智能关系密切的问题。
1．研究认知过程的任务
图1.1人类认知活动与计算机的比较
人的心理活动具有不同的层次，它可与计算机的层次相比较，如图1.1所示。
心理活动的最高层级是思维策略，中间一层是初级信息处理，最低层级为生理过程，即中枢神经系统、神经元和大脑的活动。
与此相应的是计算机的程序、语言和硬件。
研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。
令T表示时间变量，x表示认知操作（cognitiveoperation），x的变化x为当时机体状态S（机体的生理和心理状态以及脑子里的记忆等）和外界刺激R的函数。
当外界刺激作用到处于某—特定状态的机体时，便发生变化，即语言和硬件。
计算机也以类似的原理进行工作。
在规定时间内，计算机存储的记忆相当于机体的状态；计算机的输入相当于机体施加的某种刺激。
在得到输入后，计算机便进行操作，使得其内部状态随时间发生变化。
可以从不同的层次来研究这种计算机系统。
这种系统以人的思维方式为模型进行智能信息处理（intelligentinformationprocessing）。
显然，这是一种智能计算机系统。
设计适用于特定领域的这种高水平智能信息处理系统（也称为专家系统）是研究认知过程的一个具体而又重要的目标。
例如，一个具有智能信息处理能力的自动控制系统就是一个智能控制系统，它可以是专家控制系统，或者是智能决策系统等。
2．智能信息处理系统的假设
可以把人看成一个智能信息处理系统。
信息处理系统又叫物理符号系统（physicalsymbolsystem）。
所谓符号就是模式（pattern）。
任一模式，只要它能与其他模式相区别，它就是一个符号。
不同的汉语拼音字母或英文字母就是不同的符号。
对符号进行操作就是对符号进行比较，从中找出相同的和不同的符号。
物理符号系统的基本任务和功能就是辨认相同的符号和区别不同的符号。
为此，这种系统就必须能够辨别出不同符号之间的实质差别。
符号既可以是物理符号，也可以是头脑中的抽象符号，或者是电子计算机中的电子运动模式，还可以是头脑中神经元的某些运动方式。
一个完善的符号系统应具有下列6种基本功能：
（1）输入符号（input）；
（2）输出符号（output）；
（3）存储符号（store）；
（4）复制符号（copy）；
（5）建立符号结构：
通过找出各符号间的关系，在符号系统中形成符号结构；
（6）条件性迁移（conditionaltransfer）：
根据已有符号，继续完成活动过程。
如果一个物理符号系统具有上述全部6种功能，能够完成这个全过程，那么它就是一个完整的物理符号系统。
人能够输入信号，如用眼睛看，用耳朵听，用手触摸等。
计算机也能通过卡片或纸带打孔、磁带或键盘打字等方式输入符号。
人具有上述6种功能，现代计算机也具备物理符号系统的这6种功能。
假设任何一个系统，如果它能表现出智能，那么它就必定能够执行上述6种功能。
反之，任何系统如果具有这6种功能，那么它就能够表现出智能。
这种智能指的是人类所具有的那种智能。
把这个假设称为物理符号系统的假设。
物理符号系统的假设伴随有3个推论，或称为附带条件。
推论一既然人具有智能，那么他（她）就一定是个物理符号系统。
人之所以能够表现出智能，就是基于他的信息处理过程。
推论二既然计算机是一个物理符号系统，它就一定能够表现出智能的基本条件。
这是人工智能的基本条件。
推论三既然人是一个物理符号系统，计算机也是一个物理符号系统，那么就能够用计算机来模拟人的活动。
值得指出，推论三并不一定是从推论一和推论二推导出来的必然结果。
因为人是物理符号系统，具有智能；计算机也是一个物理符号系统，也具有智能，但他（它）们可以用不同的原理和方式进行活动。
所以计算机并不一定都是模拟人活动的，它可以编制出一些复杂的程序来求解方程式，进行复杂的计算。
不过，计算机的这种运算过程未必就是人类的思维过程。
可以按照人类的思维过程来编制计算机程序，这项工作就是人工智能的研究内容，也是智能控制的主要研究内容。
如果做到了这一点，就可以用计算机在形式上来描述人的思维活动过程，或者建立一个理论来说明人的智力活动过程。
3．人类智能的计算机模拟
帕梅拉·麦考达克（PamelaMcCorduck）在她的著名的人工智能历史研究《机器思维》（MachineWhoThink，1979）中曾经指出：
在复杂的机械装置与智能之间存在着长期的联系。
从几世纪前出现的神话般的复杂巨钟和机械自动机开始，人们已对机器操作的复杂性与自身的智能活动进行直接联系。
今天，新技术已使人们所建造的机器的复杂性大为提高。
现代电子计算机要比以往的任何机器复杂几十倍、几百倍，甚至几千倍以上。
计算机的早期工作主要集中在数值计算方面。
然而人类最主要的智力活动并不是数值计算，而是在逻辑推理方面。
物理符号系统假设的推论一也告诉我们，人有智能，所以他是一个物理符号系统。
推论三指出，可以编写出计算机程序去模拟人类的思维活动。
这就是说，人和计算机这两个物理符号系统所使用的物理符号是相同的，因而计算机可以模拟人类的智能活动过程。
计算机的确能够很好地执行许多智能功能，如下棋、证明定理、翻译语言文字和解决难题等。
这些任务是通过编写与执行模拟人类智能的计算机程序来完成的。
当然，这些程序只能接近于人的行为，而不可能与人的行为完全相同。
此外，这些程序所能模拟的智能问题，其水平还是很有限的。
作为例子，考虑下棋的计算机程序。
现有的国际象棋程序是十分熟练的、具有人类专家棋手水平的最好实验系统，但是下得没有像人类国际象棋大师那样好。
该计算机程序对每个可能的走步空间进行搜索，它能够同时搜索几千种走步，进行有效搜索的技术是人工智能的核心思想之一。
不过，计算机不一定是最好的棋手，其原因在于：
向前看并不是下棋所必须具有的一切，需要彻底搜索的走步又太多；在寻找和估计替换走步时并不能确信能够导致博弈的胜利。
国际象棋大师们具有尚不能解释的能力。
一些心理学家指出，当象棋大师们盯着一个棋位时，在他们的脑子里出现了几千盘重要的棋局，这大概能够帮助他们决定最好的走步。
近年来，智能计算机的研究取得许多重大进展。
对神经型智能计算机的研究就是一个新的范例，它必将为模拟人类智能做出新的贡献。
神经计算机（neuralcomputer）能够以类似人类的方式进行“思考”，它力图重建人脑的形象。
据日本通产省（MITI）报导，对神经计算机系统的可行性研究早于1989年4月底完成，并提出了该系统的长期研究计划的细节。
在美国、英国、中国和其他一些国家，都有众多的研究小组投入对“神经元网络”的研究。
据预测，神经计算机在本世纪将进入实用阶段，并将有产品投放市场。
人脑这个神奇的器官能够复制大量的交互作用，快速处理极其大量的信息，同时执行几项任务。
迄今为止的所有计算机，基本上都未能摆脱冯·诺依曼机的体系结构，只能依次对单个问题进行“求解”。
即使是20世纪80年代初期的并行处理计算机，其运行性能仍然十分有限。
人们期望，对神经计算（neuralcomputing）的研究将造出神经计算机，大大提高信息处理能力，达到更高的人工智能水平。
1.2人工智能的研究目标
关于人工智能的研究目标，目前还没有一个统一的说法。
从研究的内容出发，李文特和费根鲍姆提出了人工智能的9个最终目标。
1．理解人类的认识
此目标研究人类如何进行思维，而不是研究机器如何工作。
要尽量深入了解人的记忆、问题求解能力、学习的能力和一般的决策等过程。
2．有效的自动化
此目标是在需要智能的各种任务上用机器取代人，其结果是要建造执行起来和人一样好的程序。
3．有效的智能拓展
此目标是建造思维上的弥补物，有助于人们的思维更富有成效、更快、更深刻、更清晰。
4．超人的智力
此目标是建造超过人的性能的程序。
如果越过这一知识阈值，就可以导致进一步地增殖，如制造行业上的革新、理论上的突破、超人的教师和非凡的研究人员等。
5．通用问题求解
此目标的研究可以使程序能够解决或至少能够尝试其范围之外的一系列问题，包括过去从未听说过的领域。
6．连贯性交谈
此目标类似于图灵测试，它可以令人满意地与人交谈。
交谈使用完整的句子，而句子是用某一种人类的语言。
7．自治
此目标是一系统，它能够主动地在现实世界中完成任务。
它与下列情况形成对比：
仅在某一抽象的空间做规划，在一个模拟世界中执行，建议人去做某种事情。
该目标的思想是：
现实世界永远比人们的模型要复杂得多，因此它才成为测试所谓智能程序的惟一公正的手段。
8．学习
此目标是建造一个程序，它能够选择收集什么数据和如何收集数据。
然后再进行数据的收集工作。
学习是将经验进行概括，成为有用的观念、方法、启发性知识，并能以类似方式进行推理。
9．存储信息
此目标就是要存储大量的知识，系统要有一个类似于百科词典式的，包含广泛范围知识的知识库。
要实现这些目标，需要同时开展对智能机理和智能构造技术的研究。
即使对图灵所期望的那种智能机器，尽管它没有提到思维过程，但要真正实现这种智能机器，却同样离不开对智能机理的研究。
因此，揭示人类智能的根本机理，用智能机器去模拟、延伸和扩展人类智能应该是人工智能研究的根本目标，或者叫远期目标。
人工智能研究的远期目标是要制造智能机器。
具体来讲，就是要使计算机具有看、听、说、写等感知能力和交互功能，具有联想、推理、理解、学习等高级思维能力，还要有分析问题、解决问题和发明创造的能力。
简言之，也就是使计算机像人一样具有自动发现规律和利用规律的能力，或者说具有自动获取知识和利用知识的能力，从而扩展和延伸人的智能。
人工智能的远期目标涉及脑科学、认知科学、计算机科学、系统科学、控制论及微电子等多种学科，并有赖于这些学科的共同发展。
但从目前这些学科的现状来看，实现人工智能的远期目标还需要有一个较长的时期。
人工智能研究的近期目标是实现机器智能，是研究如何使现有的计算机更聪明，即先部分地或某种程度地实现机器的智能，从而使现有的计算机更灵活、更好用和更有用，成为人类的智能化信息处理工具，使它能够运用知识去处理问题，能够模拟人类的智能行为，如推理、思考、分析、决策、预测、理解、规划、设计和学习等。
为了实现这一目标，人们需要根据现有计算机的特点，研究实现智能的有关理论、方法和技术，建立相应的智能系统。
实际上，人工智能的远期目标与近期目标是相互依存的。
远期目标为近期目标指明了方向，而近期目标则为远期目标奠定了理论和技术基础。
同时，近期目标和远期目标之间并无严格界限，近期目标会随人工智能研究的发展而变化，并最终达到远期目标。
需指出的是，人工智能的远期目标虽然现在还不能全部实现，但在某些侧面，当前的机器智能已表现出相当高的水平。
例如，在机器博弈、机器证明、识别和控制等方面，当前的机器智能的确已达到或接近了能同人类抗衡和媲美的水平。
下面的两例可见一斑：
1995年，美国研制的自动汽车（即智能机器人驾驶的汽车），在高速公路上以55km/h的速度，从美国的东部一直开到西部，其中的98.8％的操作都是由机器自动完成的。
1997年5月3日至11日，IBM公司的深蓝巨型计算机与蝉联12年之久的世界象棋冠军卡斯帕罗夫进行了6场比赛，厮杀得难分难解。
在决定胜负的最后一局比赛中，深蓝以不到1h的时间，在第19步棋就轻易逼得卡斯帕罗夫俯首称臣，从而以3.5分比2.5分的总成绩取得胜利。
总之，无论是人工智能研究的近期目标，还是远期目标，摆在人们面前的任务异常艰巨，还有一段很长的路要走。
在人工智能的基础理论和物理实现上，还有许多问题要解决。
当然，仅仅只靠人工智能工作者是远远不行的，还应该聚集诸如心理学家、逻辑学家、数学家、哲学家、生物学家和计算机科学家等，依靠群体的共同努力，去实现人类梦想的“第2次知识革命”。
1.3人工智能研究的基本内容及特点
本节介绍人工智能研究的基本内容、人工智能研究的途径和方法，以及人工智能研究的主要特点。
1.3.1人工智能研究的基本内容
关于人工智能的研究内容，各种不同学派、不同研究领域以及人工智能发展的不同时期，对其有着一些不同的看法。
下面根据人工智能的现状，给出几个对实现人工智能系统来说具有一般意义的基本内容。
1．认知建模
所谓认知可以一般地认为是和情感、动机、意志相对应的理智或认识过程，或者说是为了一定目的，在一定的心理结构中进行的信息加工过程。
美国心理学家浩斯顿（Houston）等人曾把对认知（cognition）的看法归纳为以下5种主要类型：
（1）认知是信息的处理过程；
（2）认知是心理上的符号运算；
（3）认知是问题求解；
（4）认知是思维；
（5）认知是一组相关的活动，如知觉、记忆、思维、判断、推理、问题求解、学习、想像、概念形成及语言使用等。
实际上人类的认知过程是非常复杂的，人们对其研究形成了认知科学（也称思维科学）。
因此，认知科学是研究人类感知和思维信息处理过程的一门学科，它包括从感觉的输入到复杂问题的求解，从人类个体智能到人类社会智能的活动，以及人类智能和机器智能的性质。
其主要研究目的就是要说明和解释人类在完成认知活动时是如何进行信息加工的。
认知科学是人工智能的重要理论基础，对人工智能发展起着根本性的作用。
认知科学涉及的问题非常广泛，除了像浩斯顿提出的知觉、语言、学习、记忆、思维、问题求解、创造、注意、想像等相关联活动外，还会受到环境、社会、文化背景等方面的影响。
从认知观点看，人工智能不能仅限于逻辑思维的研究，还必须深入开展对形象思维和灵感思维的研究。
只有这样，才能使人工智能具有更坚实的理论基础，才能为智能计算机系统的研制提供更新的思想，创造更新的途径。
2．机器感知
所谓机器感知就是要让计算机具有类似于人的感知能力，如视觉、听觉、触觉、嗅觉、味觉。
在这些感知能力中，目前研究较多、较为成功的是机器视觉（或叫计算机视觉）和机器听觉（或叫计算机听觉）。
计算机视觉就是给计算机配上能看的视觉器官，如摄像机等，使它可以识别并理解文字、图像、景物等；计算机听觉就是给计算配上能听的听觉器官，如话筒等，使计算机能够识别并理解语言、声音等。
机器感知是计算机智能系统获取外部信息的最主要途径，也是机器智能不可缺少的重要组成部分。
对计算机视觉与听觉的研究，目前已在人工智能中形成了一些专门的研究领域，如计算机视觉、模式识别、自然语言理解等。
3．机器思维
所谓机器思维就是让计算机能够对感知到的外界信息和自己产生的内部信息进行思维性加工。
由于人类的思维功能包括逻辑思维、形象思维和灵感思维，因此机器思维的研究也应该包括这几个方面。
为了实现机器的思维功能，需要在知识的表示、组织及推理方法，各种启发式搜索及控制策略，神经网络、人脑结构及其工作原理等方面进行研究。
由于人类智能主要来自于大脑的思维活动，因此机器智能也主要应该通过机器的思维功能来实现。
机器思维是机器智能的重要组成部分。
4．机器学习
所谓机器学习就是让计算机能够像人那样自动地获取新知识，并在实践中不断地完善自我和增强能力。
机器学习是机器具有智能的根本途径，也是人工智能研究的核心问题之一。
目前，人类根据对学习的已有认识，已经研究出了不少机器学习方法，如机械学习、类比学习、归纳学习、发现学习、遗传学习和连接学习等。
5．机器行为
所谓机器行为就是让计算机能够具有像人那样的行动和表达能力，如走、跑、拿、说、唱、写、画等。
如果把机器感知看作智能系统的输入部分，那么机器行为则可看作智能系统的输出部分。
机器人学作为人工智能的一个研究领域，包含了机器行为方面的研究。
6．智能系统与智能计算机
无论是人工智能的近期目标还是远期目标，都需要建立智能系统或构造智能机器，因此需要开展对系统模型、构造技术、构造工具及语言环境等方面的研究。
1.3.2人工智能的研究途径与方法
智能是脑特别是人脑所具有的。
那么要实现人工智能，自然就离不开对人脑的借鉴，其中包括对人脑的结构、功能和人脑具有智能的原因、过程等的借鉴。
于是，就产生了如下几种人工智能研究途径和方法。
1.基于结构模拟的神经计算
所谓结构模拟
升级会员 