馮 康

（淮南師范學(xué)院計(jì)算機(jī)學(xué)院，安徽淮南 232038）

一元模糊事件PMJ模型研究

馮 康

（淮南師范學(xué)院計(jì)算機(jī)學(xué)院，安徽淮南 232038）

為改正現(xiàn)有的PMJ認(rèn)知計(jì)算模型存在的不足及發(fā)現(xiàn)認(rèn)知的規(guī)律，提出了一元模糊事件PMJ認(rèn)知計(jì)算模型.它在感知表征中增加了相關(guān)性選擇器，在記憶表征中設(shè)計(jì)了長時記憶體和短時記憶體，在判斷表征中以目標(biāo)映射未完成任務(wù)，并以一元模糊事件作為感知表征的輸入信息，具有選擇性注意、長時記憶、短時記憶、回憶、遺忘等認(rèn)知機(jī)制.圖式記憶實(shí)驗(yàn)發(fā)現(xiàn):在發(fā)生遺忘時，長時記憶體容量的增加能夠增加任務(wù)的完成率；在不發(fā)生遺忘時，長時記憶體容量的增加不影響任務(wù)的完成率；不管是否發(fā)生遺忘，短時記憶體長度的改變都不影響任務(wù)的完成率.因此，一元模糊事件PMJ認(rèn)知計(jì)算模型改正了PMJ認(rèn)知計(jì)算模型存在的不足，發(fā)現(xiàn)了長時記憶體容量和短時記憶體長度影響任務(wù)完成率的認(rèn)知規(guī)律，是開展認(rèn)知計(jì)算的理想模型.

認(rèn)知計(jì)算；大腦模型；一元模糊事件；記憶結(jié)構(gòu)；認(rèn)知系統(tǒng)

認(rèn)知計(jì)算是大腦認(rèn)知的完整表征，它是認(rèn)知科學(xué)研究的核心，提供了用計(jì)算過程來解釋大腦認(rèn)知的理論基礎(chǔ)，得到了世界各國的高度重視.美國政府2014財(cái)政年度投入巨資啟動的“大腦活動圖譜（Brain Activity Map，BAM）”重大研究課題（也稱“腦計(jì)劃”）中，認(rèn)知計(jì)算是BAM的一項(xiàng)重要子課題.《科學(xué)》雜志專門撰文［1］，闡述了認(rèn)知計(jì)算在BAM中的重要意義.我國也在《國家中長期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要（2006～2020）》中將認(rèn)知計(jì)算列為認(rèn)知科學(xué)領(lǐng)域的首要子課題.因此，認(rèn)知計(jì)算是一項(xiàng)意義深遠(yuǎn)的基礎(chǔ)研究［2］.

圖1　一元模糊事件PMJ認(rèn)知計(jì)算模型

1 一元模糊事件PMJ認(rèn)知計(jì)算模型

為改正PMJ認(rèn)知計(jì)算模型的不足，筆者提出了一元模糊事件PMJ認(rèn)知計(jì)算模型.如圖1所示，該模型在PMJ認(rèn)知計(jì)算模型的基礎(chǔ)上，以一元模糊事件代替PMJ認(rèn)知計(jì)算模型中的刺激信息，并增加了“目標(biāo)”單元作為感知表征和判斷表征的控制單元.

圖1中，一元模糊事件是多個刺激信息相互作用的一種表達(dá)形式［12］，記為e=［x1（ax1），x2（ax2），…，xn（axn）］→y（ay），n≥2.不同的刺激信息被表達(dá)為認(rèn)知元x（ax）的形式，x是刺激信息的屬性，ax是感覺器官感覺的屬性值（具有模糊性）.多個認(rèn)知元相互作用，生成一個新的認(rèn)知元y（ay），稱為發(fā)生了一個一元模糊事件.以一元模糊事件代替PMJ認(rèn)知計(jì)算模型中的刺激信息，實(shí)際上是認(rèn)為視覺、聽覺、嗅覺、觸覺等刺激信息不是孤立地一個一個單獨(dú)被感知的，而是作為一個有作用關(guān)系的一元模糊事件被整體感知的，從而屏蔽了這些刺激信息編碼的模態(tài)特異性，而且一元模糊事件也是心理學(xué)“圖式理論”中原型的量化表達(dá)［13］，非常適合作為認(rèn)知計(jì)算的輸入信息.

定義1 目標(biāo).目標(biāo)g是一元模糊事件PMJ認(rèn)知計(jì)算模型某一時刻對記憶表征中記憶的認(rèn)識及所有未完成任務(wù)的映射.假設(shè)記憶表征中記憶的全部認(rèn)識的集合CLMB=［cL1，cL2，…，cLi，…，cLn］，未完成任務(wù)的集合WUF=［wU1，wU2，…，wUj，…，wUm］，則目標(biāo)g=［cL1，cL2，…，cLn］∪［wU1，wU2，…，wUm］.

定義2 相關(guān).對于一元模糊事件e= ［x1（ax1），x2（ax2），…，xn（axn）］→y（ay），認(rèn)識c=f［x1（bx1），x2（bx2），…，xn（bxn）］m→y（1），任務(wù)w=［?］→y（ay），如果它們的必元屬性或結(jié)元屬性完全相同，則稱它們是相互相關(guān)的，記作e∝c，e∝w，c∝w.

2 感知的表征

感知表征中的映射規(guī)則一定要體現(xiàn)“選擇性注意”.為此，感知表征硬件結(jié)構(gòu)被設(shè)計(jì)成一個“相關(guān)性”篩選器，對所有外界輸入的一元模糊事件進(jìn)行篩選.“相關(guān)性”篩選器的工作原理是:將外界輸入的一元模糊事件e與目標(biāo)g映射的每個認(rèn)識及未完成的任務(wù)逐一比較，如果e∝cLi或e∝wUj，則該一元模糊事件將被“相關(guān)性”篩選器選中，進(jìn)入感知表征的認(rèn)知計(jì)算流程；否則，該一元模糊事件將被“相關(guān)性”篩選器拒絕，不能進(jìn)入認(rèn)知計(jì)算的處理.

感知表征的算法是將“相關(guān)性”篩選器選中的一元模糊事件e計(jì)算為認(rèn)識，如文獻(xiàn)［12］所述，認(rèn)識記為c=f［x1（bx1），x2（bx2），…，xn（bxn）］m→y（1），是感知表征對外界刺激信息一元模糊事件e的感知結(jié)果，也是“圖式理論”中圖式的量化表達(dá).若存在e∝cLi，則可采用反饋算法ASC將e計(jì)算為后繼認(rèn)識c，則該認(rèn)識c的經(jīng)驗(yàn)因子m＞1；若僅存在e∝wUj，可采用直覺法APC將e計(jì)算為初始認(rèn)識c，則該認(rèn)識c的經(jīng)驗(yàn)因子m=1.

3 記憶的表征

由于記憶表征在感知表征之后進(jìn)行，因此它的輸入信息是認(rèn)識c.

3.1映射規(guī)則的硬件結(jié)構(gòu)

神經(jīng)科學(xué)的研究發(fā)現(xiàn)，對于“短時記憶”和“長時記憶”，大腦皮層都有對應(yīng)的存儲區(qū)域.為此，記憶表征的記憶結(jié)構(gòu)即映射規(guī)則的硬件結(jié)構(gòu)被設(shè)計(jì)成一個如圖2所示的短時記憶體（Short-term Memory Bank，SMB）和長時記憶體（Long-term Memory Bank，LMB），輸入信息認(rèn)識c被認(rèn)識分類器分類為短時記憶信息和長時記憶信息，并被分別存儲在短時記憶體和長時記憶體中.

3.1.1認(rèn)識分類器

認(rèn)識分類器按照經(jīng)驗(yàn)因子m的值，將輸入信息認(rèn)識c分類為短時記憶信息和長時記憶信息.若m=1，即認(rèn)識為初始認(rèn)識，符合短時記憶信息的特征，就將該認(rèn)識送入短時記憶體中記憶；反之，若m＞1，即為后繼認(rèn)識，則將該認(rèn)識分類為長時記憶信息，送入長時記憶體中記憶.

3.1.2短時記憶體

短時記憶體是只能記憶有限個信息，而且信息只能短時記憶的存儲體.它由一個行列交叉呈表格形式的存儲陣列組成，從存儲體的第2行開始，每行記憶一個認(rèn)識，如圖2（a）所示.短時記憶體只能記憶有限個信息，是通過短時記憶體的行數(shù)固定不變實(shí)現(xiàn)的.在圖2（a）中，短時記憶體的行數(shù)固定為Scnt+1行，短時記憶體按照先進(jìn)先出（First In First Out，F(xiàn)IFO）的規(guī)則記憶認(rèn)識，因此，該短時記憶體最多只能記憶Scnt個認(rèn)識.把短時記憶體最多能記憶的認(rèn)識的個數(shù)稱為短時記憶體的長度l，顯然，l=Scnt.短時記憶體中信息短時記憶是通過定時器Ttimer實(shí)現(xiàn)的，對應(yīng)著每一行存儲的認(rèn)識cp，都有一個獨(dú)立的定時值，所有定時器的定時初值T0都由系統(tǒng)統(tǒng)一設(shè)置，如T0=2 s.從認(rèn)識存儲在短時記憶體的那一刻起就開始減法計(jì)時，短時記憶信息c在時刻t的定時器值記為Ttimer（c，t）.當(dāng)Ttimer（c，t）=0時，該認(rèn)識c自動從短時記憶體中被刪除.如圖2（a）中存儲體第3行記憶的認(rèn)識c7=f［x1（0.29），x2（0.71）］1→y7（1），再過1.55 s后將被從短時記憶體中刪除.

定理1 短時記憶信息產(chǎn)生法則.

若外界發(fā)生的一元模糊事件e僅與目標(biāo)g映射的未完成任務(wù)wUj相關(guān)，即e∝wUj，則感知表征輸出的信息必為短時記憶信息.

圖2　記憶表征的記憶結(jié)構(gòu)

定理2 短時記憶信息轉(zhuǎn)變?yōu)殚L時記憶信息法則.

某個短時記憶信息c在其定時器清零前，如果外界發(fā)生了與其相關(guān)的一元模糊事件e，則該短時記憶信息c將被轉(zhuǎn)變?yōu)殚L時記憶信息.

證明 令t時刻短時記憶信息認(rèn)識c=f［x1（bx1），x2（bx2），…，xn（bxn）］1→y（1），Ttimer（c，t）＞0，所以目標(biāo)g中存在著該短時記憶信息c的映射cLi=f ［x1（bx1），x2（bx2），…，xn（bxn）］1→y（1），此時，e= ［x1（ax1），x2（ax2），…，xn（axn）］→y（ay），所以e∝cLi，故e被“相關(guān)性”篩選器選中，進(jìn)入感知表征的處理流程.感知表征采用的算法為反饋算法ASC，輸出的信息為認(rèn)識c=f ［x1（b′x1），x2（b′x2），…，xn（b′xn）］2→y（1），m=2，故c=f［x1（b′x1），x2（b′x2），…，xn（b′xn）］2→y（1），為長時記憶信息，同時，使短時記憶體中的Ttimer（c，t）=0，刪除原來對應(yīng)的短時記憶信息.

3.1.3長時記憶體

長時記憶體是能夠記憶大量信息，且其中的很多信息能夠被長時間記憶的存儲體，如圖2（b）所示.從第2行開始，每行記憶一個認(rèn)識，認(rèn)識在存儲體中的上下位置稱為認(rèn)識的清晰度，記為lc.第2行存儲的認(rèn)識的清晰度最高，固定為lc=Ttop，最低的清晰度是最后一行存儲的認(rèn)識的清晰度，lc=Bbottom，它的值是浮動的，取決于存儲體存儲認(rèn)識的情況.如圖2（b）所示，清晰度最低的認(rèn)識是認(rèn)識c12=f ［x1（0.12），x3（0.88）］長時記憶體能夠記憶大量信息，是通過長時記憶體的容量cy很大、無效單元格不占用長時記憶體容量、存儲陣列行列可變來實(shí)現(xiàn)的.只有存儲有數(shù)據(jù)的有效單元格才占用長時記憶體的容量，而沒有存儲數(shù)據(jù)的無效單元格是不占用長時記憶體的容量的.這樣每行認(rèn)識占用的長時記憶體的容量不盡相同，存儲體的行列也不固定，從而使長時記憶體被充分利用，能夠記憶大量的信息.如圖2（b）中，雖然長時記憶體已經(jīng)記憶了大量的認(rèn)識，但認(rèn)知量q仍然遠(yuǎn)遠(yuǎn)小于長時記憶體的容量cy，由于潛力p=cy-q-2，因此p＞0，長時記憶體還可以記憶新的認(rèn)識.

3.2映射規(guī)則中的算法

3.2.1回憶子算法

其中，cs為文獻(xiàn)［12］所述的后繼認(rèn)識.

可見，只要外界發(fā)生了與某個長時記憶信息相關(guān)的一元模糊事件，就可以使記憶在長時記憶體中的該長時記憶信息的清晰度增加到最大，從而使該長時記憶信息停留在長時記憶體中的時間延長.

3.2.2遺忘子算法

長時記憶體和回憶子算法并不能保障長時記憶體中已經(jīng)存儲的長時記憶信息永遠(yuǎn)存儲在長時記憶體中，仍然有部分記憶的信息會丟失，而部分長時記憶信息的丟失是通過記憶表征中的遺忘子算法在長時記憶體中的運(yùn)行實(shí)現(xiàn)的.遺忘子算法的觸發(fā)條件是:若某個時刻一個短時記憶信息轉(zhuǎn)變?yōu)殚L時記憶信息，而此時這個長時記憶信息的維數(shù)又大于此時長時記憶體的潛力，則清晰度最低的一個或若干個長時記憶信息將被移出長時記憶體，以便增加長時記憶體的潛力存儲新的長時記憶信息，直到長時記憶體的潛力大于或等于這個待存儲長時記憶信息的維數(shù)，新的長時記憶的信息將被存儲在長時記憶體的第2行，長時記憶體中原有的所有認(rèn)識的清晰度均減1，遺忘子算法結(jié)束.長時記憶體中長時記憶信息移出長時記憶體而被丟失的現(xiàn)象稱為遺忘.表述如下:

其中，cq為清晰度最低的長時記憶信息.

定理3 長時記憶原則.

如果長時記憶體中存儲的長時記憶信息在被遺忘之前，外界總能發(fā)生與之相關(guān)的一元模糊事件，則該長時記憶信息將被長時間記憶.

r算法聯(lián)合作用的結(jié)果.

4 判斷的表征

PMJ認(rèn)知計(jì)算模型中，判斷表征對于未完成任務(wù)wUj默認(rèn)是丟棄的，這樣即使以后外界發(fā)生了與該任務(wù)相關(guān)的一元模糊事件，仍然無法被計(jì)算為短時記憶信息.當(dāng)該任務(wù)再次被提交時，仍然無法完成.為此，一元模糊事件PMJ認(rèn)知計(jì)算模型中增加了目標(biāo)g，用以控制未完成任務(wù)不會被丟棄.若外界提交的任務(wù)未完成，則立即被映射成目標(biāo)g中的未完成任務(wù)wUj.這樣，除非此后外界發(fā)生了與未完成任務(wù)相關(guān)的一元模糊事件，產(chǎn)生短時記憶信息，導(dǎo)致未完成任務(wù)wUj從目標(biāo)g中刪除，否則，wUj將一直保存在目標(biāo)g中.

定理4 如果在短時記憶體定時初值時間間隔內(nèi)連續(xù)發(fā)生了兩個與目標(biāo)g中未完成任務(wù)wUj相關(guān)的一元模糊事件e1及e2，則該未完成任務(wù)wUj再次提交后就一定能被完成.

證明 令外界發(fā)生第1個一元模糊事件e1的時刻為t1，第2個一元模糊事件e2的時刻為t2，短時記憶體的定時初值為T0，wUj=［?］→y（ay），e1=［x1（ax11），x2（ax12），…，xn（ax1n）］→y（ay1），所以e1∝wUj.e1

5 一元模糊事件PMJ認(rèn)知計(jì)算模型的認(rèn)知計(jì)算實(shí)驗(yàn)

實(shí)驗(yàn)依據(jù)英國心理學(xué)巴特利特（Bartlett F.C.）著名的認(rèn)知系統(tǒng)——圖式記憶，設(shè)計(jì)了一組圖式記憶實(shí)驗(yàn)，并用一元模糊事件PMJ認(rèn)知計(jì)算模型進(jìn)行模擬.實(shí)驗(yàn)的目的是通過研究一元模糊事件PMJ認(rèn)知計(jì)算模型短時記憶體的長度l及長時記憶體的容量cy的變化對完成任務(wù)的影響規(guī)律，檢驗(yàn)一元模糊事件PMJ認(rèn)知計(jì)算模型是否符合大腦的認(rèn)知機(jī)制.

5.1實(shí)驗(yàn)數(shù)據(jù)的表達(dá)

表1　實(shí)驗(yàn)中部分原型及部分問題的表達(dá)

5.3實(shí)驗(yàn)結(jié)果

由于36個圖式對應(yīng)的認(rèn)知量q=198，實(shí)驗(yàn)中一元模糊事件PMJ認(rèn)知計(jì)算模型的長時記憶體容量依次設(shè)置為以下5種數(shù)值，分別是99，132，149，198，248；同時，對應(yīng)每種長時記憶體的容量取值，短時記憶體長度l的取值分別為1，2，9，16，并逐一開展上述4個實(shí)驗(yàn)步驟，記錄實(shí)驗(yàn)的任務(wù)完成個數(shù)SW和任務(wù)完成率RW，研究一元模糊事件PMJ認(rèn)知計(jì)算模型完成任務(wù)的情況.全部實(shí)驗(yàn)的結(jié)果如表2所示.

從表2中可以看出，當(dāng)cy=99（cy=q/2），cy=132（cy=2q/3），cy=149（cy=3q/4）時，長時記憶體中記憶的長時記憶信息肯定要發(fā)生遺忘，因此，提交的任務(wù)無法全部完成，但隨著長時記憶體容量的增加，任務(wù)的完成率在逐漸增加；當(dāng)cy=198（cy=q），cy=248（cy=5q/4）時，即長時記憶體的容量等于或大于全部圖式的認(rèn)知量時，長時記憶體中記憶的長時記憶信息不會發(fā)生遺忘，因此，提交的任務(wù)全部完成.實(shí)驗(yàn)中對應(yīng)每個長時記憶體的容量取值，短時記憶體的長度l都分別設(shè)定了4種不同的取值，分別是1，2，9，16，但很明顯，短時記憶體的長度l的取值大小不影響任務(wù)的完成.

表2　一元模糊事件PMJ認(rèn)知計(jì)算模型的認(rèn)知計(jì)算實(shí)驗(yàn)結(jié)果

5.4實(shí)驗(yàn)總結(jié)

上述的圖式記憶實(shí)驗(yàn)中使用的原型本為大腦認(rèn)知的刺激信息，表達(dá)為一元模糊事件后，即轉(zhuǎn)變成為一元模糊事件PMJ認(rèn)知計(jì)算模型感知表征的輸入信息；實(shí)驗(yàn)中采用的長時記憶體及短時記憶體完全依據(jù)一元模糊事件PMJ認(rèn)知計(jì)算模型記憶表征中記憶結(jié)構(gòu)的設(shè)計(jì)，實(shí)驗(yàn)過程“認(rèn)知白板化”對短時記憶體及長時記憶體中存儲認(rèn)識的清零，是認(rèn)知計(jì)算的初始化；實(shí)驗(yàn)的“提出問題”將首次提交的任務(wù)映射為目標(biāo)，使得目標(biāo)不但是“原型呈現(xiàn)”中各個一元模糊事件被“相關(guān)性”篩選器選中的依據(jù)，也是再次提交的任務(wù)被完成的必要條件，而目標(biāo)正是一元模糊事件PMJ認(rèn)知計(jì)算模型記憶表征所特有的設(shè)計(jì)；實(shí)驗(yàn)中一元模糊事件計(jì)算為認(rèn)識、短時記憶信息產(chǎn)生、短時記憶信息轉(zhuǎn)變?yōu)殚L時記憶信息使用的算法均出自一元模糊事件PMJ認(rèn)知計(jì)算模型.因此，圖式記憶實(shí)驗(yàn)驗(yàn)證的內(nèi)容和一元模糊事件PMJ認(rèn)知計(jì)算模型的創(chuàng)新點(diǎn)是一致的.

在圖式記憶實(shí)驗(yàn)中，根據(jù)目標(biāo)有選擇性地將與目標(biāo)相關(guān)的原型計(jì)算為認(rèn)識，充分體現(xiàn)了大腦認(rèn)知的“選擇性注意”機(jī)制；實(shí)驗(yàn)中的“原型呈現(xiàn)”，是將短時記憶體短暫存儲的原型計(jì)算為存儲在長時記憶體中可長期保存的圖式，充分體現(xiàn)了大腦認(rèn)知的“短時記憶”經(jīng)復(fù)述轉(zhuǎn)變?yōu)椤伴L時記憶”的機(jī)制；實(shí)驗(yàn)結(jié)果中發(fā)生遺忘時，長時記憶體容量的增加能夠增加任務(wù)的完成率，充分體現(xiàn)了人類幼兒成長期隨著大腦內(nèi)顳葉體積的增加智力水平處于上升區(qū)的認(rèn)知機(jī)制，神經(jīng)影像學(xué)的研究已經(jīng)證明大腦內(nèi)顳葉是長時記憶信息的主要存儲區(qū)域［14］；實(shí)驗(yàn)結(jié)果中不發(fā)生遺忘時，長時記憶體容量的增加不影響任務(wù)完成率，充分體現(xiàn)了大腦認(rèn)知中成人期的智力水平不再與發(fā)育有關(guān)的機(jī)制；實(shí)驗(yàn)中采用的定理1至定理3，充分體現(xiàn)了大腦認(rèn)知的“回憶”和“遺忘”機(jī)制.因此，筆者設(shè)計(jì)的圖式記憶實(shí)驗(yàn)驗(yàn)證了一元模糊事件PMJ認(rèn)知計(jì)算模型符合大腦的認(rèn)知機(jī)制.

一元模糊事件PMJ認(rèn)知計(jì)算模型是認(rèn)知科學(xué)研究的創(chuàng)新，其感知表征中的“相關(guān)性”篩選器設(shè)計(jì)改正了PMJ認(rèn)知計(jì)算模型沒有體現(xiàn)“選擇性注意”理論映射規(guī)則的缺陷，其記憶表征的設(shè)計(jì)改正了PMJ認(rèn)知計(jì)算模型沒有實(shí)現(xiàn)“短時記憶”、“長時記憶”的硬件結(jié)構(gòu)及遺忘、回憶功能算法的缺陷，其判斷表征通過目標(biāo)的設(shè)計(jì)，實(shí)現(xiàn)了對未完成任務(wù)的處理，控制未完成任務(wù)不會被丟棄，改正了PMJ認(rèn)知計(jì)算模型缺乏對未完成任務(wù)處理的缺陷.因此，一元模糊事件PMJ認(rèn)知計(jì)算模型改進(jìn)了傳統(tǒng)PMJ認(rèn)知計(jì)算模型存在的不足.

6 結(jié)束語

認(rèn)知科學(xué)是計(jì)算機(jī)科學(xué)、心理學(xué)、神經(jīng)科學(xué)、人類學(xué)、語言學(xué)、哲學(xué)多學(xué)科的交叉，認(rèn)知計(jì)算作為認(rèn)知科學(xué)研究的核心，應(yīng)該綜合利用各學(xué)科已有的研究成就，如“一元模糊事件”、“圖式理論”等.短時記憶信息轉(zhuǎn)變?yōu)殚L時記憶信息是完成任務(wù)的基礎(chǔ)，但由于短時記憶體的定時初值太短，大部分短時記憶信息在被轉(zhuǎn)變?yōu)殚L時記憶信息前，就已經(jīng)因?yàn)橥獠繘]有發(fā)生相關(guān)的一元模糊事件而被從短時記憶體中刪除，能否在短時記憶信息被刪除之前主動采取措施將短時記憶信息轉(zhuǎn)變?yōu)殚L時記憶信息，是認(rèn)知計(jì)算下一步研究的重點(diǎn).結(jié)合與認(rèn)知科學(xué)相關(guān)學(xué)科的最新研究成就開展認(rèn)知計(jì)算研究，是未來認(rèn)知計(jì)算的主要研究方法.

［1］ALIVISATOS A P，CHUN M，CHURCH G M，et al.The Brain Activity Map［J］.Science，2013，339（6125）:1284-1285.

［2］馮康，姚南生.基于一元事件的認(rèn)知模型［J］.模式識別與人工智能，2012，25（1）:172-180. FENG Kang，YAO Nansheng.Cognitive Model Based on Single Unit Event［J］.Pattern Recognition and Artificial Intelligence，2012，25（1）:172-180.

［3］王國胤，許昌林，張清華，等.雙向認(rèn)知計(jì)算的p階正態(tài)云模型遞歸定義及分析［J］.計(jì)算機(jī)學(xué)報(bào)，2013，36（11）:2316-2329. WANG Guoyin，XU Changlin，ZHANG Qinghua，et al.P-order Normal Cloud Model Recursive Definition and Analysis of Bidirectional Cognitive Computing［J］.Chinese Journal of Computers，2013，36（11）:2316-2329.

［4］FU X，CAI L，LIU Y，et al.A computational Cognition Model of Perception，Memory，and Judgment［J］.Science in China Series F:Information Sciences，2014，57（3）:1-15.

［5］Wang X，JIA J，CAI L.Affective Image Adjustment with a Single Word［J］.The Visual Computer，2013，29（11）: 1121-1133.

［6］李敏寧，張巧，趙劼，等.視覺注意機(jī)制下的三維重建技術(shù)的改進(jìn)［J］.西安電子科技大學(xué)學(xué)報(bào)，2014，42（5）:192-196. LI Minning，ZHANG Qiao，ZHAO Jie，et al.Improvement on Three-dimensional Reconstruction of the Attention Mechanism［J］.Journal of Xidian University，2014，42（5）:192-196.

［7］LI Y，SHENG B，MA L Z，et al.Temporally Coherent Video Saliency Using Regional Dynamic Contrast［J］.IEEE Transactions on Circuits and Systems for Video Technology，2013，23（12）:2067-2076.

［8］DAFFNER K R，ALPERIN B R，MOTT K K，et al.Age-related Differences in the Automatic Processing of Single Letters:Implications for Selective Attention［J］.Neuro Report，2014，25（2）:77-82.

［9］C?TéI，ROULEAU N，MACOIR J.New Word Acquisition in Children:Examining the Contribution of Verbal Shortterm Memory to Lexical and Semantic Levels of Learning［J］.Applied Cognitive Psychology，2014，28（1）:104-114.

［10］LI Q，ROTHKEGEL M，XIAO Z C，et al.Making Synapses Strong:Metaplasticity Prolongs Associativity of Longterm Memory by Switching Synaptic Tag Mechanisms［J］.Cerebral Cortex，2014，24（2）:353-363.

［11］ULLMAN H，ALMEIDA R，KLINGBERG T.Structural Maturation and Brain Activity Predict Future Working Memory Capacity During Childhood Development［J］.The Journal of Neuroscience，2014，34（5）:1592-1598.

［12］馮康.基于一元Fuzzy事件的大腦存儲模型［J］.計(jì)算機(jī)工程與科學(xué)，2013，35（7）:31-38. FENG Kang.Brain Storage Model Based on Single Fuzzy Cognitive Unit Event［J］.Computer Engineering and Science，2013，35（7）:31-38.

［13］PLANT K L，STANTON N A.The Explanatory Power of Schema Theory:Theoretical Foundations and Future Applications In Ergonomics［J］.Ergonomics，2013，56（1）:1-15.

［14］CéDRIC T A，GEOFFROY B，CéDRIC A B，et al.Processing Speed and Executive Functions in Cognitive Aging:How to Disentangle Their Mutual Relationship？［J］.Brain and Cognition，2012，79（1）:1-11.

（編輯:郭 華）

Research on the single fuzzy cognitive unit event PMJ model

FENG Kang
（School of Computer，Huainan Normal University，Huainan 232038，China）

Aiming at the flaw of the PMJ cognitive computation model and discovering the law of cognition，the single fuzzy cognitive unit event PMJ cognitive computation model is proposed.The correlation selection device is added in perception representation，the long-term memory bank and shortterm memory bank are designed in memory representation，the uncompleted work is mapped as the goal in judgment representation，the input data of perception representation is the single fuzzy cognitive unit event，the single fuzzy cognitive unit event PMJ cognitive computation model fulfills the cognitive mechanisms such as selected attention，long-term memory，short-term memory，recalling and forgetting.The schema memory experimental results demonstrate that the rise in long-term memory bank capacity enlarges the completion rate of the task when forgetting occurs，the variation in long-term memory bank capacity does not enlarge the completion rate of the task when no forgetting does not occur，and the variation in short-term memory bank length does not change the completion rate of the task whether forgetting occurs or not.So the single fuzzy cognitive unit event PMJ cognitive computation model corrects the flaw of PMJ cognitive computation model and discovers the cognitive law that the long-term memory bank capacity and short-term memory bank length influence the completion rate of the task，so that it is an optimal cognitive computation model.

cognitive computation；brain models；single fuzzy cognitive unit event；memory architecture；cognitive systems

TP181

A

1001-2400（2016）01-0180-09

10.3969/j.issn.1001-2400.2016.01.032

2015-01-29

安徽省自然科學(xué)基金資助項(xiàng)目（1508085MF124）

馮 康（1968-），男，副教授，碩士，E-mail:fenglikanglcq@163.com.