在复杂的工程领域支持时间类型实时学习的“神经”网络模型

开发、维护和检验知识库的困难激励我们对自适应系统更感兴趣。但是,已经证明符号范例有碍于动态或噪声环境中的学习。本报告叙述基于仿真的研究计划,该计划说明作为在这样的环境中学习的健壮增强模型基础的修正连接式记忆单元的效用。这种学习模型根据一个定性的、基于目标的结构产生有效的基于规则的行为,这种结构进一步支援从这些复杂领域的经验中导出的二级目标或智力模型的开发。