学习识别类比：一种联结主义探索

本学位论文通过开发一个称为 Analogator 的计算机程序来探索学习与类比制造的结合，该程序通过示例学习制造类比。通过“看到”许多不同的类比问题以及可能的解决方案，Analogator 逐渐发展出制造新类比的能力。也就是说，它通过类比来学习制造类比。这种方法与大多数现有的类比制造研究形成对比，后者通常假定模型内类比机制是先验存在的。本研究通过为循环网络架构开发专门的联想训练过程，扩展了标准联结主义方法。该网络被训练为将输入场景（或情境）划分为适当的图形与背景成分。以特定图形与背景看待一个场景，为以类比方式看待另一个场景提供了语境。训练后，该模型能够在新异情境之间制造新类比。Analogator 与较低层次的分类与识别的感知模型有许多共同点；因此它作为一个统一框架，涵盖了高层次类比学习与低层次感知。将该方法与其他计算类比制造模型进行比较与对照。考察了模型的训练与泛化性能，并讨论了局限性。