神经网络中的注意力机制
前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇神经网络中的注意力机制范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
神经网络中的注意力机制范文第1篇
Abstract: Working memory(WM) capacity predicts performance in a wide range of cognitive tasks. Although WM capacity has been viewed as a constant trait ,recent studies suggest that it can be improved by adaptive and extended training. This training is associated with changes in brain activity in frontal and parietal cortex and basal ganglia, as well as changes in dopamine receptor density. Transfer of the training effects to non-trained WM tasks is consistent with the notion of training -induced plasticity in a common neural network for WM. The observed training effects suggest that WM training could be used as a remediating intervention for individuals for whom low WM capacity is a limiting factor for academic performance or in everyday life.
关键词:工作记忆;训练;认知任务
Key words: working memory;training;cognitive task
中图分类号:B84文献标识码:A文章编号:1006-4311(2010)31-0001-02
0引言
工作记忆(working memory,WM)是一种对信息进行暂时加工和贮存的能量有限的记忆系统,是对加工任务必要成分的短时、特殊聚焦,在许多复杂认知活动(如学习、理解和推理)中起着重要作用[1-3]。但工作记忆能力的发展受到工作记忆容量的限制,早期研究似乎证实了Miller提出的“神秘数字7”。后续研究发现通过训练可以提高种个体的工作记忆能力。工作记忆受损在罹患神经精神病(如脑部创伤、中风、智力缺陷、精神分裂)及注意力缺陷多动障碍的个体身上表现尤为明显。早在1972年,Earl Butterfield 等人就运用默读复述的方法尝试改变学习能力缺失个体的短期工作记忆能力。这种方法虽对被试的表现有了部分提高,但尚没有足够的证据表明这种训练效果可以迁移到未经训练的认知任务和日常生活中。后来Ericsson等人(1980)研究发现通过训练可以大幅提高个体识记数字的数量。其中一个被试在经过训练后,仅听一次后便可以回忆出包含79个数字的序列。这是 “组块”的典型样例,相对独立的信息通过个体加工联结在一起形成有意义的组合,然后与长时记忆中的信息建立联系。然而这类训练受到实验材料的限制,当用字母测试此被试的记忆能力时,他就只能记住6个字母。
神经生理学相关研究表明,突触连接决定着工作记忆的容量。突触被认为是记忆的基础,突触为工作记忆中信息获得和储存提供了基础。人脑内储存记忆时引起的变化称为脑的可塑性,深入研究后发现,突触也具有可塑性[4]。突触的可塑性表现在两个方面:一方面,突触后膜接受神经递质后,突触后膜受体的表达也发生改变。另一方面,化学信号传导的过程中,突触的形态也会发生变化,原来很小的突触后膜有可能变得很大,原来很大的突触后膜有可能变得很小,并且可能会产生新的突触。这种可塑性使突触成为脑内储存信息的基本单元。
1工作记忆的神经生理模型
Baddeley工作记忆模型认为中央执行系统是工作记忆的核心成分,负责加工、计划、协调、监管工作记忆中的信息。工作记忆与注意有着密切关联。工作记忆等于短时记忆加控制性注意,中央执行系统的功能主要由控制性注意来完成。控制性注意涉及注意的选择性分配,并依靠额叶前部、颅顶部的大脑皮层活动来完成。控制性注意是加工工作记忆任务必须的,主要用于激活信息,解决任务目标、外部刺激以及习惯化反应图式之间的冲突,即激活与任务相关信息,抑制与任务无关信息。工作记忆与控制性注意有着相同的神经活动机制,有些研究甚至认为二者同功同构。研究者希望,运用具体任务对大脑皮层特殊区域的训练能够迁移到同一神经网络的其他任务中去;对大脑皮层更好的训练会产生更多泛化效应。尤其是颅顶内部神经网络改变可能会提高工作记忆和控制性注意的效果。
近年来,工作记忆训练中开始采用神经影像技术研究工作记忆的神经机理,探究感觉联合皮层和额叶前部皮层的活动影像。影响分析发现,这些区域的活动形式随刺激的感觉形态而变化。成人间工作记忆容量差异可能会引发个体颅顶内部皮层和额叶前部皮层的不同活动,当成人与儿童比较时也是如此[5]。神经网络模型指出额顶内部突触更强的连接可能是拥有更高工作记忆容量的重要机制。
中枢神经系统多巴胺是重要的神经递质,在调节中枢神经系统各种功能方面起着关键作用,如空间记忆、运动功能、神经激素释放等。McNab和同事通过观察多巴胺受体D1和D2的浓度来研究确定工作记忆训练的效果[6]。多巴胺对工作记忆任务表现和神经系统可塑性有着重要作用。经过为期5周的训练后,与控制组相比,实验组中工作记忆容量增加被试的D1受体神经末梢都有明显变化,但D2皮层下神经末梢没有变化。这说明D1受体激活可以提高工作记忆成绩。动物实验表明D1受体减少与其认知功能损害有关。但在McNab的实验研究中,这种因果关系并不十分明显。这可能是因为每天针对工作记忆任务的密集训练使训练期间多巴胺的释放量增加,这导致了神经末梢中多巴胺浓度的变化。也可能是因为工作记忆训练通过调整多巴胺传递改变了容量。如果这个假设成立,那么可以说工作记忆容量训练效果与大脑区域活动和神经系统都有重要关系。“多巴胺可以诱发工作记忆训练效果”这一假设的支持来自于DAT-1神经末梢的多样性影响训练效果的研究。但这项研究只有29个被试说服力不足,但为认知系统可塑性提供了一个很好的研究方向。神经系统可塑性的研究可能会导致认知训练和药理干预相结合的新研究范式的产生。
2工作记忆训练与大脑活动
研究发现,通过工作记忆训练,与工作记忆有关脑区的活动有所增强。工作记忆训练与大脑活动有关存在一些质疑,也就是说大脑活动与更高工作记忆容量之间的联结仍在不断探索。然而,大多数研究已表明在任务相关领域工作记忆容量和大脑活动存在正相关。个体间工作记忆容量的差异与颅顶内部皮层活动有着正相关。颅顶内部沟回数量和额叶前部皮层的活动频率与儿童的工作记忆容量有着正相关。随着个体衰老工作记忆能力的下降与大脑皮层活动的减少有关,尽管这些活动在额叶前部会有不同的取向[7]。与这些研究结果相对应,神经网络模型提出高水平的BOLD活动与更高容量的工作记忆相联系。
Olesen等人[8]采用与Klingberg早期研究用到的相同方法对工作记忆进行训练。第一个实验,训练开始前,要求被试多次浏览训练材料,当训练结束后,再浏览一次。在浏览过程中要求被试完成非常简单的工作记忆任务。接下来的实验中,训练过程中要求被试不断浏览实验材料,同时观察浏览过程中大脑活动。在两个实验中都发现了额叶前部和颅顶部皮层活动的增加,同时在第二个实验中还发现了尾状核活动的增加。
Dahlin用新式实验任务对被试做了总计11个小时的训练[9],发现训练后被试尾状核活动明显增加,但额叶前部和颅顶部皮层活动相对减少。用一组尾状核活动频率低的年长被试作为参照,分析原因可能的解释是这些被试缺乏对原有任务的迁移。Moore及其同事要求被试对复杂视觉刺激进行归类。训练过的物体归类方法与新方法进行比较。这个训练主要关注视觉感知而不是工作记忆容量,但训练使对物体进行归类的水平获得提高。Wexler等人对8个精神分裂症患者进行训练,其中3个被试发现了额叶前部皮层活动增加的症状。
相关研究发现:短期训练(时间3个小时以内)都会导致大脑区域活动的增加,但长期训练却根据大脑区域表现出不同的增减趋势。增加与颅顶内部皮层及脑部前段沟回、尾状核的活动有关,而减少可能与学习方法如编码、时间任务效应有关。相似的解释已经被肌动训练证实,开始阶段效果与长期训练带来的改变是不同的。Olesen等人的研究将训练效应定位于额叶前部和颅顶部大脑皮层,而不是感觉联合皮层。这些效应表明颅顶前部神经网络参与了任务加工。颅顶前部效应很好地解释了不同工作记忆任务和注意控制间的迁移。
3工作记忆训练的新兴研究
Klingberg等人采用新的工作记忆训练方法对注意力缺陷多动障碍儿童进行训练[10]。这些训练是在保证准确基础上对工作记忆任务进行反馈、再认。训练时间是每天30-40分钟,一周5天,持续5周(总计大约15小时)。训练采用阶梯训练法,即根据被试工作记忆容量及在训练任务中的表现,逐步调整训练难度。这种方法与以往工作记忆训练方法有所不同。通过实验组和控制组的比较,发现训练显著提高了个体的工作记忆能力。研究表明工作记忆训练程序通过感知训练方法得到激发,并使工作记忆容量得到扩展。训练效果在3个月内非常显著,这些发现与一般神经网络的工作记忆通过训练可塑性的观点在本质上是一致的。
抑制功能被认为是工作记忆中央执行系统的基本成分,为了保证工作记忆中执行系统的顺利进行,在注意转换中,需要抑制已自动化的加工,在更新过程中需要抑制不再有用的信息。工作记忆训练对非工作记忆任务的潜在迁移效应也被部分研究证实。在针对注意力缺失多动障碍儿童的训练中,其完成Stroop任务的效果得到提高。注意力缺陷多动障碍儿童经过工作记忆训练后,其抑制能力得到发展和提高,注意力分散的临床症状得到明显控制和减少。针对正常学前儿童的一项研究(Thorell,2009)[11],在完成连续任务中训练过的儿童出现错误更少,但在“go”和“no-go”任务中表现差异不大。相对于未经过工作记忆任务训练的个体,训练者表现出更高的推理能力,但有时差异并不显著。研究结果的不一致性可能是由个体间差异和迁移效果具体测量指标不同引起的。
在一项研究中,Dahlin等人[12]对健康状况良好的年轻人和老年人进行计算机化任务的训练,每次45分钟,一周3次,共训练5周。在训练中呈现一系列含有字母、数字、颜色和其空间位置的列表给被试,在列表呈现结束后要求被试回忆最后5个项目。任务难度通过呈现更长列表而非改变回忆条目数量进行调整。与控制住相比较,实验组中青年被试在没有训练过的3-back工作记忆任务中表现提高明显,这种效果一直持续到18个月后的测试中。但青年被试在其他三项工作记忆任务及瑞为高级推理测验中成绩改进不大。Li 和他的同事们用45天,每天15分钟的训练来测试训练对青年和老年被试的影响。训练任务是要求空间位置匹配的两种2-back任务。后续研究发现,青年和老年被试在空间和数字位置匹配的3-back任务中表现都有提高。
Jaeggi等人[13]采用位置和数量同时匹配的双重n-back任务对个体工作记忆进行训练。训练难度通过增加“n”的长度来进行调整,即训练从1-back任务开始到5-back任务结束。被试每天训练25分钟,分别接受8天、12天、17天、19天的训练。研究结果发现,与控制组比较,实验组在数字广度任务和BOMAT图形推理测验中表现提高,12天和17天的被试之间存在显著差异。训练对图形推理测验的迁移效果引起了研究者的关注,这样以往对ADHD儿童在经过工作记忆培训后瑞为彩色推理能力得到提高是一致的。
4发展前景展望
4.1 工作记忆训练与认知神经科学逐步结合随着认知神经科学的兴起,关于工作记忆神经机制的研究是努力的方向。研究者可以借助PET、fMRI等脑成像研究技术,为工作记忆训练提供更为科学的评价标准。研究表明,工作记忆的执行功能与大脑额叶有密切关系,存储功能在顶叶,工作记忆训练需要逐步结合认知神经科学的新研究、新发现,寻找内在的神经生理机制。
4.2 工作记忆测量方法和测量指标逐步统一在以往工作记忆训练中,不同研究者对工作记忆的的的测量方法和测量手段大不相同。测量指标的不统一,使得训练效果、测量结果无法进行科学的横向比较和纵向比较。在今后工作记忆训练研究中,工作记忆的测量方法应逐步统一,选取代表性强、敏感性高的任务做测量任务。
4.3 工作记忆训练内容和训练程序逐步规范现有的工作记忆训练中,所用的训练材料差异明显。有的采用复述等策略,有的采用数字广度任务、空间广度任务,有的采用n-back任务;在实验程序中,对可能影响实验结果的无关变量的控制不够。今后研究中,对于训练的内容应规划化,根据工作记忆的成分进行训练,训练程序应逐步严谨,提高研究的效度和结果的可靠性。
4.4 工作记忆训练的实际迁移效果逐步增强研究表明,通过工作记忆训练可以使个体解决问题和记忆能力得到提高。但实验室外的现实环境带来了诸多实际问题。对于那些时间较短、质量缺乏控制的训练,迁移的效果就微乎其微。对于工作记忆训练还有许多问题值得研究。比如完成迁移的最优时间、奖励和动机的作用、个体在训练潜能上的差异,这些问题的解决都会提高工作记忆训练的应用效果。
参考文献:
[1] Baddeley A D & Hitch G J. Working memory. In G.H.Bower (Ed.), The psychology of learning and motivation: Advances in research and theory[M]. New York: Academic Press,1994.
[2]Baddeley A. Working memory[J]. Science,1992, 255: 556-559.
[3]Conway,A.R.et al. Working memory capacity and its relation to general intelligence[J]. Trend Cognitive Science,2003,7: 574-552.
[4]Rainer, G. and Miller, E, K(2000) Effects of visual experience on the representation of objects in the prefrontal cortex[J].Nenron,2000,27:179-189.
[5]Crone, E.A. et al. Neurocognitive development of the ability to manipulate information in working memory[J].Academic Science .U.S.A,2006,103:9315-9320.
[6]McNab,F et al. Changes in cortical dopamine D1 receptor binding associated with cognitive training[J]. Science,2009, 323:800-802.
[7]Rajah, W. N. and DEspsito, M. Region-specific changes in prefrontal function with age: a review of PET and fMRI studies on working and episodic memory[J]. Brain,2005, 128:1964-1983.
[8]Olesen, P.et al. Increased prefrontal and parietal brain activity after training of working memory[J].Nat.Neurosci,2004.7,75-79.
[9]Dahlin,E at al. Transfer of learning after updating training mediated by the striatum[J].Science ,2008,320:1510-1512.
[10]Klingberg, T, et al. Computerized training of working memory in children with ADHD-a randomized ,controlled trial[J] . ChildAdolesc. Psychiatry, 2005,44:177-186.
[11]Thorell,L.B.et al. Training and transfer effects of executive functions in preschool children[J].Development Science,2009,12:106-113.
神经网络中的注意力机制范文第2篇
关键词：智能控制；教学策略；卓越工程师；模糊控制；神经网络
中图分类号：G642.0 文献标识码：A 文章编号：1007-0079（2014）23-0029-02
智能控制作为自动化类专业的一门专业课程，要求学生了解控制学科发展的方向和前沿，熟悉智能控制的主要理论分支、数学基础以及发展趋势等，掌握基本智能控制方法的结构和算法，为未来实际工程应用奠定一定的基础。当前，在国内外备受关注的CDIO模式即把“构思（Conceive）―设计（Design）―执行（Implement）―运作（Operate）”作为工程教育的环境背景，按照产品生命周期构建课程体系，以课堂和项目相结合的方式进行主动学习，使学生达到预想的学习目标。
考虑到安徽工程大学（以下简称“我校”）自动化专业被确定为教育部“卓越计划”试点专业，如何通过智能控制课程教学改革来提高教学质量，充分借鉴CDIO先进的教育理念，推行卓越工程师培养计划，提高大学生的创新技能、实践技能，协调课程体系对培养目标支撑力不强以及与我国产业发展和结构的调整不相适应的矛盾，创建适应新形式发展需要的课程教学体系，同时促进我国智能控制学科发展，是我校授课老师所面临和亟待解决的问题。
一、智能控制课程分析
1.智能控制发展历程
智能控制是一种新型自动控制技术，代表了自动控制的最新发展阶段。[1]20世纪90年代中期之后，智能控制日益成熟，在工业、农业、家用、军事等领域得到了广泛的应用，据统计，2012年全球智能控制市场规模接近6800亿美元，而我国智能控制行业规模也已经达到4200亿元。
智能控制思潮第一次出现于20世纪60年代由Leonaes等人首次正式提出，[2]到了1987年，IEEE控制系统学会和计算机学会在美国费城联合召开了智能控制国际学术讨论会，智能控制正式作为一门新学科，登上历史舞台，而“智能控制”课程是在智能控制学科建立之后开设的。
国内首部“智能控制”教材，是在1990年由中南大学蔡自兴教授编写电子工业出版社出版，蔡教授把递阶控制、专家控制、模糊控制、神经控制、学习控制作为智能控制课程的初步框架和主要研究分支。[1]随后，王耀南、李士勇、李人厚、孙增圻等专家也编写了智能控制相关教材。这些教材出版对我国智能控制课程教学发挥了积极的作用，为智能控制学科建设和人材培养做出突出贡献。[3]
近年来，国内学者对智能控制的研究十分活跃，举行各种与智能控制有关的学术讨论会，如全球智能控制与自动化大会（World Congress on Intelligent Control and Automation，WCICA）、中国智能自动化会议（Chinese Intelligent Automation Conference，CIAC）、中国控制会议（Chinese Control Conference，CCC）、中国控制与决策会议（Chinese Control and Decision Conference，CCDC）等，这标志我国智能控制作为独立学科已正形成。[2]
2.智能控制理论体系
随着科学技术的发展，智能控制理论和技术得到不断的发展和完善，受到越来越多科研工作者的关注。常规的智能控制方法主要包括：模糊控制、神经网络控制、分级递阶控制、专家系统控制以及其他仿人智能控制等。[3，4]
（1）模糊控制：将人类专家对特定对象的控制经验，运用模糊集理论进行量化，转化为可数学实现的控制器，从而实现对被控对象的控制，其主要包括输入模糊化、模糊规则库、模糊推理以及输出逆模糊化四个部分。
（2）神经网络控制：是人工智能、认知科学、神经生理学、非线性动力学等学科的交叉热点，它利用大量的人工神经元按一定的拓扑结构互连，构建具有仿人控制的功能。神经网络虽然不善于显式表达知识，但具有很强的学习能力和自适应能力，能够任意逼近复杂的非线性系统，对高度非线性和严重不确定性系统的控制方面具有良好效果。
（3）分级递阶控制：是从工程控制论的角度总结人工智能与自适应、自学习和自组织的关系之后逐渐形成的，主要由组织级、协调级和执行级构成。其中组织级起主导作用，涉及知识的表示与处理，主要应用人工智能；协调级在组织级和执行级间起连接作用，涉及决策方式及其表示，采用人工智能及运筹学实现控制；执行级是底层，具有很高的控制精度，采用常规自动控制。
（4）专家系统控制：是指具有模糊专家智能的功能，采用专家系统技术与控制理论相结合的方法设计的控制策略，它是人工智能应用领域最成功的分支之一，由知识库、推理机、解释机制、知识获取系统以及综合数据库五个部分组成。在工业过程控制中主要呈现直接专家控制和间接专家控制两种形式。
二、智能控制课程教学改革
1.理论教学
UNESCO在2010年的工程学报告中指出，工程是人类面临的最大挑战和机遇，为了满足卓越工程师培养计划要求，我校重新修订课程教学大纲，调整了各知识点的学时分配，扩大了知识面的覆盖范围，并提高了实验内容所占学时比例，注重实践环节内容设置。在课程建设考虑理论与实践的均衡，避免理论与实践用脱节，教材选用为王耀南主编、机械工业出版社出版的《智能控制理论及应用》，[5]总共设计30个学时，具体如图1所示。概述部分为2个学时，主要讲解智能控制理论的历史背景、研究现状以及未来的发展趋势；模糊控制与神经网络控制是本课程主要讲解部分，分别安排9个学时；分级递阶控制与专家系统控制部分要求学生以了解为主，因此分别安排4个学时；最后，剩余2个学时讲解当前最新的一些智能控制方法，目的为扩展学生的视野。
考虑到“智能控制”课程涉及的知识面较为广泛，因此，在教学过程中，教师主要担负组织者、引导者的职责，课堂上注重采用启发式的教学模式，并增加案例讲解，让学生明确课程教学服务于国家战略需要和行业需要，如：液浮陀螺仪温控系统的模糊控制策略设计、单级倒立摆系统的神经网络PID控制器的设计、数控机床专家系统设计等。鼓励学生自由探讨，实现教学环节中的互动，提高学生的认知能力。
2.实践教学
本课程专业性很强，学生缺少对智能控制方法的感性认识，且受学时数的限制，因此鼓励学生自主学习，充分利用课余时间。[6]每次课后，有针对性地预留课外作业，引导学生复习、预习，这有利于老师教学内容的精练讲解，学生对智能控制的熟悉掌握，引导学生注重工程能力和自主学习能力的提高。
另外，在“智能控制”教学计划中，安排6个学时作为实验课，让学生独自设计相关智能控制器，培养学生的实践动手能力，增加对模糊控制系统、神经网络控制系统分析和设计的熟练程度。实验采用先讲解、后实验、再总结的方式进行。为了保证实践教学质量，每20位学生安排1名指导教师。实验前，要求学生实验之前完成预习报告；实验中学生每人一台机，独立记录实验过程和实验结果，教师全程答疑辅导；实验后学生及时上交实验报告，其内容包括：实验名称、内容、方法、步骤、结果及个人心得、体会。
3.教学手段
为了适应时代的发展，授课借助先进的教学软件。在相关理论知识点展开前，可通过实例模拟让学生初步了解相关方法，再切换到理论知识的讲解，以帮助学生做到思维的自然过渡。
课堂还采用多媒体教学，以提高学生获取信息的效率。多媒体课件制作过程中，力求图文并茂，能吸引学生的注意力，这有利于实现情景式的教学，充分调动学生的主观能动性，变被动教育为主动教育，使学生加深对知识的理解。[7，8]
4.考核方式
本课程理论性较强，为避免“一张试卷定乾坤”带来的弊端，课程成绩采用多元化考核制度，主要包括：平时成绩（30%）、实验成绩（30%）和期末考试成绩（40%）。
三、结束语
综上所述，我国的智能控制教育已取得了可喜成绩，我校在研究专业培养目标和现有教学资源基础上，借鉴国内相关高校成功教学经验，并不断完善智能控制学科教学的方法、手段、策略，研究制订新的大纲，开发设计多媒体课件，与时俱进，紧密围绕“卓越工程师培养计划”的重点和目标，为培养敢创新、会创造的高质量人才不断努力。
参考文献：
[1]蔡自兴，张钟俊.智能控制的理论与实践[J].中南矿冶学院学报，1989，（6）：644-650.
[2]陈爱斌，肖晓明，魏世勇，等.智能控制的学科发展与学科教育[J].现代大学教育，2006，（3）：102-105.
[3]涂象初.关于智能控制的几个问题[J].科学通报，1991，（7）：481-485.
[4]张德江.智能控制技术现状与展望[J].长春工业大学学报，2002，
（S1）：58-61.
[5]王耀南，孙炜.智能控制理论及应用[M].北京：机械工业出版社，2011.
[6]朱建红，张蔚，顾菊平，等.基于卓越工程师目标的教学策略改进研究[J].中国电力教育，2013，（5）：90-91.
[7]林健.卓越工程师教育培养计划专业培养方案研究[J].清华大学教育研究，2011，32（2）：47-55.
神经网络中的注意力机制范文第3篇
关键词:结构模拟;功能模拟;行为模拟;机制主义方法;人工智能统一理论
1人工智能成为信息科学技术的焦点
信息是事物存在方式和运动状态的表象;知识是由信息提炼出来的产物,是事物存在方式和运动规律的本质表征;智能是知识和目的演绎的结果,是运用知识来认识问题和解决问题的能力。信息科学技术的研究目标不仅是为了认识和利用信息本身,更重要的是为了“利用信息、提炼知识、生成智能、解决问题”。后者,就是“人工智能”的研究。
人,是地球上所存在的最高级信息系统。人体信息系统的进化表现了一个重要的科学规律:在感觉器官、神经系统、古皮层旧皮层、行动器官成熟之后,新皮层就成为整体发展的焦点。信息技术的发展也遵循同样的规律:在传感(感觉器官功能的扩展)、通信(传导神经系统功能的扩展)、计算(古皮层旧皮层功能的扩展)、控制(行动器官功能的扩展)充分发展起来之后,人工智能(新皮层功能的扩展)就成为信息技术整体发展的焦点。
进入21世纪,传感、通信、计算、控制以及基于通信和计算的互联网都获得了长足的发展,智能传感、智能通信、智能计算、智能控制、智能信息处理、智能机器人、智能信息安全、智能游戏等已经成为备受关注的方向,因而它们的共同基础――人工智能本身的发展客观上就成为了当代信息技术发展的焦点。
2人工智能研究现状简述
迄今,人工智能的研究形成了3种主流学说。
1) 1943年以来形成的模拟人脑结构的“结构模拟学说”[1-5],它的典型代表是人工神经网络(后来与模糊逻辑及进化计算相结合,称为计算智能)。它的特点是:通过对“信息样本的训练”获得经验知识和策略,用以解决形象思维一类智能问题。
2) 1956年以来兴起的模拟人脑逻辑思维功能的“功能模拟学说”[6-10],典型代表是符号逻辑系统(如专家系统)。它的特点是:通过获取领域相关的规范知识和运用逻辑演绎的方法获得求解问题的策略,求解逻辑思维一类智能问题。
3) 1990年前后发展起来的模拟智能系统行为的“行为模拟学说”[11],它的典型代表是黑箱系统(如感知―动作系统)。它的特点是:需要建立刺激与响应之间的关系(表现为常识知识),于是只要识别了刺激的类型,与之相关的响应就可以自动产生。
目前的人工智能研究还存在许多问题。主要问题之一是,在“三种学说”各自取得进展的同时,却很少互相沟通。不仅如此,互相之间还存有“孰优孰劣”的争论,有时争论还非常尖锐和激烈[12],表现出三者之间的不和谐,形成“鼎足三分”的格局。
这种“鼎足三分互不沟通”的状况,不能不使人们深思,并且逐渐醒悟:看来,现有人工智能的各种研究方法还没有真正抓住智能问题的本质,致使“三分”状态未能实现“归一”;为此,当务之急就是要加紧研究和发现更加深刻更加科学的研究方法。
3人工智能理论研究的新进展
3.1新进展之一:人工智能的第4方法――机制主义方法
智能是一种复杂的研究对象。智能系统的结构、功能、行为虽然都是窥探其中奥秘的重要观察窗口,却不是最根本的入口。
本文的研究发现:探索智能奥秘最具本质意义的途径,应当是探寻和阐明“智能生成的机制”,回答“智能是怎样生成的”这样根本的问题,特别要把注意力放在“智能生成的共性核心机制”的问题上。这就是人工智能研究的第4种方法的基本理念。
按照这个新的理念,我们分析了典型的智能活动过程,考察了隐藏其中的普遍规律。
典型的智能活动过程。
无论何种场合,典型的智能活动过程一般都应当包含以下6个基本步骤:
1) 给定问题P、目标G和环境E,称为“任务给定”。
2) 获得关于问题、目标、环境的信息,称为“信息获取”,符号表示为:I(P, G, E)。
3) 把这些信息加工成为相应的知识,称为“知识提炼”,符号表示为: = f (I)。
4) 在目标的引导下把知识和信息演绎成为解决问题的策略,称为“策略生成”,符号表示为: = g (K, I, D)。
5) 把策略转换为行为,求解问题,称为“策略执行”。
6) 把求解的效果(误差)作为新的信息反馈至2),通过2)至5)的步骤调整和优化策略,称为“反馈优化”;逐次逼近,直至满意。
智能活动过程的普遍规律。
考察上述典型的智能活动过程不难发现:通常,1)是由人给定的,2)至6)则可以由机器执行;而机器执行的这些步骤之中,2)至4)――信息获取、知识提炼、策略生成是核心步骤。考虑到“策略”是智能的集中体现,所以,策略生成也可以成为智能生成。于是,这些核心步骤也可以表示为:信息获取、知识提炼、智能生成。信息获取、知识提炼、智能生成是逐层递进的过程,由此可以得出结论:智能生成的共性核心机制是“信息―知识―智能转换”。符号表示为:
= g (, I, G)(1)
其中,
= f (I (P, G, E)) (2)
公式(2)表示的是由信息到知识的转换;公式(1)表示的是在目标制导下由信息和知识到智能的转换;两者的综合表示了“信息―知识―智能”的转换。关于公式中的转换g和f,原则上可以认为:f 是一类由大量信息样本提炼共性知识的“归纳算法”,而g则是在目标制导下由相关知识和信息演绎智能策略的“演绎算法”。因此,它们在原则上是可以操作和可以实现的。不过,关于g和f还需要做出如下的说明:
1) 在规范的场合,转换g和f可能由“数学”表达式来严格地表示并进行运算。
2) 在更多的场合,由于智能问题的复杂性,这些转换不一定能够用现有的数学表达式来表示。这时,可能要借助“逻辑”来表达和推理。
3) 在许多更为复杂的情形,现有的逻辑学也无能为力。这时,可以用“算法程序”来表示和处理。
4) 在那些极为复杂的情形,甚至还要借助“人工”的方法来处置。
本文确信,在各种智能问题求解需求的强烈推动之下,各种新的数学方法、逻辑方法和算法程序必将陆续应运而生。正像经典微积分方法处理不了随机现象的时候就诞生了概率论等统计数学方法,经典微积分和统计数学方法处理不了模糊现象的时候就催生了模糊数学方法一样。
于是,以公式(1)和(2)表示的“信息―知识―智能转换”就是“智能生成的共性核心机制”。只要给定了具体的问题、环境约束和目标,原则上就可以通过(1)和(2)的转换来获取信息、提炼知识、生成智能(策略),使问题得到满意的解决。
3.2新进展之二:知识的生态学结构
如上所见,智能生成的共性核心机制涉及到信息、知识、智能3个层次的理论。在这三者之中,信息是现象,知识是本质,智能是能力。信息来自现实世界,能力作用于现实世界,知识则是信息与智能之间的桥梁与中介。因此,知识在“智能生成的共性核心机制”中扮演着极其重要的作用。
本文研究发现:知识并非孤立静止的对象,相反,它是一个不断动态生长着的复杂运动过程。在先天知识的支持下,在各种信息的激励下,不断生长出“欠成熟”的经验知识,其中一些经验知识会成长为“成熟”的规范知识,并进一步成长为“过成熟”的常识知识;后者的一部分又可能沉淀成为下一代的先天知识。如此不断生长,不断进化,成为一个“有始无终”的开放的生态过程。这就是“知识的生态学”,它的结构也可以由图1表示。
图1知识的生态学系统
如果把这个知识生态学系统看作是知识内部生长过程的规律,称为“知识的内生态系统”,那么,前面所讨论的“信息―知识―智能转换”则可以看作是知识的“外部”生长过程的规律,称为“知识的外生态系统”。
3.3新进展之三:人工智能的统一理论
表面上看,这里所揭示的“知识内生态系统”并没有什么新奇而不可理解或不可接受的概念。然而,正是这个“知识内生态系统”与“知识外生态系统(即智能生成的共性核心机制)”结合在一起,却产生了一个非常有意义的重要结果,这就是:依所用知识类型的不同,机制主义方法有A、B、C型之分;而神经网络(结构模拟)、专家系统(功能模拟)、感知―动作系统(行为模拟)分别是A、B、C型的机制主义方法特例,如表1所示。
表1说明:机制主义方法的实现是“信息―知识―智能转换”;当其中的知识属于经验知识的时候,机制模拟可以退化为“结构模拟”;当其中的知识属于规范知识的时候,机制模拟可以退化为“功能模拟”;当其中的知识属于常识知识的时候,机制模拟可以退化为“行为模拟”。换言之,结构模拟、功能模拟、行为模拟都是机制模拟分别在经验知识、规范知识、常识知识条件下的特例,而根据知识的内生态结构,经验知识可以成长为规范知识并进而可能成长为常识知识。因此,结构模拟、功能模拟、行为模拟之间构成了一种各司其职、相互支持和相辅相成的生态关系,而不存在先前那种“孰优孰劣”的矛盾。
这样,如果令表示机制模拟方法,和分别表示“信息―知识―智能转换”的知识和智能策略,令(S)、(F)和(B)分别表示结构模拟方法、功能模拟方法和行为模拟方法,令(E)、(R)和(C)分别表示经验知识、规范知识和常识知识,(E)、(R)和(C)表示经验性智能策略、规范性智能策略和常识性智能策略,那么,就分别有:
(S),若 = (E)(3)
和
(F),若 = (R) (4)
以及
(B),若 = (C) (5)
且有
(S) (F) (B) (6)
上述公式的含义和表1的含义完全等效,两者都说明:人工智能的结构模拟方法、功能模拟方法和行为模拟方法在机制模拟方法的框架内实现了和谐的统一。
4进展的学术意义
当今社会已经进入信息时代,信息化(利用信息技术促进经济与社会发展)正如火如荼地展开。但是,理论预测和实践经验都表明,信息化发展到一定程度就必须向智能化的水平提升,否则就会进入“休眠期”。因此,“智能化”正越来越强烈地成为社会各行各业共同的呼声。这便是今天发展人工智能科学技术的意义。
由于国际上迄今所建立的结构模拟、功能模拟、行为模拟3种方法各自都具有明显的局限性,在相当程度上制约了人工智能的发展。本文提出的“机制模拟方法”(即人工智能研究的第4方法)比已有的3种方法更加深刻地触及了智能生成的本质机制――“信息―知识―智能转换”,为人工智能的研究提供了更为科学的研究方法。只有方法更科学,才能使研究取得更好的进步。这是三大进展的学术意义之一。
知识生态结构理论的发现,不仅使人们理解了“知识”的生态规律,而且使人们认识到原来“鼎足三分,势不两立”的人工智能三种研究方法之间并非水火不容。恰恰相反,它们之间正是处在“知识生态结构”的不同部位,是可以通过一定的措施实现互相转化的,从而可以结束以前互不认可的局面。这是本文三大进展的学术意义之二。
基于前面两大进展,本文证明了:结构模拟方法、功能模拟方法、行为模拟方法都可以在机制模拟方法的框架内实现和谐的统一。这样,原先看似独立的“人工神经网络学说”(也称为计算智能,结构主义或者并行联接主义)、“(狭义的)人工智能学说”(也称为专家系统,功能主义或者符号逻辑主义)和“感知动作系统学说”(也称为黑箱系统,行为主义)就在“机制主义方法”的基础上形成了人工智能的统一理论。或者说,人工智能的结构主义方法、功能主义方法、行为主义方法都成为了机制主义方法的3个相辅相成的特例。3个原来不和谐的“分力”形成和谐一致的“合力”,这是本文提出的三大进展的学术
意义之三。
总之,本文获得的三大进展――新的研究方法、新的知识理论、统一的人工智能理论将使人工智能学科的理论更为深刻、更为成熟、更为完善。因此,一方面对学科的发展具有重要意义,同时对人工智能学科的教学也具有重要意义。
5结论
本文注意到人工智能研究领域三大主流学说之间存在“互不认可”的矛盾,认识到其中的本质问题是研究方法不完善,于是笔者通过深入研究提出和建立了“机制主义方法”,进而又发现和总结了“知识内生态结构”与“知识外生态结构”。综合以上提出的方法和两项发现,建立了人工智能的统一理论,使整个人工智能的研究由原来“鼎足三分”的状态转变为“三分归一”。这一研究成果,对于人工智能理论研究的进一步发展具有重要的意义。
参考文献:
[1]W. C. McCulloch and W. Pitts. A Logic Calculus of the Ideas Immanent in Nervous Activity[J]. Bulletin of Mathematical Biophysics,1943(5):115-133.
[2]Rosenblatt, F. The Perceptrom: A Probabilistic Model for Information Storage and Organization in the Brain[J]. Psych.Rev.,1958(65):386-408.
[3]Hopfield, J. J. Neural Networks and Physical Systems with Emergent Collective Computational Abilities[J]. Proc. Natl.Acad,1982(79):2554-2558.
[4]Grossberg, S. Studies of Mind and Brain: Neural Principles of Learning Perception, Development, Cognition, and Motor Control[M]. Boston:Reidel Press,1982.
[5]Rumelhart, D.E.Brain Style Computation: Leaning and Generalization[M]//Introduction to Neural and Electronic Networks[M]. New York:Academic Press,1990.
[6]Newell,A. and Simon,H.A.A Program That Simulates Human Thought[M]//Computers and Thought. New York:McGraw-Hill, 1963:279-293.
[7]Feigenbaum,E.A.,J.Feldman. Computers and Thought[M]. New York:McGraw-Hill,1963.
[8]Simon,H.A. The Sciences of Artificial[M]. Cambridge:The MIT Press,1969.
[9]Newell,A.,H.A. Simon. Human Problem Solving[M]. Englewood Cliffs:Prentice-Hall,1972.
[10]Minsky,M.L. The Society of Mind [M]. New York:Simon and Schuster,1986.
[11]Brooks,R.A. Intelligence without Representation[J]. Artificial Intelligence,1991(47):139-159.
[12]钟义信. 机器知行学原理:信息-知识-智能转换理论[M]. 北京:科学出版社,2007.
Mechanism Approach and Unified AI Theory
ZHONG Yi-xin
(Department of Intelligence Science, Beijing University of Posts and Telecommunications, Beijing 100876, China)
神经网络中的注意力机制范文第4篇
瘦思路1.增加大脑模拟练习！
发挥脑力，让运动消耗能量事半功倍！
有时候我们发现运动带来的减肥效果并不如预期的那般好，或者一些对他人行之有效的运动，作用到自身时却收效甚微。为什么呢？
研究人员发现，大脑在运动过程中起着非常重要的作用。我们都体会过运动对于脑力的提升，其实，反过来大脑对运动和减肥的促进作用也同样显著。
现在，让我们学习在减肥过程中利用大脑指挥运动吧！
一场完美的大脑模拟练习可多消耗15%-20%的热量。健身舞蹈课程向来在健身世界担当着重要的角色，除了本身的时尚诱惑外，更重要的是因为舞蹈是一项“想象完美”的运动。这种“想象完美”不仅是指舞蹈时肢体动作的完美，更是指学习舞蹈过程中大脑形成的“运动记忆”效果完美。
在跳舞之前，我们会在大脑中模拟进行一组舞蹈动作，这样经过一次次的想象，“运动记忆”就被固化在大脑中。“运动记忆”形成后，大脑在我们真正开始运动时，像计算机一样精确地指挥我们身体各个方面进行动作协调，让动作完美流畅。美国的一项研究表明，“流畅地”完成一组动作比“磕磕绊绊”地完成至少多消耗15%-20%的卡路里。
所以，选择动作招式复杂的运动健身项目，既能增加身体协调性，更能有效提高健身效果，一举两得，何乐而不为？
TIPS:
30分钟的间隔练习比常规练习多消耗30%的热量。
每10分钟的单腿站立可以消耗2块威化饼干的热量。
瘦思路2.坚持瘦思路，颠覆节食之苦！
吃饱了吗？听听大脑的声音！
美国德克萨斯大学医学中心从肥胖的机制入手进行研究，提出了人的体重是由下垂脑控制的理论，认为调解中枢中的“瘦素”含量越高，就越能抑制对碳水化合物的过量吸收和脂肪的合成，并能加速脂肪分解。
瘦素是一种由储存于体内由脂肪分泌的蛋白质，它给下垂脑发号停止进食的信息。如果瘦素能够正常发挥效用，大脑就会发出饱足的信号，我们就不会再继续吃下去，并促使身体燃烧更多的脂肪。可惜，瘦素不一定能发挥作用，它有时会败给我们大脑的愉悦中枢，于是再吃点儿的欲望掩盖了瘦素发出的已饱信号。久而久之，瘦素就不再发出信号。一个有趣的现象是，越是不爱运动的人，他们的瘦素反应越迟钝，信号也越弱。
TIPS：
每天运动30分钟，提高脑垂体接受瘦素发出信号的敏感度，及时发出饱足信号。
安静的大脑能提高60%的健身效果
虽然我们不是运动员，但我们也有最佳运动状态。研究显示，当我们处于最佳运动状态时，大脑的神经活动比平时要少而专注。脑电图检测表明，此时我们的注意力只集中在视觉和相关运动等很小的区域上，其他的神经网络区域几乎没有活动。最让人惊喜的是，“安静的大脑”却可以令我们获得多出60%的运动效果。
TIPS：
集中精神，只关注动作本身。
30分钟的刺激提高30%的热量消耗
我们的大脑很容易喜新厌旧，如果你不能经常给它足够的刺激，它会慢慢淡忘最佳状态下的消耗量，甚至用消极的情绪给肌肉下达错误指令，让肌肉更加紧张。
TIPS：
不断变换运动方式、运动节奏来刺激大脑。
10分钟的平衡练习消耗70卡路里的热量
练习过太极拳吗，尝试过瑜伽吗？表面从容不迫，波澜不惊，运动过后却大汗淋漓。看似平缓的瑜伽每小时热量消耗高达300卡路里，究其原因，太极和瑜伽都强调大脑对身体的控制性，要求我们在练习时脑力高度集中。每10分钟的平衡练习至少可以消耗70卡路里的热量，相当于两块威化饼干的热量。
TIPS：
把随时可做的平衡运动加入到日常生活中，打电话、看书、聊天时，请摆个金鸡独立的姿势吧。
瘦思路3.对抗影响脑力积极运动的负因子！
呼吸没有节奏
运动时呼吸紊乱通常表示你的脑力不够集中。我们需要尽快调解，尝试有节奏的腹式呼吸――让空气充满胸腔，感觉到我们将氧气直接吸入，然后从喉咙畅快地呼出。跑步时，按照每四步呼气或者吸气一次的频率做均匀的深呼吸。
缺水
如果能量或水分摄取不足，我们就无法全神贯注地进行练习，所以要适时地补充能量和水分。在运动前1-2个小时，吃一些低脂肪、富含碳水化合物的食物，并且要在运动的前后及时补水。
疲劳
不要用运动来缓解疲劳。当身体疲惫时，我们最需要的是休息。疲惫的大脑和身体都无法承受强力的运动量。这种情况下的强迫运动非但起不到健身的效果，反而是一种损害健康的负担。
瘦思路4.聪明地对待食物！
不盲目节食，聪明地对待食物。对于吃什么、吃多少、怎么吃，要有自己的思想，具备清醒的“苗条意识”。
吃饭坚持顺序：汤素菜主食肉类。
选菜坚持种类：蔬菜的热量一般是20千卡/100克，将热量低的蔬菜纳入选择名单的前几位，适当搭配荤菜，合理注重营养。
烹饪坚持方式：凉拌清蒸煮炖炒。素菜以凉拌为好，既能避免煎炸产生的高脂肪，又能保持营养。
神经网络中的注意力机制范文第5篇
关键词：认知功能；小学体育；效果
中图分类号：G633.96 文献标识码：A 文章编号：1005-2410（2017）06-0015-03
一、选题
认知功能的改善是21世纪的前沿科学和应用焦点，关系到儿童的学习成绩、成人的工作业绩、老人的身心健康，乃至人工智能的不断革新。认知功能包括注意、记忆、自控、判断、计划、决策、语言表达等思维过程，是人们高效学习、工作和幸福生活的能力基础。三十年来的认知神经学研究表明，大脑具有“可塑性”，大脑会受到后天环境的影响而发生结构和功能的改变。在不同的环境影响因素中，二十年来的运动生理学研究发现，运动能够通过很多生理机制去促进认知功能的提高，而且不同的运动内容和运动方法对认知功能有着不同影响。这些科研成果不禁吸引人思考：能否有意识地设计一些体育活动，去促进儿童认知功能的提高？
六十年来的认知心理学研究发现，认知功能在儿童期发展得最快，特别是持续注意（即保持注意持续一段时间）、注意分配（即同时关注几个目标对象）、工作记忆（即对需要做什么事等指令的短时记忆）、信息处理（即快速接收、处理信息并作出反应）、反应抑制（即抑制优势反应和冲动）、认知灵活（即快速适应规则变化）等较为基础的认知功能。鉴于此，本文以促进这些较为基础的认知功能的体育活动为研究对象，探讨其对小学生认知功能的影响。
对促进认知功能的体育活动的探讨，能够补充和完善体育教育的教育目标、方法和评价标准。这意味着，儿童将享受到更丰富的体育教育内容，而体育教师需要具备在技能传授、情感品格发展之外的更复合的知识结构和教学能力。这对于全球的体育教育都是新鲜的挑战。与此同时，这一探讨也将改变“头脑简单、四肢发达”的固有观念，让人们看到体育场能够提供的促进身体功能之外的丰富的教育机会，从而提高体育学科在学校教育中的地位。
二、前人研究回顾
1980年代以来的研究发现，认知功能的意义重大，认知功能水平比智商测验更能够预测儿童的学习成绩。对多动症、自闭症、老年痴呆症等病人的认知功能损伤和干预训练的大量研究发现，认知功能可以通过后天干预得到改善。认知神经学的研究揭示了认知功能改善的生理机制，即“神经可塑性”。比如，一项对我国体操运动员的大脑成像研究显示，经过多年专业训练的体操运动员的神经网络连接出现了30种增长和18种减少，这说明后天的运动训练改变了他们的大脑结构。
运动生理学和教育学的研究发现，运动能够促进认知功能的提高。比如，除了美国的“零点体育”（zero-hour PE）实验外，2014-2015年在北京市海淀区艺师附小（现农科附小分校）开展的3C脑体双优教学实验，通过让一二年级学生进行30分钟运动+30分钟数学（或电脑认知训练）+30分钟运动或60分钟运动+30分钟数学（或电脑认知训练）等动静转换训练，学生做数学题（或电脑认知训练）的速度和准确度都有了明显的提高。神经学研究发现，运动促进认知的生理机制之一在于，运动能够提高神经生长因子数量，运动后人体分泌的多巴胺等神经递质有助于集中注意力，等等。
研究还发现，不同运动内容对认知功能有着不同的影响。比如，接受六个月的太极拳训练比接受西式的拉伸和有氧运动的人在执行功能认知测试中表现更好，同时平衡感更强。再比如，英国有实验研究让135名7岁的儿童参加了15个月的球类训练，分为手球、足球、曲棍球、综合项目几个组，结果显示各组的战术创造力都有普遍提升，其中足球组的创造力表现最优秀。
国际上已经有少数教育者开始尝试将认知功能训练融入体育活动当中。比如，美国的教育者将“木头人”“捉人”等传统的集体游戏加入了更多的认知刺激，以训练儿童的持续注意、工作记忆、认知灵活等认知功能。
综上所述，促进认知功能的体育活动是一个国际前沿的跨学科话题，存在着大量空白。国际上尚没有促进认知功能的儿童体育活动的系统设计，也没有大样本数据对其效果进行检验。本文在前人研究的基础上，试图将认知功能的训练目标融入小学体育活动，探讨这种有意识设计的体育活动对认知功能的影响。
三、研究方法
本文采用了文献阅读法、实验法和统计法的方法进行研究。
1.文献阅读法
本文在阅读了大量国际研究和教育实践案例的基础上，梳理了前人的研究成果和研究方向，为本文的实验研究奠定了理论和实践基础。
2.实验法
实验假设：结合了认知功能训练的体育活动（以下简称“认知体育活动”），相比于没有结合认知功能训练的体育活动（以下简称“常规体育活动”），更能够提高小学生的认知功能水平。
实验对象：北京市东城、海淀、密云、房山、昌平等区共16所小学的三年级学生，共38个班级、约1200名学生。
实验时间：从2016年11月底至2017年4月底，共上课10周，每周3次课，共30次课。
实验安排：每个学校在三年级安排1个实验班、1个对照班，由同一位体育教师上课，其中实验班开展认知体育活动，对照班开展常规体育活动。
实验内容：由本文课题组提供指导、各实验校体育教师参与研发，共同开发的一套认知体育活动内容。包括：多种数字报数、反应性练习、反口令练习、镜子游戏、旗语信号、抗干扰练习、大风吹集体游戏等。这些认知体育活动的设计考虑了不同认知功能、运动项目和技能教学阶段的特点，针对集体教学环境做了调整，并考虑了整节课在身体负荷、注意力和认知负荷的强度和密度安排。
实验结果测量：在实验前后，使用根据美国国立卫生院（NationalInstituteofHealth）俗伎发的认知功能测评软件来测量实验对象的认知功能水平，软件包括DCCS、Flanker、Go/No-Go、WMT等四个测试工具（测试内容简介见表1）。认知功能前测在2016年11月25日至12月2日期间完成，后测在2017年4月20日至4月28日期间完成，前后两次测试的内容一致。
3.统计法
本文对收集到的认知功能测评数据进行效度处理和对比分析，比较认知体育活动和常规体育活动学生的认知功能的差异。
四、结果分析与讨论
1.对照实验的数据处理结果（表2）
上表中各项的定义：
（1）测试学校：由于本文只开展各校内部的实验班和对照班比较，而不进行各校之间的横向比较，因此用数字1-16来替代学校名称。
（2）测试班级：1班指实验班，2班指对照班。
（3）测试项目：D指DCCS测试，F指Flanker测试，G指Go/No-Go测试，W指WMT测试；1指前测，2指后测。因此D1指DCCS前测，D2指DCCS后测，其它依此类推。
（4）数据结果：表中的数据是各班的正确得分均值。其中，D、F、G测试的正确得分指正确率*100；W测试的正确得分指累积的记忆得分。
无效数据的剔除：
（1）学校整体数据的剔除：本文的数据统计分析剔除了学校8、12、13、16的数据。原因在于：学校8和学校12少了一个班的数据，无法构成各自的对比实验。学校16的实验班只有5人参加了测试，数据不足以全面地反映班级情况，无法构成公正的对比实验。学校13的实验班在前测时由于电脑设备和网络出现故障，在一周内连续做了两次测试，班级约1/3数量学生的数据出现了较大变动，影响了数据可靠性，难以构成可靠的对比实验。另外，学校11的D2数据存疑，由于2班30人中只有12人参加了该项后测，难以全面地反映全班情况。
（2）班级个体数据的剔除：部分学生的部分测试项目缺项；此外还存在个别学生的反应时小于0.1秒的情况，也即是这些学生在随机乱点屏幕。因此在进行班级均值计算时，剔除了这部分数据。
2.对照实验的数据分析
（1）DCCS数据
可以看出，在11所学校中，学校1、2、5、6、9、10、14等7所学校显示出了实验班比对照班有着更大的提高幅度，其中有5所学校显示出了实验班的提高幅度比对照班超出5%。其余4所学校，学校3和4显示出了基本一致的提高/下降幅度；学校7和15，实验班的提高幅度不如对照班，但实验班受到了前测数据起点更高、因此提高空间更小的限制。
说明：经过训练后，绝大多数学校的实验班比对照班在认知灵活、持续注意、工作记忆和信息处理能力等认知功能上拥有更大幅度的提高，个别学校数据的反驳价值有限。
（2）Flanker数据
可以看出，在12所学校中，学校4、5、6、7、9、10等6个学校的实验班比对照班的前后测提高幅度要大；学校1、2、3、11、14、15等6个学校相反，但同样这些学校的实验班受到了前测数据起点更高、因此提高空间更小的限制。
说明：有一半学校的实验班比对照班在抗干扰能力、持续注意和工作记忆等认知功能上拥有更大幅度的提高；另一半学校没有显示出这种优势，不过其反驳价值有限。
（3）Go/No-Go
可以看出，在12所学校中，学校1、2、3、5、6、7、9、10、11、14等10个学校都出现了实验班比对照班的提升幅度更大。其别是学校6、9、10，实验班的提升幅度比对照班的约高出了5%。其余两所学校4和15，同样这些学校的实验班受到了前测数据起点更高、因此提高空间更小的限制。
说明：经过训练，绝大多数学校的实验班比对照班在自控力、持续注意和工作记忆等认知功能上拥有更大幅度的提高，个别学校数据的反驳价值有限。
（4）WMT数据
可以看出，在12所学校中，学校1、4、6、9、10、14、15等7个学校的实验班比对照班的提高幅度更大。学校2、3、5、7、11则相反。值得注意的是，参加WMT测试的全部24个班里，有9个班的WMT后测数据低于前测数据，这包括5个实验班和4个对照班。其部分原因可能是，WMT测试在实施过程中要花费更多时间，一些学生没有足够的持续注意力来完成这个测试，导致后测时数据出现倒退的情况。
说明：超过一半学校的实验班比对照班在记忆力和持续注意等认知功能上拥有更大幅度的提高，其余学校没有显示出这种优势。
五、结论
在北京市12所小学三年级的对照实验中，DCCS、Flanker、Go/No-Go、WMT四个认知功能测试项目的前后测结果表明，经过10周、每周3次、每次40分钟的体育活动后，大部分学校的实验班比对照班在认知灵活、抗干扰、反应抑制（自控力）、持续注意、信息处理、记忆力等认知功能方面取得了更显著的提高。实验班的这种认知功能提高优势在认知灵活和反应抑制（自控力）方面体现得更为明显，部分学校的提高幅度优势达到了5%；实验班的这种认知功能提高优势在记忆力方面体现得稍弱。
六、问题与讨论
在实验过程中也遇到了不少问题，有待进一步探索和改进。包括：1）认知训练如何更紧密地服务于技能教学；2）认知训练的强度如何把握，本次实验中摸索出的理想强度是持续15分钟、每分钟1～10次不等的视听认知信号；3）认知训练中如何平衡好学生的更高兴奋度和课堂安全问题；4）认知训练中如何减少“搭便车”现象、同时照顾到反应慢的个体；5）认知训练的场地教具设计如何避免多个班级同时上课的干扰，等等。
参考文献：
[1]Cowan，N.&T.P.Alloway.Development of Memory in Childhood [M].Hove：Psychology Press，2007.
[2]Doidge，N.The Brain That Changes Itself [M].New York：Viking，2007.
[3]Gazzaniga M.S.et al.周晓林等，译.认知神经科学：关于心智的生物学[M].北京：中国轻工业出版社，2010.
[4]Nisbett，R.E.Intelligence and How to Get It：Why Schools and Cultures Count [M].New York & London：W.W.Norton& Company，2009.
[5]Rowland，T.W.Children’s Exercise Physiology[M].Champaign：Human Kinetics， 2004.
