元旦读书笔记之模糊认知映射网络

           元旦假期结束了！感觉好象没有休息一样，一转眼又要开始胡乱忙乎了！ 晕！无奈！

          先换上一套新衣裳，希望新年有新气象和好心情！

          这里先贴一些关于FCM的读书笔记，以备后续进一步学习使用！

         人工神经网络，以模仿人类大脑的拓扑结构作为一种新颖的技术，从20世纪80年代中期开始，由启蒙阶段到成熟并已扩展到工程各个领域。将网络思想与模糊逻辑推理思想相结合形成的模糊神经网络，作为人工智能领域一种新的技能、正向着更高层次的研究与应用方面发展。

         1985年巴特.柯斯可(Bart Kosko)提出模糊认知映射网络（Fuzzy Cognitive MaP——FCM）。巴特．柯斯可2000年出版《模糊的未来: 从社会,科学到晶片中的天堂》（Heaven in a Chip: Fuzzy Visions of Society and Science in the Digital Age, Three Rivers Press/Random House , ISBN 0609-80567-3)一书。该书2004年被翻译成繁体中文在台湾发行。目前，他任教于南加大电子工程学院，是位拥有哲学、经济、数学、工程等多重学位的全才型人物。他为多家媒体、电台撰稿，内容广及科学和社会中的不同层面，同时也是得过奖的作曲家。着有《模糊思考》、《微秒》等作品。现定居于洛杉矶。

http://sipi.usc.edu/~kosko/

        模糊认知图模型(fuzzy cognitive map，FCM)把概念间的逻辑关系从{一1，0，1}扩展为区间[一1，1]上的拓展了的模糊关系，是目前认知图研究的主流。在模糊认知映射网络(简称FCM)中，各单元（节点）表示各个不同的模糊集，单元之间的连接权（或称棱）表示相应模糊概念之间的因果关系。它是一种知识网络，任何一个专家都可以把它的知识用一个模糊神经网络表达出来。它是一种功能强大而又灵活的图件，与传统表示方法不同的是，模糊认知图可以实现因果判断过程，可以用于建立可操作的函数系统。应用FCM网络能灵活地、较好地表达专家的知识，并进行自动推理和预测，它能很好的解决知识的合成问题，因而FCM网络在人工智能领域中大有用武之地。

        但FCM 不能表示概念间的空间条件概率因果关系和动态变化。模糊认知图较难表示概念间因果关系测度的不确定性、因果联系的时空特性及专家对知识的不确定性。