{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","title":"人工智能哲学","author":null,"edition":null,"publisher":null,"year":null,"isbn":"7532740544","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","id":"7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","uuid":"7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","title":"人工智能哲学","normalized_title":"人工智能哲学","author":null,"edition":null,"publisher":null,"year":null,"isbn":"7532740544","isbns":["7532740544"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":501,"navigation_url":"https://workshop.closeclaw.top/ai/book/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","title_url":"https://workshop.closeclaw.top/ai/title/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%93%B2%E5%AD%A6","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","page_url":"https://workshop.closeclaw.top/api/ai/books/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2/page","search_url":"https://workshop.closeclaw.top/api/ai/books/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2/search"},"page":{"printed_page":29,"pdf_page":37,"physical_index":37,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"5e2c9c0c6ca9a519f19df3d51d806eec38c7c0cc4b3826e307e3d6808cb50f33"},"chapter":"人工智能哲学","content":"现在可以准确地陈述我们的中心问题了：第一，找到一个获取一组可计算的S的有效方法，该S构成任何已知网的解；第二，用一个有效的方式来表征这类可实现的 $s .$ ，从实质上来说，这些问题是要演算任一网的行为，并且要找出一个按规定方式完成行为的网，如果这种网存在的话。\n\n如果一个网包含一个环，也就是说，如果网上存在着一个神经元的链 $c _ { i } , c _ { i + 1 } , \\ldots$ ，链上每一个元通过突触与下一个元相连，首尾都一样，则这个网就被称为循环的。如果有一组这样的神经元 $c _ { 1 } , c _ { 2 } , \\ldots$ $c _ { p }$ ，把它从H中移去，剩下的H就变成无环的，并且更小的神经元类别再没有这种特性，那么这组神经元就被称为循环组，并且它的基数是H的阶。我们将要看到，具有重要意义的是，一个网的阶是它行为复杂性的标志。特别是，零阶网具有非常简单的特性，我们首先来讨论它们。\n\n让我们用下面的递归式来定义一个指称时间命题函项(TPF)的时间命题表达式(一个TPE):\n\n1. $\\ \" p ^ { 1 } [ z _ { 1 } ]$ 是一个TPE，其中 ${ \\pmb p } _ { 1 }$ 是谓项变量。\n\n2. 如果 $\\pmb { S } _ { 1 }$ 和 $S _ { 2 }$ 是包含相同自由个体变量的TPE，那么 $S \\mathbf { S } _ { 1 }$ ， $S _ { \\nu }$ $\\vee S _ { 2 }$ $s , \\ldots s _ { 2 }$ 和 $S _ { i } \\ldots - S _ { 2 }$ 也是如此。\n\n3. 除 $\\vec { \\textbf { J } }$ (1)(2)外都不是 $\\mathrm { T P E }$ o\n\n定理I\n\n每一个零阶网都能用时间命题表达式来求解。\n\n设 $c _ { i }$ 是 $\\pmb { H }$ 中國值 $\\theta _ { i } > 0$ 的任一神经元，并设 $c _ { i 1 }$ ， $c _ { i 2 }$ $\\cdots$ $c _ { i p }$ 上分别具有刺激性突触 $n _ { i 1 } , n _ { i 2 } , \\cdots , n _ { i p }$ 。设 $c _ { j 1 }$ ， $c _ { j 2 }$ ，…， $c _ { j q }$ 上有抑制性突触。设 $k _ { i }$ 是一组子类 $\\{ n _ { i 1 } , n _ { i 2 } , \\cdots , n _ { i p } \\}$ ，它们的各元之和\n\n1 神经活动内在概念的逻辑演算\n\n29","previous_page":28,"next_page":30}