场景分析中的神经网络视觉计划表示------外文原文及翻译.rar

概要：在神经网络系统中把简单场景中的对象识别作为任务的研究集中在两个主要的问题上：第一个问题是利用有限的资源处理大量的输入；第二个问题是表示和利用结构化的知识。第一个问题的出现是由于没有一个实用的神经网络可以同时高效地处理所有的可视化输入。解决这个问题的办法是并行地处理比较小的输入，并且连续地处理输入的其他部分。为了能够描述和翻译收集来的前后相继的信息，这个策略需要系统维护一个结构化的知识。
被提议的系统VISOR由两个主要的模块组成。低层可视化模块(Low-Level Visual Module)从可视化输入中提取特征和位置信息。计划模块(Schema Module)把可能的对象的可视化知识编码，并且为低层可视化模块提供自上而下的信息，以便把注意力集中在场景中互不相同的部分。通过和低层可视化模块的协力合作，计划模块建立了一个对于收集到的前后相继的可视化信息的全局一致的翻译。
Ⅰ 介绍
考虑在简单场景中对象识别的任务。一个场景分析系统不得不识别场景中的对象(比如一张弓和两棵树)并且识别出场景所描绘的到底是什么。在设计一个执行以上所描述的功能的神经网络系统的过程中，我们遇到了两个基本的问题：
1 怎样能使得一个固定的，有限的神经网络能够处理无限的信息？
2 怎样能使得一个神经网络能够表示和利用已有的结构化知识？
实际上，在许多神经网络应用领域我们都遇到了以上所描述的两个问题，例