多通道通信和多模式的计算

但当代时期成功后,人工智能,计算语言学、自然语言工程需要面对自然语言的生态位使用:面对面的互动。一个特别的挑战人类的处理在面对面的互动是由来自不同感觉通道的信息:它是多通道。交谈时,我们不断地顺利进行,观察和生产信息在几个频道,比如演讲,面部表情,手和手臂的手势,和头部动作。此外,至少与文字相关的一些概念用于通信接地在感知信息。因此,多通道通信,作为一个规则,以不同种类的表征,这是不完全等同于和需要集成(知觉)或分布式(生产)。然而,这是多模式的计算。开车时,例如,信息的视觉场景,广播交通状况的信息,和时空知识集成映射到机动汽车。因此,人工智能,计算语言学、自然语言工程,解决多通道通信在面对面的交互必须涉及到多峰计算,导致下一个大的挑战和相关领域的研究。

这个研究课题有助于理解语言的发芽复兴多通道交互系统除了语法结构,利用丰富的象征意义之间的接口,直证的,描述结构和表征。进一步了解、研究课题问题将收集从语言学领域的贡献,计算语言学和计算机科学阐明语言和非语言结构如何形成多峰乐团作为语言的基础生产和理解。因此,我们期望从语言学各领域的贡献,计算语言学和相关学科揭示这一转变。

前沿研究雷竞技rebat课题邀请贡献的接口的所有方面多通道通信和多模式的计算。我们寻求研究覆盖跨度从computational-oriented研究多通道信号的形式和功能和行为小说在计算机硬件或软件算法的方法,从理论文章到工业应用。的主题的挑战多通道通信和多模式的计算不得不面对包括:

学习——多通道表示表示
——多通道主动学习
——记忆和多通道集成
- 4 e-cognition
——neural-to-symbolic人工智能
——空间表示和推理
——创建和开发多通道数据集
——实验研究的设计和计算使用的语言和非语言沟通
——表示格式和注释多通道数据的工具
- - - - - -视觉推理
——图解推理
-应用程序:问题回答,多峰分布语义,和其他人
——认知体系结构进行多通道处理
——神经模型和多通道输入
——多通道生成和裂变,或者绑定和解开纠结
——text2scene