為什麼分層網路模型具有一定的推理能力？

答案]：b、c、d

等級網路模型的乙個特徵是其認知經濟學原理。 在網路結構中，一類概念的共同屬性不是與每個類成員一起儲存，而是與它們的從屬概念一起儲存。 類別大小效果支援此檢視。

研究人員要求受試者判斷句子的真實性，當句子的主語和謂語處於同一水平時，反應最快。 當句子的主語和謂語用節點分隔時，響應時間較慢; 當主語和謂語由兩個節點分隔時，響應時間越慢。 首先，該模型只研究從線路的層次層面提取資訊洩漏，忽略了連線的強度，即忽略了熟悉度的作用。 其次，該模型忽略了類成員的典型結合，並認為該類別的所有成員都是相同的。 事實上，每個成員的典型值是不同的，例如，蘋果的概念在水果類別中比葡萄柚的概念要高得多。

第三，分層網路模型不能為否定判斷提供合理的解釋。 根據分層網路模型，做出否定判斷通常需要長時間的搜尋。 但Glass等人，1975）發現，對諸如“所有鳥類都是狗”或“蝙蝠都是鳥類”等句子做出負面判斷的句子速度很快。

簡要描述概念結構的分層網路模型理論如下：

心理學家認為，每個人都有乙個容量巨大的長期記憶系統，我們通過各種網路模型將我們對世界的認知組織到這個系統中。 這些模型是乙個包含無數概念和關係的豐富網路。 他們不僅能夠捕捉到飛機、電腦和房屋等物理物件，還能夠捕捉到許多抽象的概念，如家庭、溝通和能力。

經典網路模型包括分層網路模型和啟用擴散模型。 分層網路模型是Quillian提出的認知心理學中第乙個語義記憶模型，最初被提出用於語音理解的計算機模擬，後來被用於說明概念的結構。

在這個理論中，概念以節點的形式儲存在概念網路中，每個概念都有一定的特徵，這些特徵實際上是概念。 各個屬概念按照邏輯從屬關係組織在一起，它們的屬屬關係用連線線表示，使彼此具有屬屬關係的概念形成乙個概念網路。

在網路中，概念的層次越高，抽象泛化的層次就越高。 啟用擴散模型也是乙個語義記憶模型。 但與分層網路模型不同的是，它放棄了概念的分層結構，而是將具有語義聯絡或相似性的概念組織起來。

區別一：成分不同

1. 分層模型將資料組織成一對多關係。

結構、層次結構使用關鍵字來訪問每個級別的每個部分。

2.網格模型使用連線指令或指標來確定資料之間的顯式連線關係，這是一種多對多型別的資料組織。

3、關係模型以記錄組或資料表的形式組織資料，便於各種地理實體和屬性之間關係的儲存和轉換，無分層，無指標，是建立空間資料與屬性資料關係的一種非常有效的資料組織方法。

區別二：模型的優點不同

1、分層模型的優點：資料結構相對簡單明瞭，資料庫查詢效率高，提供了良好的完整性支援。

2、網路模型的優點：它可以更直接地描述現實世界，比如乙個節點可以有多個父節點，乙個節點可以有多種連線; 效能好，接入效率高。

3、關係模型的優點：它基於嚴格的數學概念; 這個概念是單一的，實體和實體之間的聯絡都由關係表示。 資料的檢索和更新結構也是關係型的; 其訪問路徑對使用者是透明的，因此具有更高的獨立性、更好的安全性和保密性，並簡化了程式設計師開發和構建資料庫的工作。

區別3：模型的缺點不同

1、分層模型的缺點：現實世界中的很多連線都是非分層的，不適合節點之間的多對多連線; 子節點的查詢必須通過父節點; 由於結構緊湊，分層命令往往是過程性的。

2、網格模型的缺點：結構比較複雜，隨著應用環境的擴充套件，資料庫的結構越來越複雜，不利於終端使用者掌握; 網格模型的DDL和DML比較複雜，需要嵌入到某種高階語言（C、Cobol）中，使用者不容易掌握和使用。

3、關係模型的缺點：訪問路徑的隱蔽性導致查詢效率不如格式化的資料模型。

資料模型描述的內容由三部分組成：資料結構、資料操作和資料約束。

資料模型根據不同的應用級別分為三種型別：概念資料模型、邏輯資料模型和物理資料模型。

在概念資料模型中，有您提到的物件導向模型和謂詞模型，以及 ER 模型。

分層模型、網狀模型和關係模型是三個重要的資料模型。

樹形圖對應的資料模型是分層模型; 與網格圖對應的資料模型是網格模型。 關係模型是一種無格式結構，它使用單個二維表的結構來表示實體和實體之間的連線。 滿足一定條件的二維表稱為關係。

神經網路模型的分類人工神經網路的模型很多，可以根據不同的方法進行分類。 其中，常見的兩種分類方法是根據網路連線的拓撲結構和根據網路內部的資訊流向。 1 根據網路的拓撲結構，即神經元相互連線的方式，對網路的拓撲結構進行分類。

基於此，神經網路結構可以分為兩大類：分層和互連。 分層神經網路根據神經元的功能和序列將神經元分為輸出層、中間層（隱藏層）和輸出層。

輸出層中的每個神經元負責接收來自外界的輸入資訊，並將其傳輸到中間層的神經元。 隱藏層是神經網路的內部資訊處理層，負責資訊轉換。 它可以根據需要設計為一層或多層; 最後乙個隱藏層將資訊傳輸到輸出層，神經元經過進一步處理，然後將資訊處理結果輸出到外界。 在網際網路結構中，任意兩個節點之間都可能存在連線路徑，因此根據網路中節點的連線程度，可以將網際網路細分為三種情況

全互聯、部分互聯、稀疏互通2 根據網路資訊流的分類，從神經網路內部資訊傳輸方向來看，可分為前饋網路和反饋網路兩種。 簡單前饋網路的結構與分層網路的結構相同，前饋之所以得名，是因為網路資訊處理的方向是從輸入層到隱藏層，再到輸出層逐層進行的。

在前饋網路中，上一層的輸出是下一層的輸入，資訊的處理具有逐層傳輸的方向性，一般沒有反饋迴路。 因此，這種網路很容易串聯起來，以建立多層前饋網路。 反饋網路的結構與單層全互連結構網路的結構相同。

反饋網路中的所有節點都具有資訊處理能力，每個節點既可以接收來自外部世界的輸入，也可以輸出到外部世界。

1.分層模型。

一組基本分層連線，滿足以下兩個條件：（1）只有乙個節點，沒有父節點（該節點稱為根節點）; （2）根節點以外的節點有乙個或只有乙個父節點。

分層模型類似於網格模型，因為記錄和鏈結分別用於表示資料和資料之間的連線。 與網格模型不同，分層模型中的記錄只能組織到樹的集合中，而不能組織到任何圖形中。

分層模型可以看作是網格模型的乙個特例，它們都是格式化的模型。 它們都具有共同的特徵，從架構到資料庫語言再到資料儲存管理。 在分層模型中，記錄的組織不再是雜亂無章的圖表，而是一棵樹"倒長"的樹。

2.網格模型。

一組基本的分層連線，滿足以下兩個條件：（1）允許多個節點沒有父節點; （2） 乙個節點可以有多個父節點。

網格模型中的資料由記錄集合表示（其含義與帕斯卡語言中的記錄相同），資料之間的連線由鏈結（可以視為指標）表示。 資料庫中的記錄可以組織成任意圖形的集合。

3.關係模型。

關係模型使用表的集合來表示資料以及資料之間的連線。 每個表都有多個列，每個列都有乙個唯一的列名。 在關係模型中，從客觀事物中抽象出來的實體和實體之間的聯絡都由單一的結構型別——關係來表示。

在對關係進行所有處理後，結果是關係 - 乙個新的二維表。 追問：請問你舅舅。