阅读分享网站模板北京seo优化
ACT-R官网：http://act-r.psy.cmu.edu/software/
文章目录
- 环境
- 概述
- 环境启动
- 课程1
- ACT-R的核心要素：chunk和production
- ACT-R的模块
- 概述
- 通信模块-buffer
- 模块关系
- 目标模块-Goal Module
- 陈述模块-Declarative Module
- 程序模块-Procedural Module
- 新建ACT-R模型
- ACT-R控制命令
- clear-all
- define-model
- Chunk-Types
- chunk创建
- productions创建
环境
概述
系统环境：Windows 11
Python环境：3.9.9
ACT-R版本：7.28应用版
ACT-R开发语言：ANSI Common Lisp
7.6版本起，ACT-R提供了远程交互结构，可以实现任何语言的接入。
环境启动
在ACT-R文件夹下，打开cmd窗口，执行下方命令，启动ACT-R Lisp窗口（含ACT-R系统）以及ACT-R环境
.\run-act-r.bat
弹出ACT-R Lisp窗口如下，可以用Lisp指令交互
弹出ACT-R环境窗口如下，作为控制窗口
课程1
ACT-R的核心要素：chunk和production
ACT-R中有两种知识表达方式：
- declarative knowledge-陈述性知识：我们清楚且能够对他人描述的实物。例如，华盛顿是美国第一任总统
- procedural knowledge-程序性知识：我们在行为中表现出来但没有意识到的知识。例如，没人能描述语言规则，但我们能说。
ACT-R中用结构表达declarative knowledge，名曰chunks。用规则表达procedural knowledge，名曰productions。
- chunks：表达人解决问题后获得的知识。由属性（slots）和值（value）组成，一个属性有一个单值。例如（示意性，非正式使用）：
狗追猫的chunk描述
Action023verb chaseagent dog