扩散激活

扩散激活是一种用于搜索关联网络、生物和人工神经网络或语义网络的方法。搜索过程是通过给一组源节点（如语义网络中的概念）贴上权重或激活的标签，然后迭代地将激活传播或扩散到与源节点相连的其他节点。大多数情况下，这些权重是实值，随着激活在网络中的传播而逐渐衰减。当权重是离散的时候，这个过程通常被称为标记传递。激活可能来自不同的路径，由不同的标记识别，并在两个交替的路径到达同一节点时终止。然而大脑研究表明，几个不同的大脑区域在语义处理中发挥着重要作用。语义网络中的扩散性激活作为一种模型是在认知心理学中发明的，用来模拟扇出效应。扩散激活也可以应用于信息检索，通过代表文件和这些文件中包含的术语的节点网络。

由于与认知心理学有关，扩散激活是关于大脑如何通过相关的想法网络进行迭代以检索特定信息的理论。扩散激活理论将我们记忆中的概念阵列呈现为认知单元，每个单元由一个节点及其相关元素或特征组成，都由边连接起来。传播性激活网络可以用一种网络图来表示，两个节点之间的线较短，意味着这些想法的关系更密切，通常会更快地与原始概念联系起来。对于记忆心理学来说，传播激活模型意味着人们根据他们的个人经验来组织他们对世界的知识，也就是说，这些个人经验形成了思想的网络，这就是这个人对世界的认识。在单词识别任务中，当一个单词（目标）前面有一个相关的单词（主词）时，参与者在反应的时间上似乎表现得更好。

有向图由节点[1...N]组成，每个节点都有一个相关的激活值A[i]，是一个范围为[0.0...1.0]的实数。链接[i,j]连接源节点[i]和目标节点[j]。每条边都有一个相关的权重W[i,j]，通常是一个范围在[0.0...1.0]的实数。参数。发射阈值F，范围为[0.0...1.0]的实数衰减因子D，范围为[0.0...1.0]的实数步骤。初始化图形，将所有激活值A[i]设置为零。将一个或多个源节点设置为初始激活值大于点火阈值F，典型的初始值是1.0。对于图中每个激活值A[i]大于节点点火阈值F的未点火节点[i]：对于连接源节点[i]和目标节点[j]的每个Link[i,j]，调整A[j]=A[j]+(A[i]*W[i,j]*D)其中D是衰变因子。如果一个目标节点收到对其激活值的调整，使其超过1.0，那么将其新的激活值设置为1.0。

同样，如果目标节点的激活值被调整到0.0以下，则保持0.0作为目标节点激活值的下限。一旦一个节点被激活，它可能不会再次被激活，尽管基本算法的变化允许重复激活和在图中循环。收到超过激活阈值F的新激活值的节点被标记为在下一个传播激活周期中被激活。如果激活来自一个以上的节点，算法的一个变体允许标记传递来区分激活在图上传播的路径，当没有更多的节点要发射时，或者在标记从多个来源传递的情况下，当一个节点从一个以上的路径到达时，程序就终止了。