工作前心理活動總結(jié)精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的工作前心理活動總結(jié)主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：工作前心理活動總結(jié)范文
一活動前準(zhǔn)備工作：
1活動場地：多媒體教室
2活動用品購買：獎(jiǎng)品（薯片，飲料）材料紙彩色紙片棒棒糖黑色中性筆
一次性紙杯
3宣傳海報(bào)
4心理圖片音樂PPT制作
5微電影尋找
6場地由所有工作人員布置
二活動中：
1活動的介紹：
本環(huán)節(jié)由主持人對心理健康部本次活動的主題以及活動的注意內(nèi)容進(jìn)行簡單的介紹。
2互動環(huán)節(jié)：
①團(tuán)隊(duì)協(xié)助尋找幸福感——取之有道
游戲分為2組，每組4人。參與者用布條蒙住眼睛，端著一碗水從前臺走向教
室最后面，在同伴的聲音的指導(dǎo)下，杯子的水未灑出并最快到達(dá)者為勝。
②生命之重——珍惜點(diǎn)滴幸福。中間插入事先制作好的ppt
每個(gè)人慎重考慮自己20個(gè)身份，然后不得已作出選擇，放棄10個(gè)，最后再放
棄5個(gè)。在放棄直至只剩下1個(gè)身份。由主持人隨機(jī)選取或同學(xué)們踴躍發(fā)言，說出自己放棄的以及原因。并由這個(gè)游戲得到的感悟?；顒舆^程中，將會插入音樂以及幻燈片觀看。
③假如生命只有3天?！湎c(diǎn)滴幸福活動過程中播放音樂
活動參與者沒人在紙上寫下“假如生命只有3天，最想要做的事”再將紙片疊成飛機(jī)向講臺投擲，再由主持人及工作人員隨機(jī)抽取與大家分享。
④幸福是什么
活動開場前，每人分發(fā)一張小紙片。寫下對幸福的感受和認(rèn)識。結(jié)束時(shí)由工作人員收上來，選取有創(chuàng)意較好的，由主持人與大家分享。作為此次活動的最后，并由工作人員向現(xiàn)場分發(fā)棒棒糖。
⑤微電影觀看尋找有關(guān)提升同學(xué)們幸福感的微電影兩部，一部備用。在活動環(huán)節(jié)播放。
三活動后
1各負(fù)責(zé)人將場地整理干凈。
2活動新聞稿活動照片
四活動經(jīng)費(fèi)預(yù)算
1中性筆10*1、5=15元
2薯片飲料4*4=16元2、5*4=10元
3礦泉水10瓶10元
4材料紙2元
5彩色紙片10元
第2篇：工作前心理活動總結(jié)范文
人腦是自生命誕生以來，生物經(jīng)過數(shù)十億年漫長歲月進(jìn)化的結(jié)果，是具有高度智能的復(fù)雜系統(tǒng)，它不必采用繁復(fù)的數(shù)字計(jì)算和邏輯運(yùn)算，卻能靈活處理各種復(fù)雜的，不精確的和模糊的信息，善于理解語言、圖象并具有直覺感知等功能。
人腦的信息處理機(jī)制極其復(fù)雜，從結(jié)構(gòu)上看它是包含有140億神經(jīng)細(xì)胞的大規(guī)模網(wǎng)絡(luò)。單個(gè)神經(jīng)細(xì)胞的工作速度并不高（毫秒級），但它通過超并行處理使得整個(gè)系統(tǒng)實(shí)現(xiàn)處理的高速性和信息表現(xiàn)的多樣性。
因此，從信息處理的角度對人腦進(jìn)行探究，并由此研制出一種象人腦一樣能夠“思維”的智能計(jì)算機(jī)和智能信息處理方法，一直是人工智能追求的目標(biāo)。
神經(jīng)網(wǎng)絡(luò)就是通過對人腦的基本單元---神經(jīng)元的建模和聯(lián)結(jié)，來探索模擬人腦神經(jīng)系統(tǒng)功能的模型，并研制一種具有學(xué)習(xí)、聯(lián)想、記憶和模式識別等智能信息處理功能的人工系統(tǒng)。本文介紹神經(jīng)網(wǎng)絡(luò)的特征以及近年來有關(guān)神經(jīng)網(wǎng)絡(luò)和混沌理論、模糊計(jì)算和遺傳算法等相結(jié)合的混合神經(jīng)網(wǎng)絡(luò)探究的動態(tài)。
一．神經(jīng)網(wǎng)絡(luò)和聯(lián)結(jié)主義
回顧認(rèn)知科學(xué)的發(fā)展，有所謂符號主義和聯(lián)結(jié)主義兩大流派。符號主義從宏觀層次上，撇開人腦的內(nèi)部結(jié)構(gòu)和機(jī)制，僅從人腦外在表現(xiàn)出來的智能現(xiàn)象出發(fā)進(jìn)行探究。例如，將記憶、判定、推理、學(xué)習(xí)等心理活動總結(jié)成規(guī)律、甚至編制成規(guī)則，然后用計(jì)算機(jī)進(jìn)行模擬，使計(jì)算機(jī)表現(xiàn)出各種智能。
符號主義認(rèn)為，熟悉的基本元素是符號，認(rèn)知過程是對符號表示的運(yùn)算。人類的語言，文字的思維均可用符號來描述，而且思維過程只不過是這些符號的存儲、變換和輸入、輸出而已。以這種方法實(shí)現(xiàn)的系統(tǒng)具有串行、線性、準(zhǔn)確、簡潔、易于表達(dá)的特征，體現(xiàn)了邏輯思維的基本特性。七十年代的專家系統(tǒng)和八十年代日本的第五代計(jì)算機(jī)探究計(jì)劃就是其主要代表。
聯(lián)接主義則和其不同，其特征是從微觀出發(fā)。聯(lián)接主義認(rèn)為符號是不存在的，認(rèn)知的基本元素就是神經(jīng)細(xì)胞（神經(jīng)元），認(rèn)知過程是大量神經(jīng)元的聯(lián)接，以及這種聯(lián)接所引起的神經(jīng)元的不同興奮狀態(tài)和系統(tǒng)所表現(xiàn)出的總體行為。八十年代再度興起的神經(jīng)網(wǎng)絡(luò)和神經(jīng)計(jì)算機(jī)就是這種聯(lián)接主義的代表。
神經(jīng)網(wǎng)絡(luò)的主要特征是摘要：大規(guī)模的并行處理和分布式的信息存儲，良好的自適應(yīng)、自組織性，以及很強(qiáng)的學(xué)習(xí)功能、聯(lián)想功能和容錯(cuò)功能。和當(dāng)今的馮．諾依曼式計(jì)算機(jī)相比，更加接近人腦的信息處理模式。主要表現(xiàn)如下摘要：
神經(jīng)網(wǎng)絡(luò)能夠處理連續(xù)的模擬信號。例如連續(xù)灰度變化的圖象信號。
能夠處理混沌的、不完全的、模糊的信息。
傳統(tǒng)的計(jì)算機(jī)能給出精確的解答，神經(jīng)網(wǎng)絡(luò)給出的是次最優(yōu)的逼近解答。
神經(jīng)網(wǎng)絡(luò)并行分布工作，各組成部分同時(shí)參和運(yùn)算，單個(gè)神經(jīng)元的動作速度不高，但總體的處理速度極快。
神經(jīng)網(wǎng)絡(luò)信息存儲分布于全網(wǎng)絡(luò)各個(gè)權(quán)重變換之中，某些單元障礙并不影響信息的完整，具有魯棒性。
傳統(tǒng)計(jì)算機(jī)要求有準(zhǔn)確的輸入條件，才能給出精確解。神經(jīng)網(wǎng)絡(luò)只要求部分條件，甚至對于包含有部分錯(cuò)誤的輸入，也能得出較好的解答，具有容錯(cuò)性。
神經(jīng)網(wǎng)絡(luò)在處理自然語言理解、圖象模式識別、景物理解、不完整信息的處理、智能機(jī)器人控制等方面有優(yōu)勢。
符號主義和聯(lián)接主義兩者各有特色，學(xué)術(shù)界目前有一種看法摘要：認(rèn)為基于符號主義得傳統(tǒng)人工智能和基于聯(lián)接主義得神經(jīng)網(wǎng)絡(luò)是分別描述人腦左、右半腦的功能，反映了人類智能的兩重性摘要：精確處理和非精確處理，分別面向熟悉的理性和感性兩個(gè)方面，兩者的關(guān)系應(yīng)該是互補(bǔ)而非互相代替。理想的智能系統(tǒng)及其表現(xiàn)的智能行為應(yīng)是兩者相互結(jié)合的結(jié)果。
接下去的新問題是，符號AI和聯(lián)接AI具體如何結(jié)合，兩者在智能系統(tǒng)中相互關(guān)系如何？分別扮演什么角色？目前這方面發(fā)表的文獻(xiàn)很多，大致有如下幾種類型摘要：
1．松耦合模型摘要：符號機(jī)制的專家系統(tǒng)和聯(lián)接機(jī)制的神經(jīng)網(wǎng)絡(luò)通過一個(gè)中間媒介（例如數(shù)據(jù)文件）進(jìn)行通訊。
2．緊耦合模型摘要：和松耦合模型相比較，其通訊不是通過外部數(shù)據(jù)進(jìn)行，而是直接通過內(nèi)部數(shù)據(jù)完成，具有較高的效率。其主要類型有嵌入式系統(tǒng)和黑板結(jié)構(gòu)等。
3．轉(zhuǎn)換模型摘要：將專家系統(tǒng)的知識轉(zhuǎn)換成神經(jīng)網(wǎng)絡(luò)，或把神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換成專家系統(tǒng)的知識，轉(zhuǎn)換前的系統(tǒng)稱為源系統(tǒng)，轉(zhuǎn)換后的系統(tǒng)稱為目標(biāo)系統(tǒng)，由一種機(jī)制轉(zhuǎn)成另一種機(jī)制。假如源系統(tǒng)是專家系統(tǒng)，目標(biāo)系統(tǒng)是神經(jīng)網(wǎng)絡(luò)，則可獲得學(xué)習(xí)能力及自適應(yīng)性；反之，可獲得單步推理能力、解釋能力及知識的顯式表示。當(dāng)然，轉(zhuǎn)換需要在兩種的機(jī)制之間，確定結(jié)構(gòu)上的一致性，目前主要新問題是還沒有一種完備而精確的轉(zhuǎn)換方法實(shí)現(xiàn)兩者的轉(zhuǎn)換。有待進(jìn)一步探究。
4．綜合模型摘要：綜合模型共享數(shù)據(jù)結(jié)構(gòu)和知識表示，這時(shí)聯(lián)接機(jī)制和符號機(jī)制不再分開，兩者相互結(jié)合成為一個(gè)整體，既具有符號機(jī)制的邏輯功能，又有聯(lián)接機(jī)制的自適應(yīng)和容錯(cuò)性的優(yōu)點(diǎn)和特征。例如聯(lián)接主義的專家系統(tǒng)等。
近年來神經(jīng)網(wǎng)絡(luò)探究的另一個(gè)趨向，是將它和模糊邏輯、混沌理論、遺傳進(jìn)化算法等相結(jié)合，即所謂“混合神經(jīng)網(wǎng)絡(luò)”方法。由于這些理論和算法都是屬于仿效生物體信息處理的方法，人們希望通過她們之間的相互結(jié)合，能夠獲得具有有柔性信息處理功能的系統(tǒng)。下面分別介紹。
二．混沌理論和智能信息處理
混沌理論是對貌似無序而實(shí)際有序，表面上看來是雜亂無章的現(xiàn)象中，找出其規(guī)律，并予以處理的一門學(xué)科。早在七十年代，美國和歐洲的一些物理學(xué)家、生物學(xué)家、數(shù)學(xué)家就致力于尋求在許許多多不同種類的不規(guī)則性之間的聯(lián)系。生物學(xué)家發(fā)現(xiàn)在人類的心臟中有混沌現(xiàn)象存在，血管在顯微鏡下交叉纏繞，其中也有驚人的有序性。在生物腦神經(jīng)系統(tǒng)中從微觀的神經(jīng)膜電位到宏觀的腦電波，都可以觀察到混沌的性態(tài)，證實(shí)混沌也是神經(jīng)系統(tǒng)的正常特性。
九十年代開始，則更進(jìn)一步將混沌和神經(jīng)網(wǎng)絡(luò)結(jié)合起來，提出多種混沌神經(jīng)網(wǎng)絡(luò)模型，并探索應(yīng)用混沌理論的各種信息處理方法。例如，在神經(jīng)元模型中，引入神經(jīng)膜的不應(yīng)性，探究神經(jīng)元模型的混沌響應(yīng)，探究在神經(jīng)網(wǎng)絡(luò)的方程中，不應(yīng)性項(xiàng)的定標(biāo)參數(shù)，不定性時(shí)間衰減常數(shù)等參數(shù)的性質(zhì)，以及這些參數(shù)于神經(jīng)網(wǎng)絡(luò)混沌響應(yīng)的關(guān)系，并確定混沌---神經(jīng)網(wǎng)絡(luò)模型具有混沌解的參數(shù)空間。經(jīng)過試驗(yàn)，由這種混沌神經(jīng)網(wǎng)絡(luò)模型所繪出的輸出圖形和腦電圖極為相似。
現(xiàn)代腦科學(xué)把人腦的工作過程看成為復(fù)雜的多層次的混沌動力學(xué)系統(tǒng)。腦功能的物理基礎(chǔ)是混沌性質(zhì)的過程，腦的工作包含有混沌的性質(zhì)。通過混沌動力學(xué)，探究、分析腦模型的信息處理能力，可進(jìn)一步探索動態(tài)聯(lián)想記憶、動態(tài)學(xué)習(xí)并應(yīng)用到模式識別等工程領(lǐng)域。例如摘要：
對混沌的隨機(jī)不規(guī)則現(xiàn)象，可利用混沌理論進(jìn)行非線性猜測和決策。
對被噪聲所掩蓋的微弱信號，假如噪聲是一種混沌現(xiàn)象，則可通過非線性辨識，有效進(jìn)行濾波。
利用混沌現(xiàn)象對初始值的敏銳依靠性，構(gòu)成模式識別系統(tǒng)。
探究基于混沌---神經(jīng)網(wǎng)絡(luò)自適應(yīng)存儲檢索算法。該算法主要包括三個(gè)步驟，即摘要：特征提取、自適應(yīng)學(xué)習(xí)和檢索。
模式特征提取采用從簡單的吸引子到混沌的層次分支結(jié)構(gòu)來描述，這種分支結(jié)構(gòu)有可能通過少數(shù)幾個(gè)系統(tǒng)參數(shù)的變化來加以控制，使復(fù)雜新問題簡單化。自適應(yīng)學(xué)習(xí)采用神經(jīng)網(wǎng)絡(luò)的誤差反傳學(xué)習(xí)法。檢索過程是通過一個(gè)具有穩(wěn)定吸引子的動力學(xué)系統(tǒng)來完成，即利用輸入的初始條件和某個(gè)吸引子（輸出）之間的存在直接對應(yīng)關(guān)系的方法進(jìn)行檢索。利用這種方法可應(yīng)用于模式識別。例如黑白圖象的人臉識別。
三．模糊集理論和模糊工程
八十年代以來在模糊集理論和應(yīng)用方面，也有很大進(jìn)展。1983年美國西海岸AI探究所發(fā)表了稱為REVEAL的模糊輔助決策系統(tǒng)并投入市場，1986年美國將模糊邏輯導(dǎo)入OPS---5，并探究成功模糊專家系統(tǒng)外殼FLOPS，1987年英國發(fā)表采用模糊PROLOG的智能系統(tǒng)FRIL等。除此通用工具的研制以外，各國還開發(fā)一系列用于專用目的的智能信息處理系統(tǒng)并實(shí)際應(yīng)用于智能控制、模式識別、醫(yī)療診斷、故障檢測等方面。
模糊集理論和神經(jīng)網(wǎng)絡(luò)雖然都屬于仿效生物體信息處理機(jī)制以獲得柔性信息處理功能的理論，但兩者所用的探究方法卻大不相同，神經(jīng)網(wǎng)絡(luò)著眼于腦的微觀網(wǎng)絡(luò)結(jié)構(gòu)，通過學(xué)習(xí)、自組織化和非線性動力學(xué)理論形成的并行分析方法，可處理無法語言化的模式信息。而模糊集理論則著眼于可用語言和概念作為代表的腦的宏觀功能，按照人為引入的隸屬度函數(shù)，邏輯的處理包含有模糊性的語言信息。
神經(jīng)網(wǎng)絡(luò)和模糊集理論目標(biāo)相近而方法各異。因此假如兩者相互結(jié)合，必能達(dá)到取長補(bǔ)短的功能。將模糊和神經(jīng)網(wǎng)絡(luò)相結(jié)合的探究，約在15年前便已在神經(jīng)網(wǎng)絡(luò)領(lǐng)域開始，為了描述神經(jīng)細(xì)胞模型，開始采用模糊語言，把模糊集合及其運(yùn)算用于神經(jīng)元模型和描述神經(jīng)網(wǎng)絡(luò)系統(tǒng)。目前，有關(guān)模糊---神經(jīng)網(wǎng)絡(luò)模型的探究大體上可分為兩類摘要：一類是以神經(jīng)網(wǎng)絡(luò)為主，結(jié)合模糊集理論。例如，將神經(jīng)網(wǎng)絡(luò)參數(shù)模糊化，采用模糊集合進(jìn)行模糊運(yùn)算。另一類以模糊集、模糊邏輯為主，結(jié)合神經(jīng)網(wǎng)絡(luò)方法，利用神經(jīng)網(wǎng)絡(luò)的自組織特性，達(dá)到柔性信息處理的目的。
和神經(jīng)網(wǎng)絡(luò)相比，模糊集理論和模糊計(jì)算是更接近實(shí)用化的理論，非凡近年來美國和日本的各大公司都紛紛推出各種模糊芯片，研制了型號繁多的模糊推理板，并實(shí)際應(yīng)用于智能控制等各個(gè)應(yīng)用領(lǐng)域，建立“模糊工程”這樣一個(gè)新領(lǐng)域。日本更首先在模糊家電方面打開市場，帶有模糊控制，甚至標(biāo)以神經(jīng)---模糊智能控制的洗衣機(jī)、電冰箱、空調(diào)器、攝象機(jī)等已成為新一代家電的時(shí)髦產(chǎn)品。我國目前市場上也有許多洗衣機(jī)，例如榮事達(dá)洗衣機(jī)就是采用模糊神經(jīng)網(wǎng)絡(luò)智能控制方式的洗衣機(jī)。
四．遺傳算法
遺傳算法（GeneticAlgorithm摘要：GA）是模擬生物的進(jìn)化現(xiàn)象（自然、淘汰、交叉、忽然變異）的一種概率搜索和最優(yōu)化方法。是模擬自然淘汰和遺傳現(xiàn)象的工程模型。
GA的歷史可追溯到1960年，明確提出遺傳算法的是1975年美國Michigan大學(xué)的Holland博士，他根據(jù)生物進(jìn)化過程的適應(yīng)現(xiàn)象，提出如下的GA模型方案摘要：
1．將多個(gè)生物的染色體（Chromosmoe）組成的符號集合，按文字進(jìn)行編碼，稱為個(gè)體。
2．定義評價(jià)函數(shù)，表示個(gè)體對外部環(huán)境的適應(yīng)性。其數(shù)值大的個(gè)體表示對外部環(huán)境的適應(yīng)性高，它的生存（子孫的延續(xù)）的概率也高。
3．每個(gè)個(gè)體由多個(gè)“部分”組合而成，每個(gè)部分隨機(jī)進(jìn)行交叉及忽然變異等變化，并由此產(chǎn)生子孫（遺傳現(xiàn)象）。
4．個(gè)體的集合通過遺傳，由選擇淘汰產(chǎn)生下一代。
遺傳算法提出之后，很快得到人工智能、計(jì)算機(jī)、生物學(xué)等領(lǐng)域科學(xué)家的高度重視，并在各方面廣泛應(yīng)用。1989年美國Goldberg博士發(fā)表一本專著摘要：“GeneticAlgorithmsinSearch，OptimizationandMachineLearning”。出版后產(chǎn)生較大影響，該書對GA的數(shù)學(xué)基礎(chǔ)理論，GA的基本定理、數(shù)理分析以及在搜索法、最優(yōu)化、機(jī)器學(xué)習(xí)等GA應(yīng)用方面進(jìn)行了深入淺出的介紹，并附有Pascal模擬程序。
1985年7月在美國召開第一屆“遺傳算法國際會議”（ICGA）。以后每隔兩年召開一次。近年來，遺傳算法發(fā)展很快，并廣泛應(yīng)用于信息技術(shù)的各個(gè)領(lǐng)域，例如摘要：
智能控制摘要：機(jī)器人控制。機(jī)器人路徑規(guī)劃。
工程設(shè)計(jì)摘要：微電子芯片的布局、布線；通信網(wǎng)絡(luò)設(shè)計(jì)、濾波器設(shè)計(jì)、噴氣發(fā)動機(jī)設(shè)計(jì)。
圖象處理摘要：圖象恢復(fù)、圖象識別、特征抽取。
調(diào)度規(guī)劃摘要：生產(chǎn)規(guī)劃、調(diào)度新問題、并行機(jī)任務(wù)分配。
優(yōu)化理論摘要：TSP新問題、背包新問題、圖劃分新問題。
人工生命摘要：生命的遺傳進(jìn)化以及自增殖、自適應(yīng)；免疫系統(tǒng)、生態(tài)系統(tǒng)等方面的探究。
神經(jīng)網(wǎng)絡(luò)、模糊集理論和以遺傳算法為代表的進(jìn)化算法都是仿效生物信息處理模式以獲得智能信息處理功能的理論。三者目標(biāo)相近而方法各異；將它們相互結(jié)合，必能達(dá)到取長補(bǔ)短、各顯優(yōu)勢的效果。例如，遺傳算法和神經(jīng)網(wǎng)絡(luò)和模糊計(jì)算相結(jié)合方面就有摘要：
神經(jīng)網(wǎng)絡(luò)連續(xù)權(quán)的進(jìn)化。
傳統(tǒng)神經(jīng)網(wǎng)絡(luò)如BP網(wǎng)絡(luò)是通過學(xué)習(xí)，并按一定規(guī)則來改變數(shù)值分布。這種方法有練習(xí)時(shí)間過長和輕易陷入局部優(yōu)化的新問題。采用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)可以克服這個(gè)缺點(diǎn)。
神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的進(jìn)化。
目前神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)全靠設(shè)計(jì)者的經(jīng)驗(yàn)，由人事先確定，還沒有一種系統(tǒng)的方法來確定網(wǎng)絡(luò)結(jié)構(gòu)，采用遺傳算法可用來優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。
神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)規(guī)則的進(jìn)化。
