非现实位移事件的编码与突显

非现实位移事件是认知主体运用认知想象能力将不可动实体构想为可动实体,使其在心理上和视觉上发生了相对于参照实体的位置变化的一种位移事件。认知主体不仅能够将静态的方位事件构想为动态的非现实位移事件,而且能够运用语言对其进行编码。英语对非现实位移事件的编码必须包括位移事件的所有四个要素:位移主体、参照实体、位移和路径,缺一不可。在对非现实位移事件中的"起点-路径-终点"意象图式进行编码时,认知主体既可以选择使用最大窗口化,也可以选择使用部分窗口化,前者突显位移主体与全路径之间的动态空间关系,后者突显位移主体与部分路径(即起点或终点)之间的动态空间关系。

非现实位移事件的主观性与客观性

本文旨在从哲学和认知语言学的角度探讨非现实位移事件及其主观性和客观性。按照认知语言学理论,非现实位移事件是指认知主体运用其认知想象能力把不可动实体构想为可动实体并在时空框架中以参照实体为衬托而发生在心理上和视觉上的位置变化的位移事件。根据哲学和语言学关于主观性和客观性的观点,非现实位移事件所呈现出的主观性和客观性并不涉及认知主体的态度、感觉或观点,却涉及认知主体的观察视角和识解方式,这就不可避免地带有认知主体的自我印记。然而,非现实位移事件是认知主体基于现实空间情景识解出来的,故也具有一定的客观性。由此可知,非现实位移事件既有主观性,又有客观性,但前者要远远强于后者。

介词“向”的认知考察

“向＋NP”既可以在动词前作状语，又可以在动词后作补语．文章运用认知语言学的相关理论，在语料库基础上在对“向＋NP”作状语和作补语参与表述事件的相关情况考察后．提出“向＋NP”参与表述的事件可以分为现实位移类和虚拟位移类。同时以现实位移类为具体考察对象，从认知角度分析了“向＋NP”作状语和作补语的区别．主要表现为：说话人的视点不同；射体和地标凸显的侧面不同；“向＋NP”在不同语法条件下NP的语义角色不同。

非现实空间位移关系构式的体认性与互动性

本文首先将王寅提出的“现实—认知—语言”原则修补为“现实↔体认者↔语言”原则,从而强调了体认者的主体性,突显了现实、体认者和语言之间的互动性,然后,据此探讨了非现实空间位移关系构式的体认性和互动性。这种构式的体认性在于,体认者运用认知想象能力把某一方位事件识解为一个位移事件,并运用不可动实体的动态化机制把可动实体的可动性特征投射到不可动实体之上,从而将不可动实体构想为可以在视觉上和心理上发生位移的实体,最终体认出非现实空间位移事件。这种构式的互动性在于,体认者虽然拥有体认现实、表达现实的主体性作用,但会受到来自于现实和语言的反作用,不可动实体的结构形状和语言的结构系统会限制体认者的体认。

英语非现实空间位移关系构式的认知机制与限制条件

提要:非现实位移是认知主体运用想象能力构想出来的一种心理上的视觉位移现象,是认知主体把静态空间情景识解为动态空间情景的结果。根据构式语法关于构式为形义配对的观点,描述非现实位移现象的语言表达式可称为非现实空间位移关系构式,英语中体现为X V_MY构式。本研究发现,英语X V_MY构式的构成取决于一个认知机制和三个限制条件,即不可动实体的动态化机制、X所指实体空间上的可延伸线性条件、V_M的持续线性位移条件和Y所指实体的必备性条件。

Dyna-QUF:Dyna-Q based univector field navigation for autonomous mobile robots in unknown environments

A novel approach was presented to solve the navigation problem of autonomous mobile robots in unknown environments with dense obstacles based on a univector field method. In an obstacle-free environment, a robot is ensured to reach the goal position with the desired posture by following the univector field. Contrariwise, the univector field cannot guarantee that the robot will avoid obstacles in environments. In order to create an intelligent mobile robot being able to perform the obstacle avoidance task while following the univector field, Dyna-Q algorithm is developed to train the robot in learning moving directions to attain a collision-free path for its navigation. Simulations on the computer as well as experiments on the real world prove that the proposed algorithm is efficient for training the robot in reaching the goal position with the desired final orientation.