论文标题：
来源/作者机构情况：
Northwestern University
Thirty-Second AAAI Conference on Artificial Intelligence, 2018, (2018)
作者链接：
https://www.mccormick.northwestern.edu/research-faculty/directory/profiles/forbus-ken.html
解决问题/主要思想贡献：
使用骨架模型来做动作识别，提高可解释性
成果/优点：
1.可解释性强，不是黑盒
2.
缺点：
主要是提出使用骨架，识别率方面比没有太多提升
反思改进/灵感：
#############################################################
论文主要内容与关键点：
1.Introduction
2.Background
CogSketch
福布斯实验室发明的一款软件
Analogical Processing
3.Our Approach
四个流程
对每一个结点，使用二进制表示，这个结点是否移动
并且使用了相对增强，也就是在图上，画出左边看 和 右边看运动方向
不是很看动态选择特征那里，到底在说什么东东
4.Experimental Results and Discussion
