✖
~~~~~~~~~~~~~~~~~~~~ Arc.Ask3.Ru ~~~~~~~~~~~~~~~~~~~~~ 
Номер скриншота №:
✰ B4D5FBC8556CA0AAB5780FDFD774D3EE__1718652900 ✰
Заголовок документа оригинал.:
✰ Connectionism - Wikipedia ✰
Заголовок документа перевод.:
✰ Коннекционизм — Википедия ✰
Снимок документа находящегося по адресу (URL):
✰ https://en.wikipedia.org/wiki/Connectionism ✰
Адрес хранения снимка оригинал (URL):
✰ https://arc.ask3.ru/arc/aa/b4/ee/b4d5fbc8556ca0aab5780fdfd774d3ee.html ✰
Адрес хранения снимка перевод (URL):
✰ https://arc.ask3.ru/arc/aa/b4/ee/b4d5fbc8556ca0aab5780fdfd774d3ee__translat.html ✰
Дата и время сохранения документа:
✰ 18.06.2024 17:36:57 (GMT+3, MSK) ✰
Дата и время изменения документа (по данным источника):
✰ 17 June 2024, at 22:35 (UTC). ✰ 

~~~~~~~~~~~~~~~~~~~~~~ Ask3.Ru ~~~~~~~~~~~~~~~~~~~~~~ 
Сервисы Ask3.ru: 
 Архив документов (Снимки документов, в формате HTML, PDF, PNG - подписанные ЭЦП, доказывающие существование документа в момент подписи. Перевод сохраненных документов на русский язык.) 
✰ https://arc.ask3.ru ✰
 Ответы на вопросы (Сервис ответов на вопросы, в основном, научной направленности) 
✰ https://ask3.ru/answer2question ✰
 Товарный сопоставитель (Сервис сравнения и выбора товаров) ✰✰
✰ https://ask3.ru/product2collation ✰
 Партнеры 
✰ https://comrades.ask3.ru ✰


Совет. Чтобы искать на странице, нажмите Ctrl+F или ⌘-F (для MacOS) и введите запрос в поле поиска.
Arc.Ask3.ru: далее начало оригинального документа

Коннекционизм — Википедия Jump to content

Коннекционизм

Послушайте эту статью
Из Википедии, бесплатной энциклопедии
Модель коннекционизма «второй волны» (ИНС) со скрытым слоем.

Коннекционизм (придуманный Эдвардом Торндайком в 1931 г.) [1] ) — это название подхода к изучению психических процессов и познания человека, который использует математические модели, известные как коннекционистские сети или искусственные нейронные сети. [2] С момента своего возникновения у коннекционизма было много «волн».

Первая волна появилась в 1943 году, когда Уоррен Стерджис Маккалок и Уолтер Питтс сосредоточились на понимании нейронных цепей с помощью формального и математического подхода. [3] и Фрэнк Розенблатт , опубликовавший в 1958 году книгу «Персептрон: вероятностная модель хранения и организации информации в мозге» в журнале Psychoological Review , работая в Корнеллской авиационной лаборатории. [4] Первая волна завершилась в 1969 году книгой об ограничениях первоначальной идеи перцептрона, написанной Марвином Мински и Папертом , которая способствовала отпугиванию крупных финансовых агентств в США инвестировать в коннекционистские исследования. [5] С некоторыми примечательными отклонениями большинство коннекционистских исследований вступило в период бездействия до середины 1980-х годов. Термин «коннекционистская модель» был повторно введен в начале 1980-х годов в статье по когнитивной науке Джерома Фельдмана и Даны Баллард.

Вторая волна расцвела в конце 1980-х годов, после выхода в 1987 году книги Джеймса Л. Макклелланда , Дэвида Э. Румельхарта и др. о параллельной распределенной обработке, в которой было представлено несколько усовершенствований простой идеи перцептрона, таких как промежуточные процессоры (известные как « скрытые слои » теперь) рядом с блоками ввода и вывода и использовала сигмовидной формы функцию активации вместо старой функции «все или ничего». Их работа, в свою очередь, основывалась на работе Джона Хопфилда , который был ключевой фигурой в исследовании математических характеристик функций активации сигмовидной кишки. [4] С конца 1980-х до середины 1990-х годов коннекционизм принял почти революционный тон, когда Шнайдер [6] Теренс Хорган и Тинсон поставили вопрос о том, представляет ли коннекционизм фундаментальный сдвиг в психологии и GOFAI . [4] Некоторые преимущества коннекционистского подхода второй волны включали его применимость к широкому спектру функций, структурное приближение к биологическим нейронам, низкие требования к врожденной структуре и способность к плавной деградации . [7] Некоторые недостатки коннекционистского подхода второй волны включали трудность расшифровки того, как ИНС обрабатывают информацию или учитывают композиционность мысленных представлений, и, как следствие, трудности с объяснением явлений на более высоком уровне. [8]

Текущая (третья) волна ознаменовалась достижениями в области глубокого обучения , позволяющими создавать большие языковые модели . [4] Успех сетей глубокого обучения за последнее десятилетие значительно увеличил популярность этого подхода, но сложность и масштаб таких сетей повлекли за собой увеличение проблем с интерпретируемостью . [9]

Основной принцип [ править ]

Центральный принцип коннекционизма заключается в том, что психические явления могут быть описаны взаимосвязанными сетями простых и часто однородных единиц. Форма соединений и агрегатов может варьироваться от модели к модели. Например, единицы в сети могут представлять нейроны , а соединения — синапсы , как в человеческом мозге . Этот принцип рассматривался как альтернатива GOFAI и классическим теориям разума, основанным на символических вычислениях, но степень совместимости этих двух подходов была предметом многочисленных споров с момента их создания. [9]

Функция активации [ править ]

Основная статья: Функция активации

Внутренние состояния любой сети меняются со временем из-за того, что нейроны отправляют сигнал следующему слою нейронов в случае сети прямого распространения или предыдущему слою в случае рекуррентной сети. Открытие нелинейных функций активации привело к второй волне коннекционизма.

и обучение Память ​

Основные статьи: Искусственные нейронные сети и глубокое обучение

Нейронные сети следуют двум основным принципам:

  1. Любое психическое состояние можно описать как (N)-мерный вектор числовых значений активации нейронных блоков в сети.
  2. Память и обучение создаются путем изменения «весов» связей между нейронными единицами, обычно представленных в виде матрицы N×M . Веса корректируются в соответствии с некоторыми обучения правилами или алгоритмами , такими как обучение Хебба . [10]

Наибольшее разнообразие моделей обусловлено:

  • Интерпретация единиц : Единицы можно интерпретировать как нейроны или группы нейронов.
  • Определение активации : Активацию можно определить различными способами. Например, в машине Больцмана активация интерпретируется как вероятность генерации всплеска потенциала действия и определяется с помощью логистической функции по сумме входных данных устройства.
  • Алгоритм обучения : разные сети по-разному модифицируют свои соединения. В общем, любое математически определенное изменение весов соединений с течением времени называется «алгоритмом обучения».

Биологический реализм [ править ]

Работа коннекционистов в целом не обязательно должна быть биологически реалистичной. [11] [12] [13] [14] [15] [16] [17] Одной из областей, где коннекционистские модели считаются биологически неправдоподобными, являются сети распространения ошибок, необходимые для поддержки обучения. [18] [19] но распространение ошибок может объяснить некоторую часть биологически генерируемой электрической активности, наблюдаемой на коже головы в связанных с событиями потенциалах, таких как N400 и P600 . [20] и это обеспечивает некоторую биологическую поддержку одного из ключевых предположений коннекционистских процедур обучения. Многие рекуррентные коннекционистские модели также включают теорию динамических систем . Многие исследователи, такие как коннекционист Пол Смоленский , утверждали, что коннекционистские модели будут развиваться в сторону полностью непрерывных , многомерных, нелинейных , динамических системных подходов.

Прекурсоры [ править ]

Предшественниками коннекционистских принципов можно считать ранние работы в области психологии , например, работы Уильяма Джеймса . [21] Психологические теории, основанные на знаниях о человеческом мозге, были модны в конце 19 века. Еще в 1869 году невролог Джон Хьюлингс Джексон выступал за многоуровневые распределенные системы. Следуя этому примеру, Герберта Спенсера » «Принципы психологии , 3-е издание (1872 г.), и Зигмунда Фрейда » «Проект научной психологии (составленный в 1895 г.) выдвинули на обсуждение коннекционистские или протоконнекционистские теории. Это были, как правило, спекулятивные теории. Но к началу 20-го века Эдвард Торндайк экспериментировал в области обучения, постулировавшего сеть коннекционистского типа.

Сети Хопфилда имели предшественников в модели Изинга благодаря Вильгельму Ленцу (1920) и Эрнсту Изингу (1925), хотя разработанная ими модель Изинга не включала время. Моделирование модели Изинга методом Монте-Карло потребовало появления компьютеров в 1950-х годах. [22]

Первая волна [ править ]

Первая волна началась в 1943 году, когда Уоррен Стерджис Маккалок и Уолтер Питтс сосредоточились на понимании нейронных цепей с помощью формального и математического подхода. [4] Мак-Каллох и Питтс показали, как нейронные системы могут реализовывать логику первого порядка : их классическая статья «Логическое исчисление идей, имманентных нервной деятельности» (1943) играет здесь важную роль. На них повлияло творчество Николая Рашевского 1930-х годов.

Хебб внес большой вклад в размышления о функционировании нейронов и предложил принцип обучения — обучение Хебба . Лэшли выступал за распределенные репрезентации, поскольку ему не удалось найти ничего похожего на локализованную инграмму за годы экспериментов с повреждениями . Фридрих Хайек независимо разработал эту модель, сначала в краткой неопубликованной рукописи в 1920 году. [23] [24] затем в 1952 году превратилась в книгу. [25]

Машины перцептрона были предложены и построены Фрэнком Розенблаттом статью «Персептрон: вероятностная модель хранения и организации информации в мозгу» , который в 1958 году опубликовал в журнале Psychoological Review , работая в Корнеллской авиационной лаборатории. Он назвал Хебба, Хайека, Аттли и Эшби главными источниками вдохновения.

Другой формой коннекционистской модели была структура реляционной сети , разработанная лингвистом Сидни Лэмбом в 1960-х годах.

Исследовательская группа под руководством Уидроу эмпирически искала методы обучения двухслойных сетей ADALINE , но без особого успеха. [26] [27]

Метод обучения многослойных перцептронов с произвольными уровнями обучаемых весов был опубликован Алексеем Григорьевичем Ивахненко и Валентином Лапа в 1965 году и назван « Групповой метод обработки данных» . [28] [29] [30] Этот метод использует постепенное послойное обучение на основе регрессионного анализа , при котором ненужные единицы в скрытых слоях отсекаются с помощью набора проверки. В 1972 году Шуничи Амари сделал эту архитектуру адаптивной . [31] [28]

Первые многослойные перцептроны, обученные методом стохастического градиентного спуска [32] был опубликован в 1967 году Шуничи Амари . [33] [28] В компьютерных экспериментах, проведенных учеником Амари Сайто, пятислойная MLP с двумя изменяемыми слоями изучила полезные внутренние представления для классификации классов нелинейно разделимых шаблонов. [28]

Вторая волна [ править ]

Вторая волна началась в конце 1980-х годов, после выхода в 1987 году двухтомной книги и др. о параллельной распределенной обработке (PDP) Джеймса Л. Макклелланда , Дэвида Э. Румельхарта , в которой было представлено несколько усовершенствований простой идеи перцептрона. такие как промежуточные процессоры (теперь известные как « скрытые слои ») наряду с блоками ввода и вывода и использование сигмовидной функции активации вместо старой функции «все или ничего». Их работа, в свою очередь, основывалась на Джоне Хопфилде , который был ключевой фигурой в исследовании математических характеристик функций активации сигмовидной кишки. [4]

компьютерализме коннекционизме и Дебаты о

Поскольку в конце 1980-х годов коннекционизм становился все более популярным, некоторые исследователи (в том числе Джерри Фодор , Стивен Пинкер и другие) выступили против него. Они утверждали, что развивающийся в то время коннекционизм угрожал уничтожить то, что они считали прогрессом, достигнутым в области когнитивной науки и психологии классическим подходом компьютерализма . Компьютерализм — это особая форма когнитивизма, которая утверждает, что умственная деятельность является вычислительной , то есть что разум действует, выполняя чисто формальные операции над символами, подобно машине Тьюринга . Некоторые исследователи утверждали, что тенденция коннекционизма представляет собой возврат к ассоциативизму и отказ от идеи языка мысли , что они считали ошибочным. Напротив, именно эти тенденции сделали коннекционизм привлекательным для других исследователей.

Коннекционизм и компьютерализм не должны противоречить друг другу, но дебаты в конце 1980-х и начале 1990-х годов привели к противостоянию между двумя подходами. На протяжении всей дискуссии некоторые исследователи утверждали, что коннекционизм и компьютерализм полностью совместимы, хотя полного консенсуса по этому вопросу достигнуто не было. Различия между этими двумя подходами заключаются в следующем:

  • Компьютеристы постулируют символические модели, которые структурно подобны базовой структуре мозга, тогда как коннекционисты занимаются «низкоуровневым» моделированием, пытаясь гарантировать, что их модели напоминают неврологические структуры.
  • Компьютеристы в целом сосредотачиваются на структуре явных символов ( мысленных моделей ) и синтаксических правилах их внутренних манипуляций, тогда как коннекционисты сосредотачиваются на обучении на стимулах окружающей среды и хранении этой информации в форме связей между нейронами.
  • Компьютеристы полагают, что внутренняя умственная деятельность состоит из манипулирования явными символами, тогда как коннекционисты считают, что манипулирование явными символами представляет собой плохую модель умственной деятельности.
  • Компьютеристы часто постулируют специфичные для предметной области символические подсистемы, предназначенные для поддержки обучения в конкретных областях познания (например, язык, интенциональность, число), тогда как коннекционисты постулируют один или небольшой набор очень общих механизмов обучения.

Несмотря на эти различия, некоторые теоретики предполагают, что коннекционистская архитектура — это просто способ, которым органический мозг реализует систему манипулирования символами. Это логически возможно, поскольку хорошо известно, что коннекционистские модели могут реализовывать системы манипулирования символами, подобные тем, которые используются в вычислительных моделях. [34] поскольку они действительно должны быть способны объяснить человеческую способность выполнять задачи манипулирования символами. Было предложено несколько когнитивных моделей, сочетающих как символьно-манипулятивную, так и коннекционистскую архитектуру. Среди них — « Пола Смоленского (ICS). Интегрированная коннекционистская/символическая когнитивная архитектура» [9] [35] и CLARION Рона Сана ( когнитивная архитектура) . Но споры ведутся вокруг того, формирует ли эта манипуляция символами основу познания в целом, так что это не является потенциальным оправданием компьютерализма. Тем не менее, вычислительные описания могут быть полезны, например, для высокоуровневых описаний познания логики.

Дебаты в основном были сосредоточены на логических аргументах о том, могут ли коннекционистские сети создать синтаксическую структуру, наблюдаемую в такого рода рассуждениях. Позже это было достигнуто, хотя и с использованием быстро изменяющихся способностей связывания, выходящих за рамки тех, которые стандартно предполагались в коннекционистских моделях. [34] [36]

Привлекательность компьютерных описаний отчасти заключается в том, что их относительно легко интерпретировать и, таким образом, можно рассматривать как способствующие нашему пониманию конкретных психических процессов, тогда как коннекционистские модели в целом более непрозрачны до такой степени, что их можно описать только в в очень общих терминах (например, указание алгоритма обучения, количества модулей и т. д.) или в бесполезных низкоуровневых терминах. В этом смысле коннекционистские модели могут воплощать и тем самым предоставлять доказательства широкой теории познания (т. е. коннекционизма), не представляя при этом полезной теории конкретного моделируемого процесса. В этом смысле дебаты можно рассматривать как в некоторой степени отражающие простую разницу в уровне анализа, на котором строятся конкретные теории. Некоторые исследователи предполагают, что пробел в анализе является следствием коннекционистских механизмов, порождающих возникающие явления , которые можно описать в вычислительных терминах. [37]

В 2000-е годы популярность динамических систем в философии сознания открыла новый взгляд на дебаты; [38] [39] некоторые авторы [ который? ] теперь утверждают, что любой раскол между коннекционизмом и компьютерализмом более убедительно характеризуется как раскол между компьютерализмом и динамическими системами .

В 2014 году Алекс Грейвс и другие сотрудники DeepMind опубликовали серию статей, описывающих новую структуру глубокой нейронной сети, названную нейронной машиной Тьюринга. [40] способен читать символы на ленте и сохранять символы в памяти. Реляционные сети, еще один модуль Deep Network, опубликованный DeepMind, способны создавать объектные представления и манипулировать ими для ответа на сложные вопросы. Реляционные сети и нейронные машины Тьюринга являются еще одним доказательством того, что коннекционизм и компьютерализм не обязательно должны противоречить друг другу.

коннекционизме Дебаты о символизме и

Субсимволическая парадигма Смоленского [41] [42] должен ответить на вызов Фодора-Пилишина [43] [44] [45] [46] сформулированная классической теорией символов для убедительной теории познания в современном коннекционизме. Чтобы стать адекватной альтернативной теорией познания, субсимволическая парадигма Смоленского должна была бы объяснить существование систематичности или систематических отношений в языковом познании без предположения, что когнитивные процессы каузально чувствительны к классической составляющей структуре ментальных представлений. Таким образом, субсимволическая парадигма или коннекционизм в целом должны были бы объяснить существование систематичности и композиционности, не полагаясь на простую реализацию классической когнитивной архитектуры. Этот вызов подразумевает дилемму: если бы субсимволическая парадигма не могла внести никакого вклада в систематичность и композиционность мысленных представлений, ее было бы недостаточно в качестве основы для альтернативной теории познания. Однако если вклад Субсимволической парадигмы в систематичность требует психических процессов, основанных на классической конституирующей структуре ментальных репрезентаций, теория познания, которую она развивает, будет в лучшем случае архитектурой реализации классической модели теории символов и, следовательно, не будет подлинной альтернативой. (коннекционистская) теория познания. [47] Классическая модель символизма характеризуется (1) комбинаторным синтаксисом и семантикой мысленных представлений и (2) мысленными операциями как структурно-чувствительными процессами, основанными на фундаментальном принципе синтаксической и семантической составляющей структуры мысленных представлений, использованном в «Фодоре». Язык мысли (ЛОТ)». [48] [49] Это можно использовать для объяснения следующих тесно связанных свойств человеческого познания, а именно его (1) продуктивности, (2) систематичности, (3) композиционности и (4) логической последовательности. [50]

Эта задача была решена в современном коннекционизме, например, не только в «Интегрированной коннекционистско-символической (ICS) когнитивной архитектуре» Смоленского. [51] [52] но также и «Колебательные сети» Вернинга и Мэй. [53] [54] [55] Обзор этого дан, например, компанией Bechtel & Авраамсен, [56] Маркус [57] и Маурер. [58]

См. также [ править ]

Примечания [ править ]

  1. ^ Эдвард Торндайк (1931) Человеческое обучение , страница 122
  2. ^ «Интернет-энциклопедия философии» . iep.utm.edu . Проверено 19 августа 2023 г.
  3. ^ Маккалок, Уоррен С.; Питтс, Уолтер (1 декабря 1943 г.). «Логическое исчисление идей, имманентных нервной деятельности» . Вестник математической биофизики . 5 (4): 115–133. дои : 10.1007/BF02478259 . ISSN   1522-9602 .
  4. ^ Перейти обратно: а б с д Это ж Беркли, Иштван С.Н. (2019). «Загадочный случай коннекционизма» . Открытая философия . 2019 (2): 190–205. дои : 10.1515/opphil-2019-0018 . S2CID   201061823 .
  5. ^ Боден, Маргарет (2006). Разум как маньяк: история когнитивной науки . Оксфорд: Oxford UP, стр. 914. ИСБН  978-0-262-63268-3 .
  6. ^ Шнайдер, Уолтер (1987). «Коннекционизм: смена парадигмы психологии?» . Методы, инструменты и компьютеры исследования поведения . 19 : 73–83. дои : 10.1515/opphil-2019-0018 . S2CID   201061823 .
  7. ^ Маркус, Гэри Ф. (2001). Алгебраический разум: интеграция коннекционизма и когнитивной науки (обучение, развитие и концептуальные изменения) . Кембридж, Массачусетс: MIT Press. стр. 27–28 . ISBN  978-0-262-63268-3 .
  8. ^ Смоленский, Павел (1999). «Грамматические коннекционистские подходы к языку» . Когнитивная наука . 23 (4): 589–613. дои : 10.1207/s15516709cog2304_9 .
  9. ^ Перейти обратно: а б с Гарсон, Джеймс (27 ноября 2018 г.). Залта, Эдвард Н. (ред.). Стэнфордская энциклопедия философии . Лаборатория метафизических исследований, Стэнфордский университет – через Стэнфордскую энциклопедию философии.
  10. ^ Новая, Мария-Луиза; Альсина, Анхель; Марбан, Хосе-Мария; Берсиано, Эноа (2017). «Связной интеллект для детского математического образования» . Общайтесь (на испанском языке). 25 (52): 29–39. дои : 10.3916/c52-2017-03 . hdl : 10272/14085 . ISSN   1134-3478 .
  11. ^ «Журнал Энцефалос» . www.encephalos.gr . Проверено 20 февраля 2018 г.
  12. ^ Уилсон, Элизабет А. (4 февраля 2016 г.). Нейронная география: феминизм и микроструктура познания . Рутледж. ISBN  978-1-317-95876-5 .
  13. ^ Ди Паоло, EA (1 января 2003 г.). «Организмоподобная робототехника: гомеостатическая адаптация и телеология за пределами замкнутого сенсомоторного цикла» (PDF) . Динамический системный подход к воплощению и социальности, Advanced Knowledge International . Университет Сассекса . S2CID   15349751 . Проверено 29 декабря 2023 г.
  14. ^ Зорзи, Марко; Тестолин, Альберто; Стоянов, Ивилин П. (20 августа 2013 г.). «Моделирование языка и познания с помощью глубокого обучения без учителя: обзор учебного пособия» . Границы в психологии . 4 : 515. doi : 10.3389/fpsyg.2013.00515 . ISSN   1664-1078 . ПМЦ   3747356 . ПМИД   23970869 .
  15. ^ Тисзен, Р. (2011). «Аналитическая и континентальная философия, наука и глобальная философия» . Сравнительная философия . 2 (2): 4–22 . Проверено 29 декабря 2023 г.
  16. ^ Браун, А. (1 января 1997 г.). Перспективы нейронных сетей в области познания и адаптивной робототехники . ЦРК Пресс. ISBN  978-0-7503-0455-9 .
  17. ^ Пфайфер, Р.; Шретер, З.; Фогельман-Сулье, Ф.; Стилз, Л. (23 августа 1989 г.). Коннекционизм в перспективе . Эльзевир. ISBN  978-0-444-59876-9 .
  18. ^ Крик, Фрэнсис (январь 1989 г.). «Недавний ажиотаж по поводу нейронных сетей». Природа . 337 (6203): 129–132. Бибкод : 1989Natur.337..129C . дои : 10.1038/337129a0 . ISSN   1476-4687 . ПМИД   2911347 . S2CID   5892527 .
  19. ^ Румельхарт, Дэвид Э.; Хинтон, Джеффри Э.; Уильямс, Рональд Дж. (октябрь 1986 г.). «Изучение представлений с помощью ошибок обратного распространения». Природа . 323 (6088): 533–536. Бибкод : 1986Natur.323..533R . дои : 10.1038/323533a0 . ISSN   1476-4687 . S2CID   205001834 .
  20. ^ Фитц, Хартмут; Чанг, Франклин (01 июня 2019 г.). «Языковые ERP отражают обучение посредством распространения ошибок прогнозирования». Когнитивная психология . 111 : 15–52. дои : 10.1016/j.cogpsych.2019.03.002 . hdl : 21.11116/0000-0003-474F-6 . ISSN   0010-0285 . ПМИД   30921626 . S2CID   85501792 .
  21. ^ Андерсон, Джеймс А.; Розенфельд, Эдвард (1989). «Глава 1: (1890) Уильям Джеймс Психология (Краткий курс) ». Нейрокомпьютеры: основы исследований . Книга Брэдфорда. п. 1. ISBN  978-0-262-51048-6 .
  22. ^ Браш, Стивен Г. (1967). «История модели Ленца-Изинга». Обзоры современной физики . 39 (4): 883–893. Бибкод : 1967РвМП...39..883Б . дои : 10.1103/RevModPhys.39.883 .
  23. ^ Хайек, Фридрих А. [1920] 1991. Вклад в теорию развития сознания. Рукопись в переводе Греты Хайнц.
  24. ^ Колдуэлл, Брюс (2004). «Некоторые размышления о «Сенсорном порядке» Ф.А. Хайека» . Журнал биоэкономики . 6 (3): 239–254. дои : 10.1007/s10818-004-5505-9 . ISSN   1387-6996 . S2CID   144437624 .
  25. ^ Хайек, ФА (15 сентября 2012 г.). Сенсорный порядок: исследование основ теоретической психологии (1-е изд.). Издательство Чикагского университета.
  26. ^ стр. 124-129, Олазаран Родригес, Хосе Мигель. Историческая социология исследований нейронных сетей . Кандидатская диссертация. Эдинбургский университет, 1991.
  27. ^ Уидроу, Б. (1962) Обобщение и хранение информации в сетях «нейронов» ADALINE . В М. К. Йовитсе, Г. Т. Якоби и Г. Д. Гольдштейне (ред.), Самоорганизующиеся системы-1962 (стр. 435-461). Вашингтон, округ Колумбия: Спартанские книги.
  28. ^ Перейти обратно: а б с д Шмидхубер, Юрген (2022). «Аннотированная история современного искусственного интеллекта и глубокого обучения». arXiv : 2212.11279 [ cs.NE ].
  29. ^ Ивахненко, А.Г. (1973). Кибернетические предсказывающие устройства . Информационная корпорация CCM.
  30. ^ Ивахненко А.Г.; Григорьевич Лапа, Валентин (1967). Кибернетика и методы прогнозирования . Американский паб Elsevier. Ко.
  31. ^ Амари, Сюн-Ичи (1972). «Обучение шаблонам и последовательностям шаблонов с помощью самоорганизующихся сетей пороговых элементов». IEEE-транзакции . С (21): 1197–1206.
  32. ^ Роббинс, Х .; Монро, С. (1951). «Метод стохастической аппроксимации» . Анналы математической статистики . 22 (3): 400. дои : 10.1214/aoms/1177729586 .
  33. ^ Амари, Шуничи (1967). «Теория адаптивного классификатора шаблонов». IEEE-транзакции . ЕС (16): 279–307.
  34. ^ Перейти обратно: а б Чанг, Франклин (2002). «Символически говоря: коннекционистская модель производства предложений» . Когнитивная наука . 26 (5): 609–651. дои : 10.1207/s15516709cog2605_3 . ISSN   1551-6709 .
  35. ^ Смоленский, Павел (1990). «Связывание переменных тензорного произведения и представление символических структур в коннекционистских системах» (PDF) . Искусственный интеллект . 46 (1–2): 159–216. дои : 10.1016/0004-3702(90)90007-М .
  36. ^ Шастри, Локендра; Аджанагадде, Венкат (сентябрь 1993 г.). «От простых ассоциаций к систематическим рассуждениям: коннекционистское представление правил, переменных и динамических привязок с использованием временной синхронности». Поведенческие и мозговые науки . 16 (3): 417–451. дои : 10.1017/S0140525X00030910 . ISSN   1469-1825 . S2CID   14973656 .
  37. ^ Эллис, Ник К. (1998). «Эмерджентизм, коннекционизм и изучение языков» (PDF) . Изучение языка . 48 (4): 631–664. дои : 10.1111/0023-8333.00063 .
  38. ^ Ван Гелдер, Тим (1998), «Динамическая гипотеза в когнитивной науке» , Behavioral and Brain Sciences , 21 (5): 615–28, обсуждение 629–65, doi : 10.1017/S0140525X98001733 , PMID   10097022 , получено 28 мая 2022 г.
  39. ^ Бир, Рэндалл Д. (март 2000 г.). «Динамические подходы к когнитивной науке». Тенденции в когнитивных науках . 4 (3): 91–99. дои : 10.1016/s1364-6613(99)01440-0 . ISSN   1364-6613 . ПМИД   10689343 . S2CID   16515284 .
  40. ^ Грейвс, Алекс (2014). «Нейронные машины Тьюринга». arXiv : 1410.5401 [ cs.NE ].
  41. ^ П. Смоленский: О правильной трактовке коннекционизма. В: Поведенческие науки и науки о мозге. Полоса 11, 1988, С. 1-74.
  42. ^ П. Смоленский: Конституционная структура коннекционистских психических состояний: ответ Фодору и Пилишину. В: Т. Хорган, Дж. Тинсон (Hrsg.): Конференция Шпиндела, 1987: Коннекционизм и философия разума. Южный философский журнал. Специальный выпуск о коннекционизме и основах когнитивной науки. Добавка. Полоса 26, 1988, с. 137-161.
  43. ^ Дж. А. Фодор, З. В. Пилишин: Коннекционизм и когнитивная архитектура: критический анализ. Познание. Полоса 28, 1988 г., С. 12-13, 33-50.
  44. ^ Дж. А. Фодор, Б. Маклафлин: Коннекционизм и проблема систематичности: почему решение Смоленского не работает. Познание. Полоса 35, 1990, с. 183-184.
  45. ^ Б. Маклафлин: Битва коннекционизма и классицизма за завоевание душ. Философские исследования, Группа 71, 1993, С. 171-172.
  46. ^ Б. Маклафлин: Может ли архитектура АСУ ТП решить проблемы систематичности и производительности? В: П. Кальво, Дж. Саймонс (Hrsg.): Архитектура познания. Переосмысление проблемы системности Фодора и Пилишина. MIT Press, Кембридж/Массачусетс, Лондон, 2014, С. 31–76.
  47. ^ Дж. А. Фодор, Б. Маклафлин: Коннекционизм и проблема систематичности: почему решение Смоленского не работает. Познание. Полоса 35, 1990, с. 183-184.
  48. ^ Дж. А. Фодор: Язык мысли. Harvester Press, Сассекс, 1976, ISBN 0-85527-309-7.
  49. ^ Дж. А. Фодор: ЛОТ 2: Возвращение к языку мысли. Clarendon Press, Оксфорд, 2008, ISBN 0-19-954877-3.
  50. ^ Я. А. Фодор, З. В. Пилишин (1988), С. 33-48.
  51. ^ П. Смоленький: Ответ: Составляющая структура и объяснение в интегрированной коннекционистской / символической когнитивной архитектуре. В: К. Макдональд, Г. Макдональд (Hrsg.): Коннекционизм: дебаты о психологическом объяснении. Издательство Блэквелл. Оксфорд/Великобритания, Кембридж/Массачусетс. Том. 2, 1995, с. 224, 236-239, 242-244, 250-252, 282.
  52. ^ П. Смоленский, Г. Лежандр: Гармоничный разум: от нейронных вычислений к грамматике теории оптимальности. Том. 1: Когнитивная архитектура. Книга Брэдфорда, MIT Press, Кембридж, Лондон, 2006a, ISBN 0-262-19526-7, S. 65-67, 69-71, 74-75, 154-155, 159-202, 209-210, 235 -267, 271-342, 513.
  53. ^ М. Вернинг: Нейрональная синхронизация, ковариация и композиционное представление. В: М. Вернинг, Э. Машери, Г. Шурц (Hrsg.): Композиционность значения и содержания. Том. II: Приложения к лингвистике, психологии и нейробиологии. Онтос Верлаг, 2005, С. 283-312.
  54. ^ М. Вернинг: Несимволическое композиционное представление и его нейронная основа: к эмулятивной семантике. В: М. Вернинг, В. Хинзен, Э. Мачери (Hrsg.): Оксфордский справочник по композиционности. Издательство Оксфордского университета, 2012, стр. 633–654.
  55. ^ А. Мэй и М. Вернинг: Синхронизация нейронов: от привязки динамических характеристик к композиционным представлениям. Письма о хаосе и сложности, Группа 2, С. 315–325.
  56. ^ Бектель, В., Абрахамсен, А.А. Коннекционизм и разум: параллельная обработка, динамика и эволюция в сетях. 2-е издание. Издательство Блэквелл, Оксфорд. 2002 г.
  57. ^ Г. Ф. Маркус: Алгебраический ум. Интеграция коннекционизма и когнитивной науки. Книга Брэдфорда, MIT Press, Кембридж, 2001, ISBN 0-262-13379-2.
  58. ^ Х. Маурер: Когнитивная наука: Механизмы интегративной синхронизации в когнитивных нейроархитектурах современного коннекционизма. CRC Press, Бока-Ратон/Флорида, 2021, ISBN 978-1-351-04352-6. https://doi.org/10.1201/9781351043526

Ссылки [ править ]

  • Фельдман, Джером и Баллард, Дана. Коннекционистские модели и их свойства (1982). Когнитивная наука. V6, Iвыпуск 3, стр. 205–254.
  • Румельхарт, Д.Э., Дж.Л. Макклелланд и исследовательская группа НДП (1986). Параллельная распределенная обработка: исследования микроструктуры познания. Том 1: Фонды , Кембридж, Массачусетс: MIT Press , ISBN   978-0-262-68053-0
  • Макклелланд, Дж. Л., Д. Е. Румельхарт и исследовательская группа НДП (1986). Параллельная распределенная обработка: исследования микроструктуры познания. Том 2: Психологические и биологические модели , Кембридж, Массачусетс: MIT Press, ISBN   978-0-262-63110-5
  • Пинкер, Стивен и Мелер, Жак (1988). Соединения и символы , Кембридж, Массачусетс: MIT Press, ISBN   978-0-262-66064-8
  • Джеффри Л. Элман, Элизабет А. Бейтс, Марк Х. Джонсон, Аннет Кармилов-Смит, Доменико Паризи, Ким Планкетт (1996). Переосмысление врожденности: коннекционистский взгляд на развитие , Кембридж, Массачусетс: MIT Press, ISBN   978-0-262-55030-7
  • Маркус, Гэри Ф. (2001). Алгебраический разум: интеграция коннекционизма и когнитивной науки (обучение, развитие и концептуальные изменения) , Кембридж, Массачусетс: MIT Press, ISBN   978-0-262-63268-3
  • Дэвид А. Медлер (1998). «Краткая история коннекционизма» (PDF) . Нейронные компьютерные опросы . 1 : 61–101.
  • Маурер, Харальд (2021). Когнитивная наука: механизмы интегративной синхронизации в когнитивных нейроархитектурах современного коннекционизма , Бока-Ратон/Флорида: CRC Press, https://doi.org/10.1201/9781351043526 , ISBN   978-1-351-04352-6

Внешние ссылки [ править ]

Послушайте эту статью ( 19 минут )
Продолжительность: 19 минут 20 секунд.
Разговорная иконка Википедии
Этот аудиофайл был создан на основе редакции этой статьи от 26 ноября 2011 г. ( 26 ноября 2011 г. ) и не отражает последующие изменения.
( Аудио помощь · Больше устных статей )
Retrieved from "https://en.wikipedia.org/w/index.php?title=Connectionism&oldid=1229639837"
Arc.Ask3.Ru: конец оригинального документа.
Arc.Ask3.Ru
Номер скриншота №: B4D5FBC8556CA0AAB5780FDFD774D3EE__1718652900
URL1:https://en.wikipedia.org/wiki/Connectionism
Заголовок, (Title) документа по адресу, URL1:
Connectionism - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть, любые претензии не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, денежную единицу можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)