- Главная
- Разное
- Бизнес и предпринимательство
- Образование
- Развлечения
- Государство
- Спорт
- Графика
- Культурология
- Еда и кулинария
- Лингвистика
- Религиоведение
- Черчение
- Физкультура
- ИЗО
- Психология
- Социология
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Геометрия
- Детские презентации
- Информатика
- История
- Литература
- Маркетинг
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Что такое findslide.org?
FindSlide.org - это сайт презентаций, докладов, шаблонов в формате PowerPoint.
Обратная связь
Email: Нажмите что бы посмотреть
Презентация на тему Когнитивная наука
Содержание
- 2. Материалы к курсу М.В. Фаликман: http://virtualcoglab.cs.msu.su
- 3. Что это такое? область междисциплинарных исследований познания,
- 4. ОСНОВНЫЕ ДИСЦИПЛИНЫ Экспериментальная психология познанияЛингвистика Философия познания (Гносеология)Компьютерные науки, кибернетика, искусственный интеллектАнтропология Нейробиология
- 5. ПРОБЛЕМЫ МЕЖДИСЦИПЛИНАРНОГО ВЗАИМОДЕЙСТВИЯ - единый («общепринятый») язык;Что
- 6. Общие допущения: Познание = «обработка информации» =
- 7. Методология и методы когнитивной науки Методология --
- 8. «Слабые звенья»- мотивационно-эмоциональная регуляция познания- социальная природа
- 9. РОЖДЕНИЕ КОГНИТИВНОЙ НАУКИ «Три кита» в Европе:-
- 10. РОЖДЕНИЕ КОГНИТИВНОЙ НАУКИ MIT (Кембридж, Массачусетс), 11
- 11. РОЖДЕНИЕ КОГНИТИВНОЙ НАУКИ Джордж Миллер: “…Я уходил
- 12. Продолжение следует… 1957 -- группа искусственного интеллекта
- 13. А у нас? психология познавательных процессов нейронаука
- 14. Продолжение следует… Борис Митрофанович Величковский (Москва-Дрезден-Москва) Валерий
- 15. Продолжение следует… Подробнее см. http://www.cogsci.ru --сайт Российской
- 16. Компьютерная метафора познанияСпециалист подобен флюсуЧеловеческий мозг подобен компьютеру
- 17. ОСНОВНЫЕ ПОДХОДЫ В КОГНИТИВНОЙ НАУКЕЧасть 1. Символьный подход
- 18. НА ЗАРЕКОГНИТИВНОЙ НАУКИ: СИМВОЛЬНЫЙ ПОДХОД Машина Тьюринга: принципы обработки информации
- 19. НА ЗАРЕКОГНИТИВНОЙ НАУКИ: СИМВОЛЬНЫЙ ПОДХОД Основные принципы архитектуры компьютера: Джон/Янош фон Нейман (1903-1957)
- 20. НА ЗАРЕКОГНИТИВНОЙ НАУКИ: СИМВОЛЬНЫЙ ПОДХОД Основные
- 21. НА ЗАРЕКОГНИТИВНОЙ НАУКИ: СИМВОЛЬНЫЙ ПОДХОД Принципиальная
- 22. НА ЗАРЕКОГНИТИВНОЙ НАУКИ: СИМВОЛЬНЫЙ ПОДХОД Теория информации и теория коммуникации: Клод Элвуд Шеннон (1916-2001)
- 23. Модель передачи информации: Клод Элвуд Шеннон
- 24. НА ЗАРЕКОГНИТИВНОЙ НАУКИ: СИМВОЛЬНЫЙ ПОДХОД Кибернетика, или теория управления: Норберт Винер (1894-1964)
- 25. НА ЗАРЕКОГНИТИВНОЙ НАУКИ: СИМВОЛЬНЫЙ ПОДХОД Аллен Ньюэлл, Герберт Саймон«Логик-теоретик»«Универсальный решатель задач»
- 26. ОБЩИЙ РЕШАТЕЛЬ ЗАДАЧ А. Ньюэлл, Дж.
- 27. НА ЗАРЕКОГНИТИВНОЙ НАУКИ: СИМВОЛЬНЫЙ ПОДХОД Дональд Эрик Бродбент (1926-1993)модель переработки информации
- 28. ОСНОВНЫЕ ДОПУЩЕНИЯ: Познание -- переработка информацииЛинейный
- 29. ОСНОВНЫЕ ДОПУЩЕНИЯ: В системе переработки информации
- 30. Модели языка: Вероятностная (стохастическая) модель Дж.
- 31. Модели памяти: Кратковременная память: 7+2 ячейкиТеория
- 32. СИМВОЛЬНЫЙ ПОДХОД К ПОЗНАНИЮПознавательные процессы ~ переработка символьной информации компьютеромПсихика -- «универсальное перерабатывающее устройство»
- 33. СИМВОЛЬНЫЙ ПОДХОД К ПОЗНАНИЮРазвитие вычислительной техники :
- 34. РОЖДЕНИЕ МОДУЛЬНОГО ПОДХОДА К ПОЗНАНИЮ1983 -- Джерри Фодор, «Модульность психики» (The Modularity of Mind)
- 35. МОДУЛЬНЫЙ ПОДХОД К ПОЗНАНИЮ(с) Леда Космидес, Джон Туби
- 36. МОДУЛЬНЫЙ ПОДХОД К ПОЗНАНИЮ
- 37. ОСНОВЫ МОДУЛЬНОГО ПОДХОДА К ПОЗНАНИЮНоэм Хомский (1988):врожденность
- 38. ОСНОВЫ МОДУЛЬНОГО ПОДХОДА К ПОЗНАНИЮИдея модульности познания
- 39. РОЖДЕНИЕ МОДУЛЬНОГО ПОДХОДА К ПОЗНАНИЮДжерри Фодор (1983):общая
- 40. МОДУЛЬНЫЙ ПОДХОД К ПОЗНАНИЮКогнитивная архитектура: Модульные системы ввода Центральные системы: планирование, принятие решения
- 41. КРИТЕРИИ ВЫДЕЛЕНИЯ МОДУЛЕЙ1. Особая сфера влияния, или
- 42. ЕЩЕ КРИТЕРИИ ВЫДЕЛЕНИЯ МОДУЛЕЙ7. Закономерное разворачивание в
- 43. Насколько речь модульна? Недавнее появление в филогенезеПластичность
- 44. ГИПОТЕЗА ВСЕОБЩЕЙ МОДУЛЬНОСТИДэн Спербер: познание полностью модульно
- 45. КРИТИКА МОДУЛЬНОГО ПОДХОДА1. Теоретическая: проблема обучения и
- 46. КРИТИКА МОДУЛЬНОГО ПОДХОДА2. Эмпирическая: двойные диссоциации внутри
- 47. ВЫВОД: познавательные процессы не обусловлены наследственностью настолько,
- 48. Представление и приобретение знаний: есть ли альтернатива компьютерной метафоре?
- 49. Нейронные сети: основные положения
- 50. Мозг человека: преимущества перед компьютером1011 нейронов, 1014-1015
- 51. Нейросетевой подход: основные положения Процессы познания --
- 52. Классы задач, решаемых современными нейросетями: Классификация: распознавание
- 53. Нейронные сети: рождение идеи (1943)Уоррен Маккаллох (1898-1969)Уолтер Питтс (1923-1969)«Логическое исчисление присуще нейронной активности» (1943)
- 54. Нейронные сети ФОРМАЛЬНЫЙ НЕЙРОНЭлемент с пороговой логикой (TLU): преодоление порога -- 1, иначе -- 0.
- 55. Нейронные сети РЕАЛЬНЫЙ НЕЙРОН
- 56. Три типа нейронов: входные (рецепторы) -- активируются
- 57. Теоретическая концепция искусственной сети Маккаллоха и ПиттсаПравила
- 58. ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИДональд Олдинг Хебб (1904-1985)Итог --
- 59. Развитие нейронных сетей Фрэнк Розенблатт (1928-1969), Корнельский университет, США -- перцептрон (1958)
- 60. Развитие нейронных сетей Фрэнк Розенблатт (1928-1969), Корнельский
- 61. УПАДОК КОННЕКЦИОНИЗМАКритика перцептронов: математическое обоснование их неэффективности
- 62. УПАДОК КОННЕКЦИОНИЗМАПроблема «исключающего ИЛИ» (XOR):(0;0) (1;1) -> 0(0;1) (1;0) -> 1
- 63. РЕНЕССАНС КОННЕКЦИОНИЗМА1986 -- Дэвид Румельхарт (Стэнфорд), Джеймс Макклелланд (Карнеги-Меллон)«Параллельно-распределенная переработка» (PDP)
- 64. АРХИТЕКТУРА НЕЙРОННОЙ СЕТИ
- 65. Основные понятия: «Нейрон» (unit, node) -- элемент
- 66. ВИДЫ АРХИТЕКТУР: Сеть прямого распространения Сеть обратного распространения (рекуррентная)
- 67. ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ: «Обучение с наставником»: задачи
- 68. ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ: «Обучение с наставником»: задачи
- 69. ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ: Проблема устойчивости обучения: система
- 70. «БИБЛИЯ КОННЕКЦИОНИЗМА»Организация памяти (Макклелланд, 1981): адресация по
- 71. «БИБЛИЯ КОННЕКЦИОНИЗМА»Последующие разработки:формирование у нейронной сети «социальных стереотипов»
- 72. «БИБЛИЯ КОННЕКЦИОНИЗМА»1986 -- Дэвид Румельхарт, Джеймс Макклелландto
- 73. ПРЕИМУЩЕСТВА СЕТЕВОЙ АРХИТЕКТУРЫВозможность обучения Распределенное хранение информации
- 74. Нейронные сетиСимвольные модели неявные правила, «интуитивные» задачи
- 75. Нейронные сетиСимвольные моделиСИМВОЛЬНЫЕ И НЕЙРОСЕТЕВЫЕ МОДЕЛИ: «СФЕРЫ ВЛИЯНИЯ»
- 76. Нейронная сеть распознавание образов, быстрые ответы
- 77. Скачать презентацию
- 78. Похожие презентации
Материалы к курсу М.В. Фаликман: http://virtualcoglab.cs.msu.su
Слайд 4
ОСНОВНЫЕ ДИСЦИПЛИНЫ
Экспериментальная психология познания
Лингвистика
Философия познания (Гносеология)
Компьютерные
науки, кибернетика, искусственный интеллект
Антропология
Нейробиология
Слайд 5
ПРОБЛЕМЫ МЕЖДИСЦИПЛИНАРНОГО ВЗАИМОДЕЙСТВИЯ
- единый («общепринятый») язык;
Что мешает
договориться?
От «научной омонимиии»
(«Депрессия альфа-ритма, говорите? А Вы
антидепрессанты вводить не пробовали? »)до концептуальных разногласий
(Активность мозга определяет психические процессы или обеспечивает их протекание?)
Слайд 6
Общие допущения:
Познание = «обработка информации» =
(1)
представление знаний + (2) вычислительные операции по их преобразованию
Мозг
- вычислительное устройство («суперкомпьютер»), осуществляющее операции по преобразованию структур, посредством которых представлены знания
Слайд 7
Методология и методы когнитивной науки
Методология -- «обратная
инженерия» (Дэниэл Деннетт).
Методы:
1. Частные
2. Междисциплинарные
-
компьютерное моделирование- функциональное картирование мозга (?)
Слайд 8
«Слабые звенья»
- мотивационно-эмоциональная регуляция познания
- социальная природа человеческого
познания
- познание и телесность
- мозг как вычислительное устройство
…
Зоны роста когнитивной науки в XXI веке?
Слайд 9
РОЖДЕНИЕ КОГНИТИВНОЙ НАУКИ
«Три кита» в Европе:
- Фредерик
Чарлз Бартлетт (1886-1969)
- Жан Пиаже (1896-1980)
- Александр Романович Лурия
(1902-1977)контр
Слайд 10
РОЖДЕНИЕ КОГНИТИВНОЙ НАУКИ
MIT (Кембридж, Массачусетс), 11 сентября
1956 года
- Ноэм Хомский «Три модели языка»
- Джордж Миллер
«Магическое число 7+2»- Аллен Ньюэлл, Герберт Саймон «Логик-теоретик»
Слайд 11
РОЖДЕНИЕ КОГНИТИВНОЙ НАУКИ
Джордж Миллер: “…Я уходил с
Симпозиума с твердой уверенностью, скорее интуитивной, чем рациональной, в
том, что экспериментальная психология человека, теоретическая лингвистика и компьютерное моделирование познавательных процессов – части еще большего целого, и в будущем мы увидим последовательную разработку и координацию их общих дел… Я двигался навстречу когнитивной науке в течение двадцати лет, прежде чем узнал, как она называется…” (см. Миллер Дж. «Когнитивная революция с исторической точки зрения» // Вопросы психологии, 2005, №6, с.104-109)
Слайд 12
Продолжение следует…
1957 -- группа искусственного интеллекта в
MIT (Марвин Минский, Джон Маккарти)
1960 -- Центр когнитивных исследований
в Гарварде (Джером Брунер, Джордж Миллер)1976/77 -- журнал «Когнитивная наука»
1979 -- Общество когнитивной науки (Cognitive Science Society, Inc.), Массачусетс: Д. Норман, Р. Шенк и др.
1979 -- Первая конференция по когнитивной науке, Ла Хойя, Калифорния
1981 -- широкомасштабное финансирование в США (Sloan Foundation), университетские программы
Слайд 13
А у нас?
психология познавательных процессов
нейронаука (www.neuroscience.ru)
искусственный
интеллект (www.raii.org)
прикладная и компьютерная лингвистика
…
2002 -- Московский семинар по
когнитивной науке (очередная встреча -- 9 марта 2006 г., 18:30) 2003 -- Первая российская Интернет-конференция по когнитивной науке (Auditorium.ru),
10 февраля - 10 апреля
Слайд 14
Продолжение следует…
Борис Митрофанович Величковский
(Москва-Дрезден-Москва)
Валерий Дмитриевич
Соловьев
(Казань)
Октябрь 2004, Казанский университет -- Первая российская
конференция по когнитивной науке
Слайд 15
Продолжение следует…
Подробнее см. http://www.cogsci.ru --
сайт Российской Ассоциации
Когнитивных
Исследований
(создана в 2004 г.)
Июнь 2006, Санкт-Петербургский университет --
Вторая российская конференция по когнитивной науке
Слайд 19
НА ЗАРЕ
КОГНИТИВНОЙ НАУКИ:
СИМВОЛЬНЫЙ ПОДХОД
Основные принципы
архитектуры компьютера:
Джон/Янош фон Нейман (1903-1957)
Слайд 20
НА ЗАРЕ
КОГНИТИВНОЙ НАУКИ:
СИМВОЛЬНЫЙ ПОДХОД
Основные принципы
архитектуры компьютера:
Периферические устройства ввода-вывода;
центральный процессор;
оперативное запоминающее устройство;
постоянное
запоминающее устройство.
Слайд 21
НА ЗАРЕ
КОГНИТИВНОЙ НАУКИ:
СИМВОЛЬНЫЙ ПОДХОД
Принципиальная архитектура
познания:
Периферические устройства ввода-вывода;
центральный процессор;
оперативное запоминающее устройство;
постоянное запоминающее
устройство. Сенсорные и моторные системы;
«центральный процессор»;
кратковременная (рабочая) память;
долговременная память.
Слайд 22
НА ЗАРЕ
КОГНИТИВНОЙ НАУКИ:
СИМВОЛЬНЫЙ ПОДХОД
Теория информации
и теория коммуникации:
Клод Элвуд Шеннон (1916-2001)
Слайд 24
НА ЗАРЕ
КОГНИТИВНОЙ НАУКИ:
СИМВОЛЬНЫЙ ПОДХОД
Кибернетика, или
теория управления:
Норберт Винер (1894-1964)
Слайд 25
НА ЗАРЕ
КОГНИТИВНОЙ НАУКИ:
СИМВОЛЬНЫЙ ПОДХОД
Аллен Ньюэлл,
Герберт Саймон
«Логик-теоретик»
«Универсальный решатель задач»
Слайд 26
ОБЩИЙ РЕШАТЕЛЬ ЗАДАЧ
А. Ньюэлл, Дж. Шоу,
Г. Саймон «Моделирование мышления человека с помощью электронно-вычислительной машины»
// Хрестоматия по психологии мышления. М.: 1981. С. 305-327.Эвристика
Алгоритм
Мышление -- преобразование символов и символьных систем по определенным правилам.
Слайд 27
НА ЗАРЕ
КОГНИТИВНОЙ НАУКИ:
СИМВОЛЬНЫЙ ПОДХОД
Дональд Эрик
Бродбент (1926-1993)
модель переработки информации
Слайд 28
ОСНОВНЫЕ ДОПУЩЕНИЯ:
Познание -- переработка информации
Линейный характер
переработки:
последовательный ряд блоков
от входа до выхода
Блок/канал с
ограниченной пропускной способностью
Слайд 29
ОСНОВНЫЕ ДОПУЩЕНИЯ:
В системе переработки информации должен
быть защитный фильтр -- механизм ВНИМАНИЯ:
Теории внимания как отбора:
Э.М.
ТрейсманД. и Дж.Э. Дойч
Д. Норман
…
Слайд 30
Модели языка:
Вероятностная (стохастическая) модель Дж. Миллера
Теория
трансформационных грамматик Н. Хомского
Общее допущение:
понимание и порождение речи
какпреобразование символов и их систем (словарных единиц и грамматических конструкций) по определенным правилам
Слайд 31
Модели памяти:
Кратковременная память: 7+2 ячейки
Теория двойственности
памяти
(«постоянное запоминающее устройство» и «оперативное запоминающее устройство»)
Трехкомпонентная теория памяти
(сенсорный регистр -- «буфер» Дональда Бродбента -- и те же системы).
Слайд 32
СИМВОЛЬНЫЙ ПОДХОД
К ПОЗНАНИЮ
Познавательные процессы ~ переработка символьной
информации компьютером
Психика -- «универсальное перерабатывающее устройство»
Слайд 33
СИМВОЛЬНЫЙ ПОДХОД
К ПОЗНАНИЮ
Развитие вычислительной техники :
от
«вычислений вообще» к частным задачам
Появление специализированных «микропроцессоров»
в пределах
одной архитектуры (видеокарта, звуковая карта, управление внешними устройствами и т.д.)
Слайд 34
РОЖДЕНИЕ МОДУЛЬНОГО ПОДХОДА К ПОЗНАНИЮ
1983 -- Джерри Фодор,
«Модульность психики» (The Modularity of Mind)
Слайд 37
ОСНОВЫ МОДУЛЬНОГО ПОДХОДА К ПОЗНАНИЮ
Ноэм Хомский (1988):
врожденность языковой
способности и ее независимость
от других способностей
-- язык
как отдельный «умственный орган»Нейропсихология XIX века:
речь может нарушаться при сохранности прочих функций (зона Брока, зона Вернике)
Слайд 38
ОСНОВЫ МОДУЛЬНОГО ПОДХОДА К ПОЗНАНИЮ
Идея модульности познания
--
Дэвид Марр (1945-1980):
«Любой большой массив вычислений должен быть
разбит и реализован как набор частей, независимых друг от друга настолько, насколько это допускает общая задача…» (1976)
Слайд 39
РОЖДЕНИЕ МОДУЛЬНОГО ПОДХОДА К ПОЗНАНИЮ
Джерри Фодор (1983):
общая концепция
«модульности»:
познание как мозаика специализированных модулей
Насколько этот принцип универсален?
Слайд 40
МОДУЛЬНЫЙ ПОДХОД
К ПОЗНАНИЮ
Когнитивная архитектура:
Модульные системы ввода
Центральные системы: планирование, принятие решения
Слайд 41
КРИТЕРИИ ВЫДЕЛЕНИЯ МОДУЛЕЙ
1. Особая сфера влияния, или специализация
(domain specificity):
каждый модуль компетентен в обработке одного из
видов информации или в решении одного из классов познавательных задач и не участвует в решении других классов задач
Слайд 42
ЕЩЕ КРИТЕРИИ ВЫДЕЛЕНИЯ МОДУЛЕЙ
7. Закономерное разворачивание в онтогенезе:
ряд последовательных ступеней (собственная «история развития»)
8. Локализация в мозге:
специфические нервные механизмы9. Избирательное нарушение: выпадение модуля не сказывается на работе других модулей (пример: лицевая агнозия)
Прямое следствие --
УЗКАЯ СПЕЦИАЛИЗАЦИЯ МОДУЛЯ
Слайд 43
Насколько речь модульна?
Недавнее появление в филогенезе
Пластичность поведенческих
проявлений
Пластичность нервных механизмов
Произвольность связей между обозначением и обозначаемым
Элизабет Бейтс
(1947-2003)
Синдром
Уильямса, SLI, афазии у взрослых: неоднозначность проявлений!
Слайд 44
ГИПОТЕЗА ВСЕОБЩЕЙ МОДУЛЬНОСТИ
Дэн Спербер:
познание полностью модульно --
так же, как биологический организм. Неспециализированных систем переработки информации,
использующих обобщенный «умственный лексикон», НЕТ.
Слайд 45
КРИТИКА МОДУЛЬНОГО ПОДХОДА
1. Теоретическая:
проблема обучения и пластичности
познания;
влияние культуры на «модульные» процессы (иллюзия Мюллера-Лайера в
«круглом» мире);проблема нисходящей регуляции решения познавательных задач.
За пределами рассмотрения: взаимодействие модулей!
Примеры: две системы зрительного восприятия; феномен отчуждения руки, etc.
Слайд 46
КРИТИКА МОДУЛЬНОГО ПОДХОДА
2. Эмпирическая:
двойные диссоциации внутри двойных
диссоциаций -- Аннет Кармилофф-Смит и др. (Оксфорд);
развитие речи
и ранние локальные поражения головного мозга: возможности компенсации (Элизабет Бейтс и др.); «ген грамматики» FoxP2: исследования экспрессии гена у человека и животных.
Слайд 47 ВЫВОД: познавательные процессы не обусловлены наследственностью настолько, как
того хотелось бы представителям модульного подхода…
Неспециализированная обучаемая система!
Адекватная
модель?
Слайд 50
Мозг человека: преимущества перед компьютером
1011 нейронов, 1014-1015 связей
между нейронами.
Частота импульсации -- 102 Гц (современные персональные
компьютеры -- до 109 Гц). NB! Медлительность и ненадежность отдельных нейронов компенсируется их количеством.
Параллельная переработка информации (в компьютерах -- преимущественно последовательная).
«Переход количества в качество»: богатство поведения.
Нельзя сказать, что мозг исходно «готов к использованию»: велика роль обучения.
Слайд 51
Нейросетевой подход:
основные положения
Процессы познания -- результат
взаимодействия большого числа простых перерабатывающих элементов, связанных друг с
другом и организованных в слои («модули»). «Переработка информации» -- определенный ответ элемента на воздействия извне.Знания, управляющие процессом переработки, хранятся в форме весовых коэффициентов связей между элементами сети. Главное -- не элементы, а связи между ними («субсимвольный подход»).
Обучение -- процесс изменения весовых коэффициентов связей между элементами сети (приспособления их к решению определенной задачи).
Слайд 52
Классы задач, решаемых современными нейросетями:
Классификация: распознавание образов,
распознавание голосов, верификация подписей, постановка диагноза, анализ экспериментальных данных
и т.д.Моделирование: поведение системы, поставленной в определенные условия.
Прогноз: погода, ситуация на рынке ценных бумаг, бега, выборы и т.д.
Комплексные задачи:
управление
принятие решений
Слайд 53
Нейронные сети: рождение идеи (1943)
Уоррен Маккаллох (1898-1969)
Уолтер Питтс
(1923-1969)
«Логическое исчисление присуще нейронной активности» (1943)
Слайд 54
Нейронные сети
ФОРМАЛЬНЫЙ НЕЙРОН
Элемент с пороговой логикой (TLU):
преодоление порога -- 1, иначе -- 0.
Слайд 56
Три типа нейронов:
входные (рецепторы) -- активируются извне;
внутренние
(центральные) -- активируются входными и прочими нейронами и активируют
входные и прочие нейроны;выходные (эффекторы) -- получают импульсы от центральных и входных нейронов и отвечают за выполнение действия.
Теоретическая концепция
искусственной сети Маккаллоха и Питтса
Слайд 57
Теоретическая концепция
искусственной сети Маккаллоха и Питтса
Правила функционирования
сети:
задержки в распространении активации одинаковы для всех нейронов
сети;нейроны импульсируют не постоянно, а только в определенные моменты;
каждый выходной синапс одного нейрона соответствует только одному входному синапсу следующего нейрона;
на любом нейроне может сходиться несколько синапсов;
входные синапсы вносят вклад в преодоление порога активации, при переходе через который (и только в этом случае) нейрон начинает передавать импульс.
Слайд 58
ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ
Дональд Олдинг Хебб
(1904-1985)
Итог -- образование
«нейронного ансамбля», который все быстрее активируется при каждом очередном
повторении входа.Правило Хебба (1949):
между одновременно активированными нейронами сети пороги синаптической связи снижаются.
Слайд 59
Развитие нейронных сетей
Фрэнк Розенблатт (1928-1969), Корнельский университет,
США -- перцептрон (1958)
Слайд 60
Развитие нейронных сетей
Фрэнк Розенблатт (1928-1969), Корнельский университет,
США
1962 -- «Принципы нейродинамики: перцептроны и теория мозговых механизмов»:
интеграция данных компьютерного моделирования (включая перцептрон), нейрохирургии, регистрации активности отдельных нейронов и т.д.
Слайд 61
УПАДОК КОННЕКЦИОНИЗМА
Критика перцептронов: математическое обоснование их неэффективности в
решении задач распознавания образов
(в ходе поэлементного анализа связанных
и несвязанных изображений теряется информация о связанности, которую невозможно задать линейно). 1969 -- Марвин Минский, Сеймур Пейперт «Перцептроны»:
приговор нейронным сетям?
Слайд 63
РЕНЕССАНС КОННЕКЦИОНИЗМА
1986 -- Дэвид Румельхарт (Стэнфорд),
Джеймс Макклелланд
(Карнеги-Меллон)
«Параллельно-распределенная переработка» (PDP)
Слайд 65
Основные понятия:
«Нейрон» (unit, node) -- элемент сети,
который суммирует входные сигналы и, в случае превышения порога
его активации, выдает выходной сигнал (1 или 0) , выполняющий функцию активации или торможения в соответствии с весовым коэффициентом связи между ним и последующими нейронами.Функция связи между элементами сети («синапса») -- умножение сигнала на весовой коэффициент.
Порог -- весовой коэффициент, связанный с постоянным входным сигналом, равным 1.
Слайд 66
ВИДЫ АРХИТЕКТУР:
Сеть прямого распространения
Сеть обратного распространения
(рекуррентная)
Слайд 67
ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ:
«Обучение с наставником»: задачи распознавания
(заранее известен правильный ответ -> сеть настраивается на выдачу
ответов, максимально близких к нему).Алгоритм:
обратное распространение ошибки (backpropagation)
«Психологический механизм»:
«Предвосхищение» (результат работы сети)
«Истинное положение дел» (эталон)
Слайд 68
ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ:
«Обучение с наставником»: задачи распознавания
(заранее известен правильный ответ -> сеть настраивается на выдачу
ответов, максимально близких к нему).«Обучение без наставника»: задачи классификации (правильный ответ неизвестен, но набор параметров относительно устойчив -> раскрытие внутренней структуры данных или связей между образцами).
Смешанные формы обучения.
Слайд 69
ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ:
Проблема устойчивости обучения: система обучения
устойчива, если ни один из примеров обучающей выборки не
изменит своей принадлежности к установленной категории после определенного числа итераций (повторных предъявлений).Феномен «переобученности» сети: хорошее функционирование на примерах обучающей выборки и плохое -- на сходных, но не идентичных тестовых примерах.
СРАВНИМ: стадия дифференциации при выработке условного рефлекса (по данным лаборатории И.П. Павлова).
Слайд 70
«БИБЛИЯ КОННЕКЦИОНИЗМА»
Организация памяти (Макклелланд, 1981):
адресация по
содержанию
возможность «восстановления» информации:
правило «щадящего разрушения» (graceful
degradation)
Слайд 71
«БИБЛИЯ КОННЕКЦИОНИЗМА»
Последующие разработки:
формирование у нейронной сети
«социальных стереотипов»
Слайд 72
«БИБЛИЯ КОННЕКЦИОНИЗМА»
1986 -- Дэвид Румельхарт, Джеймс Макклелланд
to play
-- played
to help -- helped
to kiss -- kissed
to go -- went
to jump -- jumped
to shout -- shouted
to go … wented!
goed!
Освоение языка -- ряд стадий, характерных для развития ребенка, в том числе стадия сверхобобщения (4-5 лет):
Слайд 73
ПРЕИМУЩЕСТВА СЕТЕВОЙ АРХИТЕКТУРЫ
Возможность обучения
Распределенное хранение информации
ПРОБЛЕМЫ
НЕЙРОСЕТЕВОГО ПОДХОДА
Механизм или практический результат?
Границы пластичности субстрата и
«содержательная» специализация? Ограничения по типам решаемых задач
Слайд 74
Нейронные сети
Символьные модели
неявные правила, «интуитивные» задачи (индивидуальные
знания): умозаключение по аналогии, выделение фигуры на фоне и
т.п. явные правила, формализуемые задачи (культурно-обусловленные общедоступные знания): например, логические и математические задачи.
СИМВОЛЬНЫЕ И НЕЙРОСЕТЕВЫЕ МОДЕЛИ: «СФЕРЫ ВЛИЯНИЯ»
Задачи, требующие обучения.
Задачи, требующие конечного набора знаний.
Слайд 76
Нейронная сеть
распознавание образов, быстрые ответы на
запросы сложной окружающей среды
ВОЗМОЖНОСТИ ИНТЕГРАЦИИ
НЕЙРОСЕТЕВОГО И СИМВОЛЬНОГО ПОДХОДОВ:
ЭКСПЕРТНЫЕ
СИСТЕМЫ Экспертная система
принятие решений, логическая проверка выводов с учетом дополнительной информации
