Konekcionismus
                                              PSY 481

                                             Motivace

Zájem o vývoj umělých neuronových sítí pramení z poznání, že lidský mozek pracuje jiným způsobem
než běžné číslicové počítače. Počítače přesně a rychle provádějí posloupnosti instrukcí, které pro
ně byly formulovány. Lidský mozek je tvořen neurony, které pracují přibližně milionkrát pomaleji
než obvody číslicové ho počítače, přesto člověk dokáže lépe řešit řadu výpočetně náročných úkolů
(zpracování vizuální informace, porozumění řeči, hraní šachů , a podobně). Proto vzniká snaha
napodobit schopnosti mozku a vytvořit umělou neuronovou síť, která by uměla simulovat chování
biologické neuronové sítě živých organizmů .

                                          Konekcionismus

•         V 80-tých letech se začíná objevovat nová technika modelování, či přesněji nová
architektura.

•         Pro svou fundamentální odlišnost od předchozích způsobů se tento přístup stává
paradigmatem v oblasti kognitivních věd.

•         Přístup se nazývá konekcionismus a jeho aplikovanou oblastí jsou neuronové sítě,
architektura principielně odlišná od předchozích přístupů.

•         Základ tvoří samostatné velmi jednoduché jednotky, jejichž propojení konstituuje sítě.

•         Výchozí myšlenkou je postulace základní jednotky, funkčně podobné lidskému neuronu.

•         Největší rozdíl oproti klasické von neumannovské architektury spočívá v paralelním
způsobu práce.

                                             Historie

                                              Neuron

                                              Neuron

                                       Subsymbolický přístup

                                       Subsymbolický přístup

                                       Subsymbolický přístup

                                     Linearní separovatelnost

                                     Linearní separovatelnost

                                   Charakteristika neuron. sítí

                                   Charakteristika neuron. sítí

                                             Emergence

                                    Základní typy neuron. sítí

                                          Základní funkce

                                       Typy neuronových sítí

                                   Příklady použití neuron. sítí

                                   Fáze činnosti neuronové sítě

                                            Typy učení

                                      Paměť neuronových sítí

                                              NetTalk

                                         Hopfieldovy sítě

                                             Nevýhody

                                          Kohonenovy sítě

                                     Samoorganizující se sítě

                                          Hebbovské učení

                                            Robustnost

                                      Výhody neuronových sítí

•         Paralelismus



•         Schopnost adaptace



•         Sebeorganizace



•         Distribuovaná paměť



•         Odolnost proti chybám



•         Schopnost generalizace



•         Jednoduchá konstrukce



                                     Nevýhody neuronových sítí

                                              Příště

                              V následující hodině se budeme zabývat

                                      Lingvistika a sémantika





                                          Úkol do přístě:

                              S. Harnad: The symbol grounding problem





                                        Dostupný na adrese:

             http://www.ecs.soton.ac.uk/~harnad/Papers/Harnad/harnad90.sgproblem.html

                 V informačním systému jej naleznete v sekci studijních materiálů.



                                      Přečtěte kolik stihnete



                                               Konec

                                        Děkuju za pozornost