crta
Hrvatska znanstvena Sekcija img
bibliografija
3 gif
 Naslovna
 O projektu
 FAQ
 Kontakt
4 gif
Pregledavanje radova
Jednostavno pretraživanje
Napredno pretraživanje
Skupni podaci
Upis novih radova
Upute
Ispravci prijavljenih radova
Ostale bibliografije
Slični projekti
 Bibliografske baze podataka

Pregled bibliografske jedinice broj: 229229

Zbornik radova

Autori: Domijan, Dražen
Naslov: Neuronske mreže između psihologije i umjetne inteligencije
( Neural networks between psychology and artificial intelligence )
Izvornik: XIII. Dani psihologije u Zadru - Sažetci radova / Lacković-Grgin, Katica (ur.). - Zadar : Sveučilište u Splitu , 2002. 15.
Skup: XIII. Dani psihologije u Zadru
Mjesto i datum: Zadar, Hrvatska, 23-25.05.2002.
Ključne riječi: Neuronske mreže; umjetna inteligencija; teorija adaptivne rezonance; Algoritam za prenošenje greške unatrag
( Neural networks; Artificial intelligence; Adaptive resonance theory; Error back-propagation )
Sažetak:
Dvije glavne strategije u neuralnom modeliranju kognitivnih procesa su pronalaženje matematičkog opisa određenog neurofiziološkog mehanizma kojeg se nastoji povezati sa psihologijskim spoznajama ili uzimanje gotovih algoritama umjetne inteligencije i pronalaženja bioloških spoznaja koje su u skladu s njima. Prednosti i nedostaci ovih strategija ilustrirani su pomoću dvije popularne neuronske mreže, algoritam za prenošenje greške unatrag (backpropagation) i teorija adaptivne rezonance. Razmotrena je njihova psihologijska i neurobiologijska utemeljenost kao i mogućnost primjene na problemima umjetne inteligencije kao što je strojno učenje odnosno prepoznavanje uzoraka. Algoritam za prenošenje greške unatrag u prvoj fazi registrira ulazni uzorak, izračuna aktivnosti neurona u svim slojevima, zatim izračuna grešku za svaki neuron u izlaznom sloju na osnovu ispravnog odgovora kojeg daje nadglednik. U drugoj fazi se informacija o greškama prenosi natrag prema skrivenom sloju, tako da se i sinapse u tom sloju mogu uskladiti s ispravnim rješenjem. U tome je sadržan i najveći problem modela jer nema neurofizioloških podataka koji bi ukazali na mogućnost prenošenju sinaptičkih efikasnosti iz jednog sloja u drugi. Drugi problem s kojim se suočava ovaj model je retroaktivna interferencija. Katastrofalno zaboravljanje u neuralnim modelima dovelo je do formuliranja i rješavanja temeljnog problema s kojim se suočava svaki sustav sa sposobnošću učenja, a to je dilema stabilnosti i plastičnosti. Dilema je u tome kako napraviti kompromis između stabilnosti tj. očuvanja prethodno naučenih kodova, i plastičnosti tj. spremnosti da se uče novi kodovi. Grossberg smatra da se ovaj problem može riješiti ako neuralni sustav uspijeva razlikovati poznate uzorke tj. one uzorke koje je već upamtio i nepoznate uzorke, tj. one uzorke kojima još nije bio izložen. Ova spoznaja omogućila je formuliranje teorije adaptivne rezonance. Teorija se zasniva na neurofiziološkim mehanizmima kao što su lateralna inhibicija i Hebbovo pravilo za promjenu sinaptičke efikasnosti. S druge strane, algoritamska implementacija ove teorije (ART i ARTMAP) pokazuje značajne uspjehe na testovima prepoznavanja uzoraka. Predstavljene analize pokazuju da je pristup koji kreće od neurofiziologije korisniji za psihologiju jer pruža uvid u plauzibilne neuralne mehanizme inteligentnog ponašanja ali isto tako može značajno doprinjeti i umjetnoj inteligenciji.
Vrsta sudjelovanja: Predavanje
Vrsta prezentacije u zborniku: Sažetak
Vrsta recenzije: Domaća recenzija
Izvorni jezik: HRV
Kategorija: Pregledni
Znanstvena područja:
Psihologija



Verzija za printanje   za tiskati


upomoc
foot_4