Nalazite se na CroRIS probnoj okolini. Ovdje evidentirani podaci neće biti pohranjeni u Informacijskom sustavu znanosti RH. Ako je ovo greška, CroRIS produkcijskoj okolini moguće je pristupi putem poveznice www.croris.hr
izvor podataka: crosbi !

Neuronske mreže između psihologije i umjetne inteligencije (CROSBI ID 513960)

Prilog sa skupa u zborniku | sažetak izlaganja sa skupa | domaća recenzija

Domijan, Dražen Neuronske mreže između psihologije i umjetne inteligencije // XIII. Dani psihologije u Zadru - Sažetci radova / Lacković-Grgin, Katica (ur.). Zadar: Sveučilište u Splitu, 2002. str. 15-x

Podaci o odgovornosti

Domijan, Dražen

hrvatski

Neuronske mreže između psihologije i umjetne inteligencije

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.

Neuronske mreže; umjetna inteligencija; teorija adaptivne rezonance; Algoritam za prenošenje greške unatrag

nije evidentirano

engleski

Neural networks between psychology and artificial intelligence

nije evidentirano

Neural networks; Artificial intelligence; Adaptive resonance theory; Error back-propagation

nije evidentirano

Podaci o prilogu

15-x.

2002.

objavljeno

Podaci o matičnoj publikaciji

XIII. Dani psihologije u Zadru - Sažetci radova

Lacković-Grgin, Katica

Zadar: Sveučilište u Splitu

Podaci o skupu

XIII: dani psihologije u Zadru

predavanje

23.05.2002-25.05.2002

Zadar, Hrvatska

Povezanost rada

Psihologija