stringtranslate.com

Коннекционизм

Модель коннекционизма «второй волны» (ИНС) со скрытым слоем.

Коннекционизм (придуманный Эдвардом Торндайком в 1930-х годах) — это название подхода к изучению человеческих психических процессов и познания, который использует математические модели, известные как коннекционистские сети или искусственные нейронные сети. [1] С момента своего возникновения у коннекционизма было много «волн».

Первая волна возникла в 1950-х годах, когда Уоррен Стерджис Маккалок и Уолтер Питтс сосредоточились на понимании нейронных цепей с помощью формального и математического подхода, а также Фрэнк Розенблатт , опубликовавший в 1958 году книгу «Персептрон: вероятностная модель хранения и организации информации в мозгу». в Psychoological Review , во время работы в Корнеллской авиационной лаборатории. [2] Первая волна закончилась в 1969 году книгой об ограничениях первоначальной идеи перцептрона, написанной Марвином Мински и Пейпертом , которая способствовала отпугиванию крупных финансовых агентств в США инвестировать в коннекционистские исследования. [3] С некоторыми примечательными отклонениями большинство коннекционистских исследований вступило в период бездействия до середины 1980-х годов. Термин «коннекционистская модель» был вновь 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 улучшений в простой идее перцептрона, таких как промежуточные процессоры (известные как «скрытые слои» теперь) рядом с блоками ввода и вывода и использовала функцию активации сигмовидной формы 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. [2] С конца 1980-х до середины 1990-х годов коннекционизм принял почти революционный тон, когда Шнайдер, [4] Теренс Хорган и Тинсон поставили вопрос о том, представляет ли коннекционизм фундаментальный сдвиг в психологии и GOFAI . [2] 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 постепенной деградации . [5] Некоторые недостатки коннекционистского подхода второй волны включали трудность в расшифровке того, как ИНС обрабатывают информацию или учитывают композиционность мысленных представлений, и, как следствие, трудность в объяснении явлений на более высоком уровне. [6]

Текущая (третья) волна ознаменовалась достижениями в области глубокого обучения , позволяющими создавать большие языковые модели . [2] Успех сетей глубокого обучения в последнее десятилетие значительно увеличил популярность этого подхода, но сложность и масштаб таких сетей повлекли за собой увеличение проблем с интерпретируемостью . [7]

Основной принцип

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, элементы сети могут представлять собой 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. [7]

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.

Память и 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 правилами или алгоритмами обучения, например обучением Хебба . [8]

Наибольшее разнообразие моделей обусловлено:

Биологический реализм

Работа коннекционистов в целом не обязательно должна быть биологически реалистичной. [9] [10] [11] [12] [13] [14] [15] Одна из областей, в которой коннекционистские модели считаются биологически неправдоподобными, — это сети распространения ошибок, которые необходимы для поддержки обучения, [16] [17] , 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 , [18] и это обеспечивает некоторую биологическую поддержку одного из ключевых предположений коннекционистского обучения. процедуры. 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

Предшественниками коннекционистских принципов можно считать ранние работы в области психологии , например, работы Уильяма Джеймса . [19] 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, « Принципы психологии » Герберта Спенсера , 3-е издание (1872 г.), и « Проект научной психологии » Зигмунда Фрейда (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. [20]

Первая волна

Первая волна началась в 1943 году, когда Уоррен Стерджис Маккалок и Уолтер Питтс сосредоточились на понимании нейронных цепей с помощью формального и математического подхода. [2] Маккалок и Питтс показали, как нейронные системы могут реализовывать логику первого порядка : их классическая статья «Логическое исчисление идей, имманентных нервной деятельности» (1943) важна в этом развитии. 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 за годы экспериментов с повреждениями ему не удалось найти ничего похожего на локализованную инграмму . Фридрих Хайек независимо разработал модель, сначала в краткой неопубликованной рукописи в 1920 году, [21] [22], а затем в 1952 году превратившейся в книгу. [23]

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

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. [24] [25]

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 ». [26] [27] [28] Этот метод использует поэтапное 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 . [29] [26]

Первые многослойные перцептроны, обученные методом стохастического градиентного спуска [30], были опубликованы в 1967 году Шуничи Амари . [31] [26] В компьютерных экспериментах, проведенных учеником Амари Сайто, пятислойный MLP с двумя изменяемыми слоями изучил полезные внутренние представления для классификации нелинейно разделимых классов шаблонов. [26]

Вторая волна

Вторая волна началась в конце 1980-х годов, после выхода в 1987 году двухтомной книги Джеймса Л. Макклелланда , Дэвида Э. Румельхарта и др. о параллельной распределенной обработке (PDP) о параллельной распределенной обработке, которая внесла несколько усовершенствований в простую идею перцептрона. такие как промежуточные процессоры (теперь известные как «скрытые уровни») 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. [2]

Дебаты о коннекционизме и компьютерализме

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 достичь не удалось. Различия между этими двумя подходами заключаются в следующем:

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 [32] , и они действительно должны быть способны, если хотят объяснить способность человека выполнять задачи манипулирования символами. . Было предложено несколько когнитивных моделей, сочетающих как символьно-манипулятивную, так и коннекционистскую архитектуру. Среди них — «Интегрированная коннекционистская/символическая когнитивная архитектура» Пола Смоленского . [7] [33] 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. [32] [34]

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. [35]

В 2000-е годы популярность динамических систем в философии сознания открыла новый взгляд на дебаты; [36] [37] некоторые авторы [ какие? ] 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, называемую нейронной машиной Тьюринга [38] , способную 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.

Дебаты о символизме и коннекционизме

Субсимволическая парадигма Смоленского [39] [40] должна ответить на вызов Фодора-Пилишина [41] [42] [43] [44] , сформулированный 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 составной 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 ментальных 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. [45] Классическая модель символизма характеризуется (1) комбинаторным синтаксисом и семантикой мысленных представлений и (2) мыслительными операциями как структурно-чувствительными процессами, основанными на фундаментальном принципе синтаксической и семантической составляющей структуры мысленных представлений, как они используются. в «Языке мысли (LOT)» Фодора. [46] [47] Это можно использовать для объяснения следующих тесно связанных свойств человеческого познания, а именно его (1) продуктивности, (2) систематичности, (3) композиционности и (4) логической последовательности. [48]

Эта задача была решена в современном коннекционизме, например, не только в «Интегрированной коннекционистско-символической (ICS) когнитивной архитектуре» Смоленского [49] [50] , но также в «Колебательных сетях» Вернинга и Мэй. [51] [52] [53] Обзор этого дан, например, Бектелем и Абрахамсеном, [54] Маркусом [55] и Маурером. [56]

Смотрите также

Примечания

  1. ^ "Интернет-энциклопедия философии". iep.utm.edu . Проверено 19 августа 2023 г.
  2. ^ abcdef Беркли, Иштван С.Н. (2019). «Загадочный случай коннекционизма». Открытая философия . 2019 (2): 190–205. дои : 10.1515/opphil-2019-0018 . S2CID  201061823.
  3. ^ Боден, Маргарет (2006). Разум как машина: история когнитивной науки . Оксфорд: Oxford UP, стр. 914. ИСБН 978-0-262-63268-3.
  4. ^ Шнайдер, Уолтер (1987). «Коннекционизм: смена парадигмы психологии?». Методы, инструменты и компьютеры исследования поведения . 19 : 73–83. дои : 10.1515/opphil-2019-0018 . S2CID  201061823.
  5. ^ 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.
  6. ^ Смоленский, Павел (1999). «Грамматические коннекционистские подходы к языку». Когнитивная наука . 23 (4): 589–613. дои : 10.1207/s15516709cog2304_9 .
  7. ^ abc Гарсон, Джеймс (27 ноября 2018 г.). Залта, Эдвард Н. (ред.). Стэнфордская энциклопедия философии. Лаборатория метафизических исследований, Стэнфордский университет – через Стэнфордскую энциклопедию философии.
  8. ^ Ново, Мария-Луиза; Альсина, Анхель; Марбан, Хосе-Мария; Берчиано, Эноа (2017). «Связной интеллект для детского математического образования». Комуникар (на испанском языке). 25 (52): 29–39. дои : 10.3916/c52-2017-03 . hdl : 10272/14085 . ISSN  1134-3478.
  9. ^ "Журнал Энцефалоса". www.encephalos.gr . Проверено 20 февраля 2018 г.
  10. ^ Уилсон, Элизабет А. (4 февраля 2016 г.). Нейронная география: феминизм и микроструктура познания. Рутледж. ISBN 978-1-317-95876-5.
  11. ^ 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.
  12. ^ 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. 
  13. ^ Тизен, Р. (2011). «Аналитическая и континентальная философия, наука и глобальная философия». Сравнительная философия . 2 (2): 4–22 . Проверено 29 декабря 2023 г.
  14. ^ Браун, А. (1 января 1997 г.). Перспективы нейронных сетей в области познания и адаптивной робототехники. ЦРК Пресс. ISBN 978-0-7503-0455-9.
  15. ^ Пфайфер, Р.; Шретер, З.; Фогельман-Сулье, Ф.; Стилз, Л. (23 августа 1989 г.). Коннекционизм в перспективе. Эльзевир. ISBN 978-0-444-59876-9.
  16. ^ 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. PMID  2911347. S2CID  5892527.
  17. ^ 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.
  18. ^ Фитц, Хартмут; Чанг, Франклин (01 июня 2019 г.). «Языковые ERP отражают обучение посредством распространения ошибок прогнозирования». Когнитивная психология . 111 : 15–52. doi :10.1016/j.cogpsych.2019.03.002. hdl : 21.11116/0000-0003-474F-6 . ISSN  0010-0285. PMID  30921626. S2CID  85501792.
  19. ^ 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.
  20. ^ Браш, Стивен Г. (1967). «История модели Ленца-Изинга». Обзоры современной физики . 39 (4): 883–893. Бибкод : 1967RvMP...39..883B. doi : 10.1103/RevModPhys.39.883.
  21. ^ Хайек, Фридрих А. [1920] 1991. Beiträge zur Theorie der Entwicklung des Bewusstseins [Вклад в теорию развития сознания]. Рукопись в переводе Греты Хайнц.
  22. ^ 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.
  23. ^ Хайек, ФА (15 сентября 2012 г.). Сенсорный порядок: исследование основ теоретической психологии (1-е изд.). Издательство Чикагского университета.
  24. ^ стр. 124-129, Олазаран Родригес, Хосе Мигель. Историческая социология исследований нейронных сетей . Кандидатская диссертация. Эдинбургский университет, 1991.
  25. ^ 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.
  26. ^ abcd Шмидхубер, Юрген (2022). «Аннотированная история современного искусственного интеллекта и глубокого обучения». arXiv : 2212.11279 [cs.NE].
  27. ^ Ивахненко, А.Г. (1973). Кибернетические предсказывающие устройства. Информационная корпорация CCM.
  28. ^ Ивахненко, А.Г.; Григорьевич Лапа, Валентин (1967). Кибернетика и методы прогнозирования. Американский паб Elsevier. Ко.
  29. ^ Амари, Шун-Ичи (1972). «Обучение шаблонам и последовательностям шаблонов с помощью самоорганизующихся сетей пороговых элементов». IEEE-транзакции . С (21): 1197–1206.
  30. ^ Роббинс, Х .; Монро, С. (1951). «Метод стохастической аппроксимации». Анналы математической статистики . 22 (3): 400. дои : 10.1214/aoms/1177729586 .
  31. ^ Амари, Шуничи (1967). «Теория адаптивного классификатора шаблонов». IEEE-транзакции . ЕС (16): 279–307.
  32. ^ Аб Чанг, Франклин (2002). «Символически говоря: коннекционистская модель построения предложений». Когнитивная наука . 26 (5): 609–651. дои : 10.1207/s15516709cog2605_3 . ISSN  1551-6709.
  33. ^ 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.
  34. ^ 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.
  35. ^ Эллис, Ник К. (1998). «Эмерджентизм, коннекционизм и изучение языков» (PDF) . Изучение языка . 48 (4): 631–664. дои : 10.1111/0023-8333.00063.
  36. ^ 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.
  37. ↑ 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. PMID  10689343. S2CID  16515284.
  38. ^ Грейвс, Алекс (2014). «Нейронные машины Тьюринга». arXiv : 1410.5401 [cs.NE].
  39. ^ П. Смоленский: О правильной трактовке коннекционизма. В: Поведенческие науки и науки о мозге. Полоса 11, 1988, С. 1-74.
  40. ^ 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.
  41. ^ Дж. А. Фодор, З. В. Пилишин: Коннекционизм и когнитивная архитектура: критический анализ. Познание. Полоса 28, 1988 г., С. 12-13, 33-50.
  42. ^ Дж. А. Фодор, Б. Маклафлин: Коннекционизм и проблема систематичности: почему решение Смоленского не работает. Познание. Полоса 35, 1990, с. 183-184.
  43. ^ Б. Маклафлин: Битва коннекционизма и классицизма за завоевание душ. Философские исследования, Группа 71, 1993, С. 171-172.
  44. ^ 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.
  45. ^ Дж. А. Фодор, Б. Маклафлин: Коннекционизм и проблема систематичности: почему решение Смоленского не работает. Познание. Полоса 35, 1990, с. 183-184.
  46. ^ Дж. А. Фодор: Язык мысли. Harvester Press, Сассекс, 1976, ISBN 0-85527-309-7.
  47. ^ Дж. А. Фодор: ЛОТ 2: Возвращение к языку мысли. Clarendon Press, Оксфорд, 2008, ISBN 0-19-954877-3.
  48. ^ Я. А. Фодор, З. В. Пилишин (1988), С. 33-48.
  49. ^ 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.
  50. ^ 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.
  51. ^ М. Вернинг: Нейрональная синхронизация, ковариация и композиционное представление. В: М. Вернинг, Э. Мачери, Г. Шурц (Hrsg.): Композиционность значения и содержания. Том. II: Приложения к лингвистике, психологии и нейробиологии. Онтос Верлаг, 2005, С. 283-312.
  52. ^ 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.
  53. ^ А. Мэй и М. Вернинг: Синхронизация нейронов: от привязки динамических характеристик к композиционным представлениям. Письма о хаосе и сложности, Группа 2, С. 315–325.
  54. ^ Бектель, В., Абрахамсен, А.А. Коннекционизм и разум: параллельная обработка, динамика и эволюция в сетях. 2-е издание. Издательство Блэквелл, Оксфорд. 2002 г.
  55. ^ Г. Ф. Маркус: Алгебраический ум. Интеграция коннекционизма и когнитивной науки. Книга Брэдфорда, MIT Press, Кембридж, 2001, ISBN 0-262-13379-2.
  56. ^ 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

Рекомендации

Внешние ссылки

Послушайте эту статью ( 19 минут )
Разговорная иконка Википедии
Этот аудиофайл был создан на основе редакции этой статьи от 26 ноября 2011 г. и не отражает последующие изменения. ( 26 ноября 2011 г. )
( Аудио помощь  · Больше устных статей )