Lernen in einem antagonistischen Neuronalen Netzwerk

作者: G. Hartmann

DOI: 10.1007/978-3-662-08896-8_56

关键词:

摘要: Biologische Systeme unterscheiden sich von vielen kunstlichen neuronalen Netzen in drei Eigenschaften. Sie erlauben schnelles Lernen ohne ausgedehnte Trainingssequenzen. lernen neue Muster oder erkennen bereits gelernte Umschaltung zwischen einer Lern- und Kannphase. Schlieslich konnen sie auf der Basis unuberwachter Lernvorgange wohldefinierten Klassen zuordnen. Ein uns simuliertes Netzwerk, das aus unterschiedlichen Typen pulscodierter Modellneuronen aufgebaut ist, zeigt ebenfalls diese wichtigen Die adaptiven Neuronen sind eine antagonistische Architektur eingebettet, Wettbewerb entsteht uber eingestreute inhibitorische Neuronen. Reprasentation die hohe Verstarkung Gegenkopplung fur Verhalten des Netzwerkes verantwortlich.

参考文章(9)
David E. Rumelhart, James L. McClelland, , Parallel distributed processing: explorations in the microstructure of cognition, vol. 1: foundations Computational Models of Cognition and Perception. ,(1986) , 10.7551/MITPRESS/5236.001.0001
Andrew S. French, Richard B. Stein, A Flexible Neural Analog Using Integrated Circuits IEEE Transactions on Biomedical Engineering. ,vol. BME-17, pp. 248- 253 ,(1970) , 10.1109/TBME.1970.4502739
A Simple Network Capable of Inductive Generalization Proceedings of The Royal Society B: Biological Sciences. ,vol. 182, pp. 233- 247 ,(1972) , 10.1098/RSPB.1972.0077
D. E. Rumelhart, G. E. Hinton, R. J. Williams, Learning internal representations by error propagation Parallel distributed processing: explorations in the microstructure of cognition, vol. 1. ,vol. 1, pp. 318- 362 ,(1986)
Chr. Malsburg, Self-organization of orientation sensitive cells in the striate cortex Kybernetik. ,vol. 14, pp. 85- 100 ,(1973) , 10.1007/BF00288907