ПравообладателямТеории научения[6-е издание], Хегенхан Б.
Книжная полка
перейти на полку → Хочу прочитатьЧитаюПрочитана
ИзбранноеВладею
Чтобы воспользоваться книжной полкой выполните вход либо зарегистрируйтесь
← Назад
Скачать: , Хегенхан Б. Р., М. Олсон djvu   Читать
Купить →
Купить →

Ожидайте...

В данной книге, выдержавшей шесть изданий, излагаются основные теории научения, одного из самых давних и разработанных направлений в психологии. В книге подробно рассказывается о том, какую роль играют ранние и современные теории научения в психологическом знании и современной педагогике, рассматриваются теории таких всемирно известных ученых, как И.П.Павлов, Э.Толмен, А.Бандура, Ж.Пиаже и Б.Ф.Скиннер. Издание снабжено подробным терминологическим словарем.

Книга адресована преподавателям вузов и студентам психологических и психолого-педагогических факультетов, а также всем специалистам, занятым в сфере образования.

DJVU. Теории научения[6-е издание]. Хегенхан Б. Р.
Страница 376. Читать онлайн

Новый коннекционизм 37g

Ввод

Вывод

h

»» - Oi

г

г

н

г

г

м

ф б

г

~r

н

н

г

с

- — - — - о,

Рис. 14.11. Два входящих, два выходящих зяемента и связи между ними

А,= Z(w„;)A»

Данное уравнение означает, что выходящая активация элемента (А„) представляет собой сумму его входящих активаций (А;), умноженную на силы их связности (w,;). Здесь мы можем предположить, что данная гипотетическая система ранее не участвовала в процессах научения и все w„, равны нулю, то есть сенсорный ввод не влияет на моторный вывод.

Предположим, что мы хотим научить нашу нейронную сеть различать сосны и ели. В результате наша система должна говорить «сосна», если входящий сигнал — изображение сосны, и «ель», если входящий сигнал — изображение ели. Важно помнить, что в реальной нервной системе надписанные этикетки или ярлычки не связаны с сенсорным вводом или моторным выводом. В упрощенном

к этим искусственно созданным нейронам применяется ряд упрощенных допущений, выведенных из того, что на сегодняшний день известно исследователям о реальных нервных клетках. Кроме того, изменения отдельных компьютерных нейронов и их связей регулируются простыми логическими правилами научения. И наконец, искусственную нервную систему «обучают», а затем изучают, определяя, каким образом она изменяется в результате полученного опыта.

Для того чтобы продемонстрировать идею нового коннекцнонизма, воспользуемся примером простой нейронной сети, названной ассоциативным паттерном (Bechtel й Abrahamsen, 1991, Hinton й Anderson, 1981; Rumelhart, McClelland й PDP Research Group, 1986). Тем не менее следует помнить, что на сегодняшний день с помощью нервных сетей удалось смоделировать гораздо более сложные явления.

Во-первых, рассмотрим простой набор элементов, представленных на рис. 14.11. Данная нейронная сеть состоит всего из четырех элементов: двух входных и двух выходных нейронов. Их можно рассматривать как сенсорные и моторные нейроны соответственно. Пунктирными линиями обозначены возможные нервные связи между элементами.

Ввод из внешней среды (или от программиста) активирует входные нейроны. Выходные нейроны активируются в зависимости от того 1) какова сила соединения входящих элементов и 2) какое количество входящих элементов связано с ними. Данное правило активации выходящих элементов отражает свойство суммации, характерное для действующих нейронов. Свойство суммации заключается в том, что реально существующие нейроны складывают сигналы, поступающие к ним от окружающих клеток. Сумма сигналов определяет уровень активности нейрона. Это правило можно записать следующим образом:

Обложка.
DJVU. Теории научения[6-е издание]. Хегенхан Б. Р. Страница 376. Читать онлайн