很久以来我都只能理解Hebb的正向规则,因为意识(记忆)的相关性,相近性,所以网络应该是正向规则。但是有很多事情我无法用这种规则解决,比如饥饿与饱这两种相反状态,高矮,1-0这些在我们的记忆中却是关联存在的,但是正向规则的话他不会包容反意概念的存在,尽管他可以将反意的概念关联,但是他对反意的解只能形成一个相同的概念,因为关联的节点基本上可以认为是等价的概念。
我最开始认识负向规则时,我无法理解(因为我理解错了^_^),因为它会减弱神经元之间的连接,导致关联记忆被破坏,退化,最近最近重新看资料,大有启发,负向规则可以定义为增强网络的连接。这样就能形成上述矛盾解对的概念,即两个反意解相互关联,当我们决策的时候,从两个不同的出发点出发的时候得到两个相反解得时候我们应该怎样决策,这样有利于智能从多个不同角度考虑问题,所以现实中你经常会看到很多人对同一个问题的有着矛盾的解,但是每个解都是正确的。
现在我们看看传统理论对矛盾解得决策。
在模糊集论中有个经典的例子,eg:有100个人,分布在1.6-2.1米之间,问你1.7米的人是高还是矮。经典集合给一个界限1.8以上是高.以下是矮。模糊集中会统计所有人,然后根据集合的情况给你个1.7米的人高和矮的概率,然后