神经网络杂谈

神经网络不管是前馈型的还是反馈型的,从其信息处理的本质来说都是在进行抽象和联想. 
神经元把各种不同的信息抽象成各种不同的集合(或特征).然后把各种不同的特征,再进一步进行抽象.在抽象的同时又在进行各种联想,比如有同音联想(声音相同或相近,意义不同听觉上相同或相近),有同像联想(某人像猩猩,某人像猪等,外观相同或相近,本质不同视觉相近),有同义联想(不同的事物,从某些方面具相同或相近的意义或功能等). 
我人在本吧说过;神经网络中的多对一映射,其实质就是在进行抽象.神经网络中的一对多的映射,其实质就是在进行联想. 
当然各种不同的神经元和不同的网络,它们各自的具体算法等可不同,但本质都是在进行不同的抽象和联想. 
以上是本人对神经网络实质的抽象看法,所以能对信息进行抽象和联想的都可看成与神经网络等价.(学习过程不谈,假设都已经能正常工作) 
神经网络最后可抽象出各种能用符号来代替的意念(意图),然后可用符号来进行运算(人工智能理应包含,符号,连接,行为,创生,演化等,他是一个有机组合体). 

人工智能的不同学科,是从人的不同智能原理建立起来的.其实人的智能就是多种智能原理的有机整体.

神经元的学习,也可看成是学习抽象和联想. 
我说过神经元的计算能力是很强的,生物用其算法来工作,也是长期选择的结果. 
但符号在逻辑思维时也有其特点,计算机处理时也方便. 
形象处理时连接主义,自有其长处.

我与各位进行交流时,用的就是符号.符号是神经网络高度抽象的产物,人比动物强,就是强在逻辑思维上.谁能说动物不能识别图像,不能识别声音等.高等动物的形象思维能力不比人差,而逻辑思维能力确差远了. 

而人工智能确和动物正好相反,我把神经网络进行抽象,主要是为了理解和研究,理解深了才能发展. 那么看起来意识精神等和刺激记忆有关,也可归类到刺激-反应模式上来.  时间,记忆,学习都可看成是刺激源,内刺激和外刺激都是刺激,只是感受器不同. 
同时意识和精神又和化学物质提供和去除等有关(生理因素,神经元工作状态强还是弱).

进一不推断,意识和精神都是指系统内部的现象,有内部的刺激源又和工作能量等有关(饥饿,血糖低,生物时钟,生病等可看成是内刺激,记忆推断也是一种刺激-反应,意志强弱等). 

但系统一复杂,其刺激-反应的过程不会全是机械的反应.这可从许多方面得到映证.

可能我在此处没讲清神经元的工作原理,光讲了联结(映射)关系.其实抽象是通过神经元来进行的,神经元通过阀值逻辑来进行对各种事物的抽象表述(神经元的输出,就是对某些事物的一种抽象). 
神经元的阀值逻辑是一种功能非常强的,可进行模糊和精确逻辑运算的算子. 
一般书上讲,神经网络的计算人是无法理解的,其实通过对神经元的参数分析人是可理解的.而且神经网络有很好的泛化能力(这是模糊处理的结果,精确度高泛化能力差),而且调节神经元的模糊度很容易. 

神经元的阀值逻辑是一种功能非常强的,可进行模糊和精确逻辑运算的算子. 
一般书上讲,神经网络的计算人是无法理解的,其实通过对神经元的参数分析人是可理解的.而且神经网络有很好的泛化能力(这是模糊处理的结果,精确度高泛化能力差),而且调节神经元的模糊度很容易. 
通过对神经元和网络的分析,可按需设计网络和神经元的参数,使神经网络的结构简化. 
阀值逻辑是一个最类似人的思维能力的计算方法.

先谈连接权的确定,根据模糊数学原理.视野中心权值高,离中心越远权值越低,具体是用三角分布,还是用梯形分布及正交分布可视问题的性质来决定.阀值的确定也可按问题的保守度来确定,阀值低保守度也低.权值可按归一化处理,和等与一.阀值可在0.1到1之间选取. 

本人主要是理论分析,定性为主,定量应按问题的性质而定,其实神经元输出可看成是输入对某集合或对象的拟合度已达标. 
集合可以是精确的也可以是模糊的,达标可保守的也可是轻信的.视野的大小,也应按具体问题来确定.

当然神经网络主要是可通过学习来决定每个神经元的集合性质,视也大小,保守度,权值分布等都可用学习的方法来确定.定性分析对进一步理解网络的功能和工作原理是有益的. 所以人为的定些集合或对象,通过神经元来拟合也是可行的. 人工按需设计不用学习的神经网络也是可行的.人工调节网络参数在规模不大的控制系统中应有用武之地. 本人只是一个爱好者,有不对的地方望能指正.

比较普通的"与""或"'非"逻辑门与神经元的阀值逻辑时,我们就可看出"与"'或""非"是阀值逻辑的特列.当且仅当神经元任意一个输入都可达阀值以上时,对应的就是"或"门.当且仅当神经元的输入要所有的输入段都有输入时才达阀值以上时,对应的就是"与"门."非门"就是取反,对应的就是改变符号,正取负,负取正. 

从上面讨论来看,布尔逻辑函数是阀值逻辑函数的特列.任以函数的集合只是数学中的一个子集,数学蕴涵逻辑. 阀值逻辑蕴涵布尔逻辑,布尔逻辑是阀值逻辑的一个特列.

更正: 当且仅当神经元的输入要所有的输入端都有输入时才达阀值以上时,对应的就是"与"门.意识可激活底层的神经网络,我们在一台电脑中可做有100万个以上的神经元,电脑可根据需要激活其中某些神经网络,每一个网络的神经元只有几十个到几百个,一般不会超过几千个,这样速度就不会要求太高. 如果--那么型的操作来控制,那些神经网络需要投入运行就可.神经网络虽然很多,但并不需要全部投入运算.意识的根本目的就是选择底层网络的运行,以减少不必要的计算.

神经网络的功能比阀值逻辑函数的功能更强,那BP网络来讲,输入层到隐层是一个联想或叫增维过程更确凿,为了更好的增维用非线性变换来进行效果更显著,所以隐层有一个非线性变换的输出层,这样一来增维效果显著因而能节省许多隐层的神经元. 逻辑计算不包含联想功能和类比思维过程,而人的思维能力中肯定是包含联想和类比的. 认知机功能不强,当时就被明斯基用来否定了神经网络的能力,逻辑思维能力有限,不能包含所有的智能计算,就被人用来否定人工智能的强大能力,这都是以偏盖全.