终极算法【4】——联结学派

联结学派基于神经元模型,如麦卡洛克-皮茨模型和感知器,尝试模拟大脑学习。然而,感知器无法解决XOR问题,表明其学习能力有限。反向传播算法解决了这一问题,使得多层感知器能够学习复杂边界,成为联结学派的核心。尽管深度学习取得显著成就,但扩大规模后,反向传播面临挑战。自动编码器、卷积神经网络等深度学习模型逐步发展,但与大脑真实运作仍有差距。
摘要由CSDN通过智能技术生成

赫布律是联结主义的基石,联结主义相信知识存储在神经元之间的联结关系中。威廉.詹姆斯在其著作《心理学原理》中,阐明了连接的主要原理,这和赫布律十分相似,只是大脑活动被神经元取代,放电效率被兴奋的传播取代。

在符号学派中,符号和它们之间代表的概念之间有一一对应的关系。相反,联结学派的代表方式却是分散式的:每个概念由许多神经元来表示,而每个神经元又会和其他神经元一起代表许多不同的概念。符号学派和联结学派的另一个区别就在于,前者是按次序的,而后者是平行的。

第一个正式的神经元模型是由沃伦.麦卡洛克和沃尔特.皮茨于1943年提出的。这个模型看起来很像组成计算机的逻辑门。当“或”门至少一个输入开关打开时,“或”门开通;当所有输入开关打开时,“且”门开通。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值