Inca de la (nceputul cercetarilor de inteligenta artificiala s-au conturat (n acest domeniu doua directii rivale ce constituie si acum modelele dominante (paradigmele) (n Inteligenta Artificiala.
Paradigma logico-simbolica presupune mecanisme de reprezentare simbolica a cunostintelor si utilizarea diferitelor modele logice pentru a deduce noi cunostinte din faptele memorate (n baza de cunostinte a sistemului.
De exemplu, programele care joaca sah si programele inteligente (numite Sisteme Expert) care rezolva probleme de mare complexitate dintr-un domeniu bine conturat reprezinta realizari notabile (n cadrul acestei paradigme.
Paradigma conexionista a introdus un nou concept de calcul - calculul neuronal - si a generat realizari concrete cunoscute sub numele de retele neurale artificiale (pe scurt retele neurale). In retelele neurale informatia nu mai este memorata (n zone bine precizate, ca (n cazul calculatoarelor standard, ci este memorata difuz (n toata reteaua. Memorarea se face stabilind valori corespunzatoare ale ponderilor conexiunilor sinaptice dintre neuronii retelei.
Un alt element important, care este, probabil, principalul responsabil pentru succesul modelelor conexioniste, este capacitatea retelelor neurale de a (nvata din exemple.
In mod traditional, pentru a rezolva o problema, trebuie sa elaboram un model (matematic, logic, lingvistic etc) al acesteia. Apoi, pornind de la acest model, trebuie sa indicam o succesiune de operatii reprezent (nd algoritmul de rezolvare a problemei.
Exista, (nsa, probleme practice de mare complexitate pentru care stabilirea unui algoritm, fie el si unul aproximativ, este dificila sau chiar imposibila. In acest caz, problema nu poate fi abordata folosind un calculator traditional, indiferent de resursele de memorie si timp de calcul disponibile.
Caracteristic retelelor neurale este faptul ca, pornind de la o multime de exemple, ele sunt capabile sa sintetizeze (n mod implicit un anumit model al problemei.
Am putea spune ca o retea neuronala construieste singura algoritmul pentru rezolvarea unei probleme, daca (I furnizam o multime reprezentativa de cazuri particulare (exemple de instruire). Reteaua neuronala extrage informatia prezenta (n multimea de instruire ( (nvata din exemplele prezentate). In aceasta situatie se spune ca reteaua este instruita (antrenata). In faza de lucru - sau de referinta - reteaua va folosi informatia achizitionata (n etapa de instruire pentru a trata situatii de aceeasi natura cu cele continute (n multimea de instruire.
In cadrul modelelor conexioniste nu mai suntem obligati sa furnizam retelei neurale un algoritm determinist de rezolvare a unei probleme. Trebuie sa-i oferim doar o multime consistenta de exemple (mpreuna cu o regula de modificare a ponderilor interneurale. Pentru fiecare exemplu regula de instruire compara iesirea dorita (data de exemplu) cu iesirea reala a retelei si determina o modificare a ponderilor, (n conformitate cu o strategie precizata. De regula ...
AMARI S. - "NEURAL THEORY OF ASSOCIATION AND CONCEPT FORMATION" - BIOLOGICAL CYBERNETICS, 26, PAG. 175 - 185, 1977
ANDERSON J. A. - " A SIMPLE NEURAL NETWORK GENERATING AN ASSOCIATIVE MEMORIES MATHEMATICAL BIOSCIENCES" - 14, 197 - 220, 1972
A. BLUM - "NEURAL NETWORKS IN C++: AN OBJECT - ORIENTED FRAMEWORK FOR BUILDING CONNECTIONIST SYSTEMS" - JOHN WILEY & SONS, 1992
DUMITRESCU D. , HARITON C. - "RETELE NEURONALE" - EDITURA TEORA, 1996
GALLANT S. I. - "OPTIMAL LINEAR DISCRIMINANTS" - PROC. 8 - TH INT. CONF. ON PATTERN RECOGNITION, PARIS, 849 - 852, 1986
KOSKO B. - "ADAPTIVE BIDIRECTIONAL ASSOCIATIVE MEMORIES" - APPLIED OPTICS, USA, 26, 4947 - 4960, 1987
KOSKO B. - "COMPETITIVE BIDIRECTIONAL MEMORIES" - PROC. IEEE FIRST. INT. CONF. NEURAL NETWORKS, SAN DIEGO, II, 759 - 766, 1987
KOSKO B. - "CONSTRUCTING AN ASSOCIATIVE MEMORIES" - BYTE, 12, 137 - 144, 1987
KOSKO B. - "BIDIRECTIONAL ASSOCIATIVE MEMORIES" - IEEE TRANS. SMC, 18, 49 - 60, 1988
MINSKY M. , PAPERT S. - "PERCEPTRONS. AN INTRODUCTION TO COMPUTATIONAL GEOMETRY" - MIT PRESS, CAMBRIDGE, MA, 1969
ROSENBLATT F. - "PRINCIPLES OF NEURODINAMICS" - SPARTAN BOOK, NEW YORK, 1962
SIMSON P. - "ARTIFICIAL NEURAL SYSTEMS" - PERGAMON PRESS 1990
TEURO KOLEONEN - "SEFF ORGANIZATION AND ASSOCIATIVE MEMORY" - EDITURA SPRINGER - VEILAG, 1988
WIDROW B. , WINTER R. G. , BAXTER R. A. - "LEARNING PHENOMENA IN LAYERED NEURAL NETWORKS" - PROC. FIRST INT. CONF. ON NEURAL NETWORKS, IEEE, VOL. II, 411 - 429, 1987
Pentru a descărca acest document,
trebuie să te autentifici in contul tău.
