Guest
ИМЧ РАН. Цикл лекций “Логика сознания“ нейрофизиолог академик РАН Медведев С.В. (Автор концепции Редозубов А.Д.) (23 нояб. 2018 г.). ТАЙМИНГ ВИДЕО: 00:17 Нейронные сети и их принципы • Обсуждение того, как нейронные сети могут быть использованы для моделирования работы мозга. • Упоминание о колонках и мини-колонках, которые выполняют сложные функции, используя небольшое количество нейронов. 03:44 Методы обучения нейронных сетей • Обсуждение методов обучения нейронных сетей, включая метод обратного распространения ошибки и метод обучения с учителем. 08:59 Логические закономерности и решающие деревья • Обсуждение использования логических закономерностей для решения задач и использования решающих деревьев для разделения классов. 12:33 Решающие деревья и нейронные сети • Решающие деревья - это метод машинного обучения, который делит выборку на классы, используя признаки и алгоритм, который находит лучший делящий признак. 20:09 Мини-колоночки и нейронные сети • Мини-колоночки - это плотные пересечения аксонов, дендритов и нейронов в мозгу. 24:57 Нейронные сети и обучение • В мини-колоночках, состоящих из нейронов, возникает код, который может быть использован для создания воспоминаний. 31:08 Математическая модель обучения • Если входной код соответствует выходному, то кластеры, созданные в точках, срабатывают и выдают тот же выходной код. 36:36 Обучение и отбрасывание ненужных кластеров 38:15 Создание гипотез и их проверка 42:18 Пример с площадями и людьми 45:18 Преимущества над нейронными сетями 47:15 Гипотезы и проверка информации 52:05 Интерпретация результатов и обучение с подкреплением 53:45 Анализ формальных понятий и контексты 59:46 Введение в контекстную теорию 01:06:00 Отличие контекстной теории от классической 01:08:23 Примеры контекстной теории 01:10:21 Контекст и его роль в обработке информации 01:12:17 Смыслообразование и его связь с контекстом 01:15:47 Алгоритмы обработки информации и контекст 01:21:51 Контексты и их создание 01:29:01 Комбинаторное пространство и гипотезы • Комбинаторное пространство - это множество, где каждый элемент представляет собой подпространство, которое видит описание явления не целиком, а только часть. • Идея заключается в том, чтобы смотреть на часть признаков, строить гипотезы и проверять их на последующих опытах. • В отличие от традиционных методов градиентного спуска, этот метод позволяет создавать гипотезы на основе одного примера и проверять их на втором примере. 01:33:45 Формирование контекста • В видео обсуждается процесс формирования контекста на примере понятия “стол“. • Упоминается, что контекст может быть сформирован из множества понятий, и что важно зацепиться за внешние признаки, такие как квадратная поверхность и четыре ножки. 01:37:46 Обучение контекста • В процессе обучения контекста, внешние признаки могут быть использованы для формирования правил преобразования информации. • Если контекст успешно формируется, он может быть использован для осмысленного описания окружающего мира. 01:40:38 Использование окружения для формирования контекста • Если контекст формируется из похожих понятий, он может использовать правила соседей для формирования контекста. Источник видео канал TrueBrainComputing: @truebraincomputing9315
