Samenvatting
Summary Task 4 - Connectionism
- Instelling
- Maastricht University (UM)
Summary of Task 4 in Man and Machine
[Meer zien]Voorbeeld 2 van de 14 pagina's
Voorbeeld 2 van de 14 pagina's
In winkelwagengesponsord bericht van onze partner
Verkoper
Volgen
Voorbeeld van de inhoud
CONNECTIONISMCONNECTIONISM – LECTURE
BASICS
5 ASSUMPTIONS
Neurons integrate information
Neurons: input arrives at neuron, if it reaches threshold output
Neural networks: unit receives input from somewhere projects outputs
somewhere else
Neurons pass on information about their input levels
Rate of output varies depending on strength of input
Brain structure is layered
Brain is hierarchically organised each layer is stage of information processing
At each stage information is transformed to form new representations
Influence of one neuron on another depends on the strength of the connection between them
Weights of connections – how much of input, to input unit affects the next unit
Learning is achieved by changing the strength of connections between neurons
Adaptable weights form central tenet of connectionism
SYMBOLS & ELEMENTARY EQUATIONS
Overall function
Transfer function
Inputi * weightij &
add them up
Activation functions Linear
Determines You get out what you
activity of a put in
neuron
Threshold linear
You get out what you
put in IF you reach a
certain threshold
, Binary
When threshold is
reached, output is 1
Sigmond
Output function Connectionist models: usually linear, just passes on activation of
a neuron
Determines
Biological models: output function ≠ activation function
output neuron
Output = firing rate of a neuron
actually sends
Activation = membrane potential of a neuron
onwards
THE BIAS
Input units – green
Bias unit – yellow
Always 1 & aways active
Connected to all units in the next layer
& exists in every layer
Bias function:
Why?
bj – j making threshold specific threshold for each individual unit can be controlled
threshold becomes trainable & learnable – works same way weights change through
learning
PROPERTIES
Information is stored in a distributed fashion & processed in parallel
All knowledge in a connectionist model is superimposed on the same set of
connections
Properties of connectionist models (example: Hopfield Network)
Damage resistant & fault tolerant
No individual neuron is of crucial importance – distributed information storage
& processing
Graceful degradation – small damage has no noticeable effect, only as
damage increases can you see effect
Content addressable memory
Dit zijn jouw voordelen als je samenvattingen koopt bij Stuvia:
Bewezen kwaliteit door reviews
Studenten hebben al meer dan 850.000 samenvattingen beoordeeld. Zo weet jij zeker dat je de beste keuze maakt!
In een paar klikken geregeld
Geen gedoe — betaal gewoon eenmalig met iDeal, creditcard of je Stuvia-tegoed en je bent klaar. Geen abonnement nodig.
Direct to-the-point
Studenten maken samenvattingen voor studenten. Dat betekent: actuele inhoud waar jij écht wat aan hebt. Geen overbodige details!
Veelgestelde vragen
Wat krijg ik als ik dit document koop?
Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.
Tevredenheidsgarantie: hoe werkt dat?
Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.
Van wie koop ik deze samenvatting?
Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper emma2296. Stuvia faciliteert de betaling aan de verkoper.
Zit ik meteen vast aan een abonnement?
Nee, je koopt alleen deze samenvatting voor €3,49. Je zit daarna nergens aan vast.
Is Stuvia te vertrouwen?
4,6 sterren op Google & Trustpilot (+1000 reviews)
Afgelopen 30 dagen zijn er 69252 samenvattingen verkocht
Opgericht in 2010, al 15 jaar dé plek om samenvattingen te kopen